基于HED网络的奶牛边缘图像特征提取

论文摘要

对奶牛的图像进行高精度边缘特征提取,为奶牛的个体识别或者奶牛的线性评定提供重要的评判依据,可以更好的实现奶牛保险业的自动化管理。采用基于FCN和VGG改进的边缘检测HED（Holistically-Nested Edge Detection）网络,在caffe框架下通过MATLAB实现对奶牛原始图像的边缘特征提取。将HED网络检测出的边缘特征图像与传统优化过的Canny算子作比较,无论从直观的边缘图像对比,还是数据的对比,HED网络的效果远远优于传统算法。用500张奶牛图片在BSDS500上进行性能评估,其中200张为训练图片,200张为测试图片,100张为检验图片。HED网络的奶牛边缘检测效果比Canny算法提高18.6%,大大提高奶牛边缘图像的处理精度、去噪声能力。将HED网络检测出的奶牛边缘图像为奶牛的识别提供重要依据,实现奶牛保险业高效的自动化管理。

论文目录

• 0 引言
• 1 材料来源与研究方法
•   1.1 试验材料来源
•   1.2 HED网络
• 2 试验结果与分析
•   2.1 试验结果与分析
•   2.2 BSDS500上的性能评估与分析
• 3 结论

文章来源

类型: 期刊论文

作者: 苏恒强,张俊

关键词: 奶牛,图像处理,边缘特征提取

来源: 中国农机化学报 2019年12期

年度: 2019

分类: 农业科技,信息科技

专业: 畜牧与动物医学,计算机软件及计算机应用

单位: 吉林农业大学信息技术学院

基金: 吉林省科技厅2018年自然基金(20180101041JC)

分类号: TP391.41;S823

DOI: 10.13733/j.jcam.issn.2095-5553.2019.12.25

页码: 144-148

总页数: 5

文件大小: 615K

下载量: 173