基于改进型BP神经网络的重叠叶片边缘重建

• 作者: 王中意 车进
• 来源期刊: 河北农业大学学报
• 关键词: 重叠叶片 叶面积 链码 角点 神经网络 边缘预测
• 年，卷（期）: 2018,（5）
• 页码范围: 137-142
• 页数: 6页
• 分类号: S126|TP391
• 语种: 中文
• DOI: 10.13320/j.cnki.jauh.2018.0116

摘要

为有效解决重叠叶片目标边缘修复难的问题,提出一种基于L-M算法的改进型BP神经网络对叶片重叠部分边缘进行预测重建的方法.首先使用数学形态学方法去除叶片的叶柄部分,采用链码差算法精确提取角点,用相关分割准则分割重叠目标;得到目标区域边界点到图像质心的距离和角度,然后利用基于L-M算法的改进型BP神经网络,通过角度预测遮挡重叠部分图像质心到边缘点的距离.最后将预测的距离值转换到图像坐标,得到重建的边缘.通过实验,该方法在保证叶片基本形状下,重建边缘后叶片面积误差可在10％以下,边缘预测效果较好,实验表明该方法可行有效.该方法可以更加方便快捷的测定重叠叶片面积,对重叠叶片边缘重建具有一定的现实意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	车进	宁夏大学物理与电子电气工程学院	47	164	8.0	10.0
2	王中意	宁夏大学物理与电子电气工程学院	4	5	2.0	2.0