没有合适的资源?快使用搜索试试~ 我知道了~
基于Gabor及深度神经网络的葡萄种子分类.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 32 浏览量
2022-12-15
14:22:37
上传
评论
收藏 349KB DOCX 举报
温馨提示
![preview](https://dl-preview.csdnimg.cn/87292319/0001-2e95d60fb420e1291c71a2af0695164e_thumbnail-wide.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
试读
17页
基于Gabor及深度神经网络的葡萄种子分类.docx
资源推荐
资源详情
资源评论
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/release/download_crawler_static/87292319/bg1.jpg)
随着国内经济的快速发展,社会消费能力和档次也不断提升。在我国,葡萄酒逐渐成
为了一种高价值的天然饮品,具有抗氧化功效。我国的葡萄酒酿造产业已经具有较大的经
济产值和社会效益
[1]
。如何获得优质葡萄酒的相关因素之一是准确判定葡萄的收获时间
[2]
。
传统上,酚类成熟度估算由专家(酿酒师)通过样品的感官检查或通过实验室化学分析
来完成。但是这种方法对人类专家的经验和专业素养要求较高,导致工作效率较低,且准
确率无法得到保证
[3-4]
。最近,研究人员提出通过机器视觉技术来识别种子品种和品质的方
法
[5-6]
。文献[7]将计算机图像识别技术在小麦种子精选中进行了应用。文献[8]提出了基于脉
冲耦合神经网络的粘连玉米种子图像分割方法,运用直方图均衡化和布特沃斯低通滤波器
进行频域增强预处理,结合脉冲耦合神经网络实现高精确度的种子图像分割。传统图像目
标识别任务中,目标特征的提取是十分重要的过程,其中比较常用的方法为主成分分析
(principal component analysis, PCA)和小波分析。文献[9]提出了一种基于 PCA 及竞争性神经
网络的番茄种子品种识别方法,能够以 90.5%的准确率完成 5 个品种的分类识别。而随着
小波分析理论的发展,Harr 小波、样条小波、Gabor 小波等也得到广泛应用,基于 Gabor
小波提取特征的方法具有明显的频率特性和方向选择性,能够捕捉边缘敏感局部结构信
息,并且光照变化和对比度变化具有较好的鲁棒性。文献[10]提出了基于 Gabor 小波和交
叉协方差降维的人脸识别方法。文献[11]提出了基于 Gabor 特征与卷积神经网络的人体轮
廓提取方法。从文献[10-11]的研究结果可以看出,Gabor 小波在图像特征提取方面具有一
定的优势,更有利于提升分类的准确率。现阶段,作为较先进的机器学习方法,深度学习
模型在图像处理领域表现出色,具有强大的特征提取能力。因此,文献[12]提出了一种结
合小波变换与深度网络的图像超分辨率方法。上述方法中,文献[9]的基于 PCA 特征提取
的种子识别分类方法的准确率仍不够理想,存在一定的提升空间。文献[11]的传统 Gabor
小波变换方法,在选取的尺度和方向过多时,计算复杂度过大。因此,借鉴文献[12]的研
究思路,本文用 Gabor 小波特征提取替换传统的小波变换,并结合深度神经网络,来实现
具体的葡萄种子分类任务。从文献[10-11]的研究结果可以看出,Gabor 小波在图像特征提
取方面具有一定的优势,更有利于提升分类的准确率。现阶段,作为较先进的机器学习方
法,深度学习模型在图像处理领域表现出十分出色的性能,具有强大的特征提取能力。因
此,文献[12]提出了一种结合小波变换与深度网络的图像超分辨率方法。
1. 图像预处理
葡萄种子图像的预处理是识别过程中必不可缺的操作,种子图像具有各种问题,如阴
影、高光和种子像素与阴影之间的低对比度。因此,需要消除光照、背景等与种子目标识
别无关的因素,以便为后续特征提取提供最佳条件,从而提高特征抽取、识别的可靠性。
1.1 尺度归一化
![](https://csdnimg.cn/release/download_crawler_static/87292319/bg2.jpg)
首先对输入目标图像进行尺度归一化,保证所有样本大小相同。计算图像的协方差矩
