一種基于廣義Hough變換的動物圖像識別方法研究.pdf

1、檢測圖像中的動物目標是物體識別算法領域中的一大難點,由于動物肢體各部分具有高度靈活性,在運動狀態(tài)變化時其姿態(tài)也不斷隨之變化,這種不確定性造成了檢測的困難。本文針對以上問題提出了一種基于廣義Hough變換的檢測模型,在此基礎上提取動物局部形狀片段特征并進行整合實現對動物目標的檢測。本文主要對邊緣提取方法、檢測模型構建、形狀片段評價以及檢測算法整合等問題進行研究。
　　首先,在預處理階段通過對邊緣提取過程中的閾值選取問題進行分析,構建

2、Canny分層結構檢測邊緣,并設計基于連通域的連接算法補全重要特征形狀片段,同時降低邊緣圖層中的背景噪聲干擾。
　　然后,基于廣義Hough變換方法對背部與臀部形狀片段分別進行投票,采用聚類算法定位Hough投票空間中局部極值位置,并對獲取的局部極值點對應的形狀片段進行相似度評價,篩選滿足相似度條件的形狀片段?；谝陨蠞M足條件的背部與臀部形狀片段位置,根據動物肢體相對位置關系限定腿部區(qū)域范圍,并對腿部直線段進行檢測,在此基礎上統計