典型文献
多尺度分解双寻优策略SPCNN的果园苹果异源图像融合模型
文献摘要：
针对单一的自然场景图像信息不能满足准确识别果实和精准定位目标的要求,提出一种多尺度分解双寻优策略简化脉冲耦合神经网络(Simplified Pulse Coupled Neural Network,SPCNN)的飞行时间(Time of Flight,ToF)与可见光果园苹果图像融合模型.对SPCNN模型引入带参数优化的双寻优策略,对非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)融合规则进行改进.模型包括配准模块、编码区、多尺度分解模块、单目标SPCNN融合模型、多目标SPCNN融合模型、解码区.模型改进了SPCNN模型的参数优化方式以及迭代次数,模型自适应点火次数较低,在3～7次左右,具有点火次数低、自适应分割、效率高的优点.中光15:00时段点火识别成功率达到了100.00％,点火分割时间达到最低91.91s.与其他融合模型比较,模型在强光12:00、中光15:00、弱光18:20、19:00时段融合图像识别成功率达到100.00％;融合时间低于SPCNN模型,达到最低92.68 s.模型识别精度最优达到了100.00％,融合耗时最低达到了92.68 s,模型大小较SPCNN低一个数量级,可补充和完善图像层次融合理论和方法.
文献关键词：
图像识别;模型;非下采样轮廓变换;简化脉冲耦合神经网络;异源图像融合模型;单目标策略;多目标策略
中图分类号：
作者姓名：
刘立群;顾任远;周煜博;火久元
作者机构：
甘肃农业大学信息科学技术学院,兰州 730070;兰州交通大学电子与信息工程学院,兰州 730070
文献出处：
引用格式：
[1]刘立群;顾任远;周煜博;火久元-.多尺度分解双寻优策略SPCNN的果园苹果异源图像融合模型)[J].农业工程学报,2022(17):158-167
A类：
SPCNN,异源图像融合模型,简化脉冲耦合神经网络,Nonsubsampled,91s,非下采样轮廓变换,单目标策略,多目标策略
B类：
多尺度分解,果园,苹果,自然场景,场景图像,图像信息,准确识别,精准定位,Simplified,Pulse,Coupled,Neural,Network,飞行时间,Time,Flight,ToF,可见光,非下采样轮廓波变换,Contourlet,Transform,NSCT,融合规则,配准,编码区,解模,解码,模型改进,优化方式,迭代次数,模型自适应,点火,有点,自适应分割,别成,功率达,模型比较,强光,弱光,融合图像,图像识别,模型识别,识别精度,数量级,融合理论
AB值：
0.283572
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