阵 M 为:
M=[μ20μ11μ11μ02]M=[μ20μ11μ11μ02]
(1)
式中,μijμij 表示 i+j 阶联合中心矩。利用 M 的特征向量旋转坐标系,设 M 的特征值
为 λ1λ1 和 λ2λ2,特征向量的计算方式为
[13]
:
ei=[eixeiy]=⎡⎣⎢⎢⎢⎢⎢⎢μ11(λi−μ20)2+μ211−−−−−−−−−−−−−√λi−μ20(λi−μ20)2+μ211−−−−−−−−−−−−−√⎤⎦⎥⎥⎥⎥⎥⎥i=1,2ei=[eixeiy]=[μ11(λi−μ20)2+μ112λi−μ20(λi−μ20)2+μ112]i=1,2
(2)
那么,e1=[e1x,e1y]Te1=[e1x,e1y]T 和 e2=[e2x,e2y]Te2=[e2x,e2y]T 分别为 λ1λ1 和 λ2λ2
对应的特征向量,可以得出旋转矩阵
[14]
为:
E=[e1xe2xe1ye2y]E=[e1xe1ye2xe2y]
(3)
设特征向量彼此正交,即 e1xe1y+e2xe2y=0e1xe1y+e2xe2y=0,从而确保 M 为实对称
矩阵,则旋转变换后的图像坐标为:
[x′y′]=E[x−x¯y−y¯][x′y′]=E[x−x¯y−y¯]
(4)
式中,(x¯,y¯)(x¯,y¯)表示图像的重心坐标。按照 M 的特征值进行坐标系归一化:
W=⎡⎣⎢⎢⎢⎢⎢⎢(λ1λ2)1/4λ1−−√00(λ1λ2)1/4λ2−−√⎤⎦⎥⎥⎥⎥⎥⎥(λ1λ2)1/4λ1−−√(λ1λ2)1/4λ2−−√=1W=[(λ1λ2)1/4λ100(λ1λ2)1/4λ2](λ1λ2)1/4λ1(λ1λ2)1/4λ2=1
(5)
最终得到一个与坐标无关的标准化图像坐标为:
[x′′y′′]=WE[x−x¯y−y¯][x″y″]=WE[x−x¯y−y¯]
(6)
1.2 灰度归一化
对尺度归一化的图像进行直方图均衡化来实现图像的灰度归一化,从而增强图像之间
的对比度,加大图像的动态范围,改善图像的质量。
假设数字图像的像素总和为 N,灰度级总数为 L,n
k
是在图像中出现第 k 级灰度的次
数,图像中灰度级为 r
k
的像素出现的概率为
[15]
:
Pr(rk)=nkN0⩽rk⩽1,k=0,1,⋯,L−1Pr(rk)=nkN0⩽rk⩽1,k=0,1,⋯,L−1
(7)
变换操作可表示为
[16]
:
s=EN(r)0⩽r⩽1s=EN(r)0⩽r⩽1
(8)
式中,s 表示被变换图像的单个灰度;r 表示被变换后图像的单个灰度。
在取值区间内 EN(r)是单调增加的,因此均衡化的变换函数为:
sk=T(rk)=∑i=0knjN=∑i=0kpr(rj)0⩽rk⩽1,k=0,1,⋯,L−1sk=T(rk)=∑i=0knjN=∑i=0kpr(rj)0⩽rk⩽1,k=0,1,⋯,L−1
(9)
均衡化前后葡萄种的子图像如图 1 所示。
剩余16页未读,继续阅读
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/3f07197aad004e4fa57ac5a008eb6aaf_weixin_57147647.jpg!1)
罗伯特之技术屋
- 粉丝: 3907
- 资源: 1万+
![benefits](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-1.c8e153b4.png)
下载权益
![privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-2.ec46750a.png)
C知道特权
![article](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-3.fc5e5fb6.png)
VIP文章
![course-privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-4.320a6894.png)
课程特权
![rights](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-icon.fe0226a8.png)
开通VIP
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)