80、基于遗传算法的牛图像交互式形状检测及树冠提取新方法

基于遗传算法的牛图像交互式形状检测及树冠提取新方法

在图像识别和处理领域，有两项重要的研究成果，分别是基于遗传算法的牛图像交互式形状检测方法，以及用于从航空图像中提取树冠的新相场模型。下面将详细介绍这两项研究。

基于遗传算法的牛图像交互式形状检测方法

在形状检测中，当形状被参数化后，定义目标函数是关键步骤。在一些相关研究中，目标函数的构建使得当图像中模型的某些实例点附近存在强度相似的强边缘时，该函数达到最小值。本方法采用类似思路，生成一个中间灰度图像作为潜在图像（进行了反转处理，因此要最大化“能量”）。

潜在图像可通过传统边缘检测器获取，但为避免目标函数出现过多局部最大值，边缘图不应包含过多与搜索对象无关的边缘。由于背景物体的存在，这并非总能实现。本方法应用了基于多层感知器神经网络的边缘选择系统。

基于该潜在图像，提出了以下由遗传算法（GA）最大化的目标函数：
[
f_L(X) = \left(\sum_{j = 0}^{n - 2} K_j\right)^{-1} \cdot \sum_{j = 0}^{n - 2} \left(\sum_{(X, Y) \in r_j} D_g(X, Y)\right)
]
其中，(X = (X_0, Y_0; X_1, Y_1; \ldots; X_{n - 1}, Y_{n - 1})) 是构成模型一个实例的点集（图像坐标，整数值），可通过方程 1 和变换从参数中轻松获得；(r_j) 是连接 ((X_j, Y_j)) 和 ((X_{j + 1}, Y_{j + 1})) 的直线上的点集（图像像素）；(K_j) 是该点集包含的点数；(D_g(X, Y)) 是点 ((X, Y)) 到