基于SegNet模型的高原鼠兔的图像分割

• 作者: 张华清 陈刚琦 陈海燕
• 来源期刊: 湖南农业大学学报（自然科学版）
• 学科: 工学
• 关键词: 高原鼠兔 卷积神经网络 图像分割 SegNet 语义分割
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 农业工程
• 页码范围: 749-752
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13331/j.cnki.jhau.2020.06.017

摘要

针对高原鼠兔图像目标尺寸小、背景复杂、特征不显著、基于活动轮廓的图像分割模型无法有效分割的问题,采用基于卷积神经网络的SegNet语义模型对高原鼠兔图像进行分割:首先将采集的高原鼠兔图像进行预处理,尺度归一化后制作成与Pascal VOC数据集格式一致的数据集;然后将数据集分为训练集与测试集,采用训练集对SegNet模型训练,测试集对模型进行分割测试.对高原鼠兔图像分割的试验结果表明:与基于活动轮廓的Chan_Vese模型相比,基于卷积神经网络的SegNet模型对高原鼠兔图像分割时的交并比、平均像素精度、Dice相似性指数和Jaccard指数分别提高了68.33％、9.35％、30.61％和47.98％,过分割率和欠分割率分别降低了87.20％、16.52％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈海燕		28	90	6.0	7.0
2	陈刚琦		2	0	0.0	0.0
3	张华清		1	0	0.0	0.0