基于改进型BP神经网络的重叠叶片边缘重建

作者：王中意; 车进^*

来源：河北农业大学学报, 2018, 41(05): 137-142.

DOI：10.13320/j.cnki.jauh.2018.0116

• 重叠叶片
• 叶面积
• 链码
• 角点
• 神经网络
• 边缘预测

为有效解决重叠叶片目标边缘修复难的问题,提出一种基于L-M算法的改进型BP神经网络对叶片重叠部分边缘进行预测重建的方法。首先使用数学形态学方法去除叶片的叶柄部分,采用链码差算法精确提取角点,用相关分割准则分割重叠目标;得到目标区域边界点到图像质心的距离和角度,然后利用基于L-M算法的改进型BP神经网络,通过角度预测遮挡重叠部分图像质心到边缘点的距离。最后将预测的距离值转换到图像坐标,得到重建的边缘。通过实验,该方法在保证叶片基本形状下,重建边缘后叶片面积误差可在10%以下,边缘预测效果较好,实验表明该方法可行有效。该方法可以更加方便快捷的测定重叠叶片面积,对重叠叶片边缘重建具有一定的现实意义。