共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
3.
基于改进蚁群算法的棉花异性纤维目标特征选择方法 总被引:4,自引:0,他引:4
为提高基于机器视觉的棉花异性纤维在线分类的精度和速度,提出一种基于改进蚁群算法的棉花异性纤维图像目标特征选择方法。采用初始选择概率预处理方案,设置特征初始概率,降低了冗余特征影响,缩短了算法搜索时间;利用分段变异运算及取优舍劣策略,对棉花异性纤维的颜色、纹理、形状3类特征进行分段变异,避免了算法局部收敛,选出了全局最优特征集。实验结果表明,改进的蚁群算法比基本蚁群算法优化能力更强,搜索时间更短,优化得到的棉花异性纤维特征子集的特征个数比原特征集减少了2/3,分类正确率由84%提高到93%。 相似文献
4.
5.
基于机器视觉的棉花异性纤维检测技术优化研究 总被引:1,自引:0,他引:1
为解决人为采摘、室外曝晒、分散储运等出现的问题,提出利用机器视觉来实现棉花异性纤维自动检测技术,包括图像预处理、图像增强、图像分割、图像数据的特征提取,目标模式识别方法。通过实验,SVM分类器训练出来的实验结果表明异性纤维识别的准确率有明显提高;最后再次实验,对检出的结果进行性能分析和评估,有效地提高了异性纤维检测方法的正确率,并对结果计算出相应的平均识别准确率,性能提升尤为明显。本文提出的棉花异性检测方法是在已有的检测方法基础上进行优化,有很好的应用价值。 相似文献
6.
7.
8.
基于改进PCNN的番茄植株夜间图像分割算法 总被引:1,自引:0,他引:1
为实现番茄植株夜间图像分割,设计了一种基于最大类间方差法的改进脉冲耦合神经网络(PCNN)图像分割算法。该算法对传统PCNN模型中的链接输入项进行加权处理,在进行图像分割前,先基于最大类间方差(Otsu)算法获得阈值,再将该阈值赋值给改进PCNN模型中的链接输入项权值、突触链接系数β、链接权放大系数VE和阈值迭代衰减时间常数αE。对849幅番茄植株夜间图像进行试验,结果表明,图像分割正确率平均值为90. 43%,平均每幅图像分割时间为0. 994 4 s;输入链接项的加权处理可减少PCNN的迭代次数,提高算法的实时性;基于Otsu算法可实现改进PCNN模型的网络参数自适应设置。基于视觉效果、最大熵及分割正确率这3项评价指标的对比分析显示,改进PCNN模型的分割效果优于Otsu算法和传统PCNN模型,实时性优于传统PCNN模型。 相似文献
9.