基于强化学习的图像不确定性目标域提取仿真 |
| |
引用本文: | 代丽娜,裴冬菊,郑冬花,叶丽珠.基于强化学习的图像不确定性目标域提取仿真[J].计算机仿真,2024(3):145-148+378. |
| |
作者姓名: | 代丽娜 裴冬菊 郑冬花 叶丽珠 |
| |
作者单位: | 1. 广州商学院信息技术与工程学院;2. 江西农业大学计算机与信息工程学院 |
| |
基金项目: | 江西省教育厅科技计划项目(GJJ210433);;广东省2022年本科高校教学质量与教学改革工程高等教育教学改革项目(2022SJJXGG991); |
| |
摘 要: | 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。
|
关 键 词: | 强化学习 加权双边滤波器 混沌同步方法 马尔科夫决策过程 |
|