基于自適應橢圓分塊和小波邊緣檢測的多豬目標提取方法.pdf

1、為了將多豬目標從背景復雜的俯視群養(yǎng)豬圖像中提取出來，本文提出一種基于自適應橢圓分塊和小波邊緣檢測的目標提取算法，為進一步探索群養(yǎng)多豬身份識別和行為分析等奠定了一定的基礎。
　　針對規(guī)?；B(yǎng)豬場中噪聲干擾多、環(huán)境差、光線復雜、豬體圖像質量較低等情況，本文首先使用限制對比度直方圖均衡對圖像進行增強，在提高圖像中相同區(qū)域的相似度和不同區(qū)域的對比度的同時充分保留圖像的細節(jié)信息；然后使用二維OTSU閾值對圖像進行粗分割，遍歷L?1級灰度尋找

2、圖像的最佳閾值，使得豬體目標和背景的類間方差最大，并且使用80像素盤狀元素形態(tài)學閉運算消除圖像的板條狀邊緣，將目標像素數(shù)目較小的連通區(qū)域和前景目標內部的非前景“空洞”進行去除和填充獲得初始分割的多豬目標圖像。然后在初始分割的結果上對俯視群養(yǎng)豬原圖進行自適應分塊，首先使用基于代數(shù)距離的最小二乘方法對圖像進行橢圓擬合，再通過基于幾何距離的最小二乘方法迭代獲得改進的參數(shù)，將原圖像以每個豬體目標為中心自適應分成若干個橢圓形區(qū)域。最后在每個橢圓形

3、子塊區(qū)域內，利用小波變換較好的多尺度分析能力，結合大尺度時的抗噪性、邊緣穩(wěn)定和小尺度時的邊緣定位精度高、細節(jié)信息豐富的特性，使用基于B樣條的小波邊緣檢測算法尋找豬體目標邊緣，邊緣檢測后使用邊緣生長解決檢測的邊緣不封閉連續(xù)的問題，使用二值形態(tài)學處理去除不是豬體目標的連通區(qū)域和填充豬體目標內部的非前景空洞，從而提取出圖像中的多豬目標。
　　試驗結果表明，本文方法能夠快速有效的提取出俯視群養(yǎng)豬圖像中的多豬目標。與OTSU多閾值分割相比，