基于SegNet模型的高原鼠兔的图像分割

作者：陈海燕; 陈刚琦; 张华清

来源：湖南农业大学学报(自然科学版), 2020, 46(06): 749-752.

DOI：10.13331/j.cnki.jhau.2020.06.017

• 高原鼠兔
• 卷积神经网络
• 图像分割
• SegNet
• 语义分割

针对高原鼠兔图像目标尺寸小、背景复杂、特征不显著、基于活动轮廓的图像分割模型无法有效分割的问题,采用基于卷积神经网络的SegNet语义模型对高原鼠兔图像进行分割:首先将采集的高原鼠兔图像进行预处理,尺度归一化后制作成与Pascal VOC数据集格式一致的数据集;然后将数据集分为训练集与测试集,采用训练集对SegNet模型训练,测试集对模型进行分割测试。对高原鼠兔图像分割的试验结果表明:与基于活动轮廓的ChanVese模型相比,基于卷积神经网络的SegNet模型对高原鼠兔图像分割时的交并比、平均像素精度、Dice相似性指数和Jaccard指数分别提高了68.33%、9.35%、30.61%和47.98%,过分割率和欠分割率分别降低了87.20%、16.52%。

• 单位
  兰州理工大学