多尺度分解双寻优策略SPCNN的果园苹果异源图像融合模型

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.

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

所属期刊栏目：38

分类号：TP301(计算技术、计算机技术)

资助基金：甘肃农业大学青年导师基金资助项目;甘肃省科技计划项目

在线出版日期：2023-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：158-167