基于多尺度小波模極大值的豬體目標(biāo)提取.pdf

1、為了將豬從豬舍復(fù)雜的背景中提取出來，便于后續(xù)對豬呼吸檢測、步態(tài)識別、身份識別等工作實(shí)現(xiàn)，本文提出了基于多尺度小波模極大值的豬體目標(biāo)提取算法。
　　由于豬舍中光線復(fù)雜、地面污跡多，豬體圖像質(zhì)量不高，本文首先使用小波閾值去噪和局部直方圖均衡的預(yù)處理操作來去除噪聲增強(qiáng)圖像;然后利用最大類間方差法提取感興趣目標(biāo)區(qū)域，對豬體目標(biāo)粗分割大致得到豬體所在區(qū)域，去除背景冗余細(xì)節(jié)信息對豬體目標(biāo)提取的干擾;接著利用多尺度小波模極大值的方法來檢測豬體目

2、標(biāo)的邊緣點(diǎn)，對豬圖進(jìn)行小波變換得到梯度模極大值點(diǎn)，利用自適應(yīng)閾值法去除梯度模極大值點(diǎn)對應(yīng)的偽邊緣點(diǎn)，再將不同尺度下的邊緣信息綜合得到豬體邊緣;盡管多尺度小波模極大值邊緣檢測可以準(zhǔn)確地提取出豬體目標(biāo)的邊緣，但是得到的邊緣不完全連續(xù)，部分邊緣之間存在間斷，本文利用基于梯度的邊緣生長法來使豬體邊緣封閉，形成閉合輪廓。經(jīng)過邊緣生長法后的邊緣雖已封閉，但除了目標(biāo)的輪廓外還存在其他的噪聲封閉曲線，本文采取膨脹、腐蝕、填充等二值形態(tài)學(xué)運(yùn)算處理，最終得

3、到豬體目標(biāo)完成提取。
　　本文分別用最大類間方差法、區(qū)域生長法和本文算法對不同豬舍環(huán)境下的豬進(jìn)行目標(biāo)提取。為了客觀評價(jià)實(shí)驗(yàn)結(jié)果，本文選取區(qū)域均勻性測度(UM)、區(qū)域灰度對比度(GC)、分割代價(jià)因子(Q)3項(xiàng)評價(jià)參數(shù)對上述實(shí)驗(yàn)結(jié)果進(jìn)行定量分析。相比較最大類間方差法和區(qū)域生長法，本文算法的區(qū)域均勻性測度和區(qū)域灰度對比度最高，分割代價(jià)因子最小，評價(jià)參數(shù)表明本文算法提取的效果較好。對連續(xù)20幅黑豬樣本圖像進(jìn)行本文算法目標(biāo)提取，以人工提取豬