基于多尺度小波模極大值的豬體目標提取.pdf

1、為了將豬從豬舍復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、身份識別等工作實現，本文提出了基于多尺度小波模極大值的豬體目標提取算法。
　　由于豬舍中光線復雜、地面污跡多，豬體圖像質量不高，本文首先使用小波閾值去噪和局部直方圖均衡的預處理操作來去除噪聲增強圖像;然后利用最大類間方差法提取感興趣目標區(qū)域，對豬體目標粗分割大致得到豬體所在區(qū)域，去除背景冗余細節(jié)信息對豬體目標提取的干擾;接著利用多尺度小波模極大值的方法來檢測豬體目

2、標的邊緣點，對豬圖進行小波變換得到梯度模極大值點，利用自適應閾值法去除梯度模極大值點對應的偽邊緣點，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確地提取出豬體目標的邊緣，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。經過邊緣生長法后的邊緣雖已封閉，但除了目標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)學運算處理，最終得

3、到豬體目標完成提取。
　　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)境下的豬進行目標提取。為了客觀評價實驗結果，本文選取區(qū)域均勻性測度(UM)、區(qū)域灰度對比度(GC)、分割代價因子(Q)3項評價參數對上述實驗結果進行定量分析。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，分割代價因子最小，評價參數表明本文算法提取的效果較好。對連續(xù)20幅黑豬樣本圖像進行本文算法目標提取，以人工提取豬