学位论文 > 优秀研究生学位论文题录展示

基于图像纹理颜色特征的猪体识别研究与实现

作　者: 何利
导　师: 徐晓
学　校: 华南理工大学
专　业: 光学
关键词: 纹理特征模式识别多通道Gabor滤波特征选择
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 98次
引　用: 0次
阅　读: 论文下载

内容摘要

在众多的图像信息监管技术中,模式识别是使用最为广泛的技术之一,目前被广泛地应用于自动识别、安防监控以及产品流水线的视频监控等不同的场合。模式识别的关键是图像特征的提取,包括轮廓提取、纹理空间特征和基于语义提取等,是当前图像监管技术研究中的热点和难点。目标物体识别是模式识别技术的一个典型应用,基于该技术以及视频处理平台的目标物体的识别和监控系统也越来越多地被人们关注。本文在查阅大量文献的基础上,分析了模式识别技术的国内外现状,针对实际的猪体识别项目展开了研究。基于模式识别技术,本文从纹理特征和颜色特征两个方面进行了算法设计,内容包括纹理和颜色特征的抽取与选择以及图像分类几部分。纹理特征提取部分,本课题使用:(1)多尺度、多方向灰度共生矩阵(2)多通道Gabor滤波器进行图像纹理特征的提取,这两种方法都反映出图像不同方向和尺度上的信息,符合人类对图像的感知途径。颜色特征提取部分,本文采用进入图像YCbCr空间提取颜色空间的纹理特征和建立颜色空间模型两种方法。图像分类部分,针对纹理和颜色两种特性,本文采用了两种方法:(1)采用分开策略从图像中获取灰度纹理特征参数和纯彩色特征参数。然后,使用特征融合技术,将他们融合在一起,形成新的特征矢量,在这个特征矢量中同时包含有颜色和纹理信息,利用这种方法可以直接使用来自两个领域的特征;(2)采用联合策略,提取颜色空间的纹理特征。本课题基于大型养猪场智能养殖系统开发项目,结合计算机和数字图像处理技术,研究了基于模式识别方法的猪体自动识别技术,给出了最终猪体识别系统的运行参数和实验结果,实验结果表明:采用该方法系统可以有效地定位猪体的主要部分,完成猪体的识别。该方法的成功应用,必将大大提高养殖场中的猪体自动识别和计数技术,提高劳动生产率水平,促进猪场的规模化养殖和自动化管理水平。

全文目录

摘要  5-6
Abstract  6-10
第一章绪论  10-18
  1.1 本课题研究的目的和选题背景  10-11
  1.2 彩色图像分割的发展现状  11-12
  1.3 纹理分析技术的发展现状  12-13
  1.4 模式识别技术发展现状  13-14
  1.5 课题主要研究内容和创新点  14-17
    1.5.1 主要研究内容  15-16
    1.5.2 创新点  16-17
  1.6 本章小结  17-18
第二章图像采集和实验样本库的建立  18-21
  2.1 图像采集和数字化  18
  2.2 图像量化  18-19
  2.3 图像样本库的设计  19-20
  2.4 本章小结  20-21
第三章特征提取  21-35
  3.1 纹理特征分析  21-30
    3.1.1 灰度共生矩阵法  22-25
    3.1.2 多通道Gabor 滤波器法  25-30
      3.1.2.1 人类视觉生理学基础  25-26
      3.1.2.2 不确定性原理  26-27
      3.1.2.3 Gabor 滤波器  27-28
      3.1.2.4 基于多通道Gabor 滤波的设计  28-30
  3.2 彩色图像的颜色特征分析  30-32
    3.2.1 YCbCr 空间的颜色统计模型  30-32
      3.2.1.1 YCbCr 色彩空间  30-31
      3.2.1.2 基于CbCr 分量范围划分的椭圆模型  31-32
  3.3 纹理和颜色特征的综合分析方法  32-33
  3.4 本章小结  33-35
第四章模式识别的理论原理  35-42
  4.1 模式识别系统概述  35-37
  4.2 统计模式识别  37-41
    4.2.1 决策理论  37-38
    4.2.2 最近邻域分类  38-39
    4.2.3 特征归一化  39-41
      4.2.3.1 内部归一化  40-41
      4.2.3.2 外部归一化  41
  4.3 本章小结  41-42
第五章纹理与颜色特征识别实验和结果分析  42-58
  5.1 实验系统的总体结构  42
    5.1.1 实验的硬件组成  42
    5.1.2 实验的软件构成  42
  5.2 纹理特征图像分割及结果分析  42-44
    5.2.1 多通道Gabor 滤波的纹理特征提取  43-44
      5.2.1.1 纹理特征的训练提取  43
      5.2.1.2 纹理特征图像分割  43-44
  5.3 颜色特征图像分割实验以及结果分析  44-49
    5.3.1 彩色图像预处理  44-46
      5.3.1.1 彩色图像的光线补偿  45
      5.3.1.2 彩色图像的色彩平衡  45-46
    5.3.2 颜色模型分割与结果分析  46-49
  5.4 结合二维Otsu 算法的颜色空间的纹理特征分割  49-57
    5.4.1 Otsu 算法  49-53
      5.4.1.1 Otsu 法阈值选择  50-51
      5.4.1.2 二维Otsu 算法实现  51-53
    5.4.2 颜色空间的纹理分割  53-54
    5.4.3 试验结果分析  54-57
  5.5 本章小结  57-58
结论与展望  58-60
  结论  58
  展望  58-60
参考文献  60-65
攻读学位期间发表的学术论文  65-66
致谢  66

基于图像纹理颜色特征的猪体识别研究与实现

内容摘要

全文目录

相似论文