基于强化学习的图像不确定性目标域提取仿真

相比于输入图像的整体像素点，不确定性目标所占像素点偏少，且由于物体朝向不同，对应特征也不同，导致图像不确定性目标提取的难度较大。提出一种新的基于强化学习的图像不确定性目标域提取方法。将图像输入加权双边滤波器中，将其分为高频区域和低频区域，在Curvelet变换的基础上保留图像细节信息。消除图像噪声，并采用限邻域EMD方法增强图像质量。建立自适应性模型，将预处理后的图像输入至上述模型中，通过混沌同步方法在分数阶非线性网络中提取图像像素点特征，以此实现图像分割。应用强化学习建立图像不确定性目标域提取的马尔科夫决策，获取图像的类别信息和区域结构，图像不确定性目标域的提取。仿真结果表明，研究方法能够精准提取图像像素点特征，查全率和查准率高于90%,J指数以及F检验值的平均值可达0.8以上。