基于交叉視覺皮質(zhì)模型的軍用機(jī)器人道路識(shí)別
發(fā)布時(shí)間:2022-02-22 18:14
針對(duì)地面作戰(zhàn)軍用機(jī)器人非結(jié)構(gòu)化道路識(shí)別,提出一種改進(jìn)的具有生物學(xué)背景的交叉視覺皮質(zhì)模型(ICM)方法,將非結(jié)構(gòu)化道路分分割為道路區(qū)域和非道路區(qū)域。首先將非結(jié)構(gòu)化道路圖像從RGB顏色空間變換到HSI空間模型,并對(duì)HIS三個(gè)分量圖像進(jìn)行了快速中值濾波及直方圖均衡化等預(yù)處理。然后對(duì)預(yù)處理后的圖像通過改進(jìn)的交叉視覺皮質(zhì)模型(ICM)進(jìn)行道路分割。并采用二維最小Tsallis交叉熵作為分割準(zhǔn)則,可自動(dòng)地確定分割閾值以及循環(huán)迭代次數(shù),避免了人為干預(yù),提高了分割速度。通過實(shí)驗(yàn)分析,上述方法具有與傳統(tǒng)的圖像分割算法相比,具有精度高、適應(yīng)性強(qiáng)、分割速度快、分割質(zhì)量接近最佳的特點(diǎn)。
【文章來源】:計(jì)算機(jī)仿真. 2020,37(10)北大核心
【文章頁(yè)數(shù)】:5 頁(yè)
【部分圖文】:
ICM神經(jīng)元架構(gòu)圖
可計(jì)算出圖像的G-A二維直方圖,它是一個(gè)L×L的矩陣,如圖2所示。假設(shè)向量(s,t)為閾值向量,則該閾值向量將二維直方圖矩陣分割為1,2,3,4區(qū)域。其中1和2代表背景或目標(biāo),3和4代表邊界點(diǎn)或噪聲點(diǎn)。因?yàn)檫吔琰c(diǎn)與噪聲點(diǎn)所占比例比較小,可以認(rèn)為離對(duì)角線比較遠(yuǎn)的分量近似為0,即
實(shí)驗(yàn)中采用地面作戰(zhàn)機(jī)器人如圖3所示,建立LT-ICM標(biāo)準(zhǔn)模型,設(shè)定參數(shù)f=0.9, g=0.8,h=25,迭代次數(shù)N=50,初始閾值θ=255。令Dmin,θbest, Nmin為二維最小Tsallis交叉熵準(zhǔn)則的LT-ICM下的最小交叉熵值、最優(yōu)閾值、最小迭代次數(shù)。選取了一些典型的非結(jié)構(gòu)化道路圖像進(jìn)行分割,并與傳統(tǒng)的最大類間方差法(OTSU)和最大熵法分割結(jié)果作對(duì)比,結(jié)果如圖4所示。為了驗(yàn)證本文算法性能,分別采用傳統(tǒng)的最大類間方差法(OTSU)與最大熵法作為對(duì)比,如表1所示,分別對(duì)典型的非結(jié)構(gòu)化道路圖像進(jìn)行分割處理。
【參考文獻(xiàn)】:
期刊論文
[1]移動(dòng)機(jī)器人路徑規(guī)劃算法綜述[J]. 霍鳳財(cái),遲金,黃梓健,任璐,孫勤江,陳建玲. 吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(06)
[2]基于RGB熵和改進(jìn)區(qū)域生長(zhǎng)的非結(jié)構(gòu)化道路識(shí)別方法[J]. 吳驊躍,段里仁. 吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(03)
[3]基于多算法融合的復(fù)雜非結(jié)構(gòu)化道路識(shí)別[J]. 黃妙華,黎洲,吳益鵬. 數(shù)字制造科學(xué). 2017(04)
[4]基于交叉皮質(zhì)模型的單幅圖像陰影檢測(cè)算法[J]. 李成,孫路,田潤(rùn)瀾,畢篤彥. 自動(dòng)化學(xué)報(bào). 2014(12)
[5]基于交叉視覺皮質(zhì)模型的圖像快速分割新算法[J]. 朱孝政. 電子設(shè)計(jì)工程. 2013(08)
[6]基于交叉視覺皮質(zhì)模型的非結(jié)構(gòu)化道路檢測(cè)算法[J]. 高慶吉,張磊. 電子學(xué)報(bào). 2011(10)
[7]基于混沌彈性粒子群優(yōu)化與基于分解的二維交叉熵閾值分割[J]. 吳一全,張曉杰,吳詩(shī)婳. 上海交通大學(xué)學(xué)報(bào). 2011(03)
[8]一種新的圖像分割算法[J]. 徐建軍,高山,畢篤彥,陳游. 西安電子科技大學(xué)學(xué)報(bào). 2011(01)
[9]改進(jìn)的Otsu算法在圖像分割中的應(yīng)用[J]. 胡敏,李梅,汪榮貴. 電子測(cè)量與儀器學(xué)報(bào). 2010(05)
[10]基于二維最小Tsallis交叉熵的圖像閾值分割方法[J]. 唐英干,邸秋艷,趙立興,關(guān)新平,劉福才. 物理學(xué)報(bào). 2009(01)
碩士論文
[1]軍用無(wú)人駕駛車輛非結(jié)構(gòu)化道路識(shí)別方法研究[D]. 劉子輝.吉林大學(xué) 2007
本文編號(hào):3639974
【文章來源】:計(jì)算機(jī)仿真. 2020,37(10)北大核心
【文章頁(yè)數(shù)】:5 頁(yè)
【部分圖文】:
ICM神經(jīng)元架構(gòu)圖
可計(jì)算出圖像的G-A二維直方圖,它是一個(gè)L×L的矩陣,如圖2所示。假設(shè)向量(s,t)為閾值向量,則該閾值向量將二維直方圖矩陣分割為1,2,3,4區(qū)域。其中1和2代表背景或目標(biāo),3和4代表邊界點(diǎn)或噪聲點(diǎn)。因?yàn)檫吔琰c(diǎn)與噪聲點(diǎn)所占比例比較小,可以認(rèn)為離對(duì)角線比較遠(yuǎn)的分量近似為0,即
實(shí)驗(yàn)中采用地面作戰(zhàn)機(jī)器人如圖3所示,建立LT-ICM標(biāo)準(zhǔn)模型,設(shè)定參數(shù)f=0.9, g=0.8,h=25,迭代次數(shù)N=50,初始閾值θ=255。令Dmin,θbest, Nmin為二維最小Tsallis交叉熵準(zhǔn)則的LT-ICM下的最小交叉熵值、最優(yōu)閾值、最小迭代次數(shù)。選取了一些典型的非結(jié)構(gòu)化道路圖像進(jìn)行分割,并與傳統(tǒng)的最大類間方差法(OTSU)和最大熵法分割結(jié)果作對(duì)比,結(jié)果如圖4所示。為了驗(yàn)證本文算法性能,分別采用傳統(tǒng)的最大類間方差法(OTSU)與最大熵法作為對(duì)比,如表1所示,分別對(duì)典型的非結(jié)構(gòu)化道路圖像進(jìn)行分割處理。
【參考文獻(xiàn)】:
期刊論文
[1]移動(dòng)機(jī)器人路徑規(guī)劃算法綜述[J]. 霍鳳財(cái),遲金,黃梓健,任璐,孫勤江,陳建玲. 吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(06)
[2]基于RGB熵和改進(jìn)區(qū)域生長(zhǎng)的非結(jié)構(gòu)化道路識(shí)別方法[J]. 吳驊躍,段里仁. 吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2019(03)
[3]基于多算法融合的復(fù)雜非結(jié)構(gòu)化道路識(shí)別[J]. 黃妙華,黎洲,吳益鵬. 數(shù)字制造科學(xué). 2017(04)
[4]基于交叉皮質(zhì)模型的單幅圖像陰影檢測(cè)算法[J]. 李成,孫路,田潤(rùn)瀾,畢篤彥. 自動(dòng)化學(xué)報(bào). 2014(12)
[5]基于交叉視覺皮質(zhì)模型的圖像快速分割新算法[J]. 朱孝政. 電子設(shè)計(jì)工程. 2013(08)
[6]基于交叉視覺皮質(zhì)模型的非結(jié)構(gòu)化道路檢測(cè)算法[J]. 高慶吉,張磊. 電子學(xué)報(bào). 2011(10)
[7]基于混沌彈性粒子群優(yōu)化與基于分解的二維交叉熵閾值分割[J]. 吳一全,張曉杰,吳詩(shī)婳. 上海交通大學(xué)學(xué)報(bào). 2011(03)
[8]一種新的圖像分割算法[J]. 徐建軍,高山,畢篤彥,陳游. 西安電子科技大學(xué)學(xué)報(bào). 2011(01)
[9]改進(jìn)的Otsu算法在圖像分割中的應(yīng)用[J]. 胡敏,李梅,汪榮貴. 電子測(cè)量與儀器學(xué)報(bào). 2010(05)
[10]基于二維最小Tsallis交叉熵的圖像閾值分割方法[J]. 唐英干,邸秋艷,趙立興,關(guān)新平,劉福才. 物理學(xué)報(bào). 2009(01)
碩士論文
[1]軍用無(wú)人駕駛車輛非結(jié)構(gòu)化道路識(shí)別方法研究[D]. 劉子輝.吉林大學(xué) 2007
本文編號(hào):3639974
本文鏈接:http://www.sikaile.net/shekelunwen/renwuzj/3639974.html
最近更新
教材專著