亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于FCM-SVM的生豬紅外熱圖像自動(dòng)分割方法

        2018-11-08 03:29:44陳松楠朱艷平杜永強(qiáng)
        江蘇農(nóng)業(yè)科學(xué) 2018年19期
        關(guān)鍵詞:像素點(diǎn)正確率生豬

        陳松楠, 朱艷平, 杜永強(qiáng)

        (信陽農(nóng)林學(xué)院信息工程學(xué)院,河南信陽 464000)

        隨著生豬養(yǎng)殖規(guī)模的集成化和規(guī)模化,每年都有大量的生豬在全國(guó)各地進(jìn)行流通,給動(dòng)物檢疫部門帶來了十分繁重的檢疫任務(wù)。傳統(tǒng)的生豬監(jiān)測(cè)工作是由具有專業(yè)知識(shí)的疫情監(jiān)測(cè)人員來完成,受人員不足和檢疫生豬數(shù)量多的制約,檢疫部門只能對(duì)生豬進(jìn)行隨即抽檢,通過概率預(yù)測(cè)的方式來判斷一批生豬是否檢疫合格,該方法并不能實(shí)時(shí)對(duì)患病生豬進(jìn)行自動(dòng)監(jiān)控和預(yù)警。為了最終實(shí)現(xiàn)生豬疫情的自動(dòng)預(yù)警功能,本研究提出一種基于FCM-SVM的生豬紅外熱圖像自動(dòng)分割方法,為生豬病變部位的提取提供了源,從而降低了背景圖像的后續(xù)干擾。

        針對(duì)生豬圖像的自動(dòng)分割,國(guó)內(nèi)外學(xué)者做了很多研究。中國(guó)農(nóng)業(yè)大學(xué)的馬麗等提出了一種基于改進(jìn)幾何活動(dòng)輪廓模型的母豬紅外圖像分割算法,通過取不同的分割閾值和構(gòu)建新的對(duì)比度權(quán)值函數(shù),實(shí)現(xiàn)圖像全局能量和局部能量的權(quán)重在圖像各區(qū)域的均衡化,結(jié)果表明單幅圖像平均分割時(shí)間為49.67 s,正確分割率達(dá)到98%以上[1]。江蘇大學(xué)的朱偉興等提出了一種基于改進(jìn)主動(dòng)形狀模型的生豬耳部區(qū)域檢測(cè)方法,結(jié)合紅外和可見光圖像融合算法,以融合圖像的NSCT分解系數(shù)作為特征點(diǎn)紋理描述,結(jié)果表明自動(dòng)檢測(cè)分割耳部區(qū)域與手動(dòng)分割區(qū)域重合度>0.8的檢測(cè)結(jié)果占比達(dá)到84%,檢測(cè)效果較好[2]。中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院的周麗萍等提出了一種基于改進(jìn)Otsu算法的生豬紅熱外圖像耳根特征區(qū)域檢測(cè)方法,通過對(duì)生豬熱紅外圖像進(jìn)行顏色空間的轉(zhuǎn)換,生成S層圖像,采用改進(jìn)的Otsu算法對(duì)S層圖像進(jìn)行二值化處理,從而分割出生豬的外輪廓[3]。江蘇大學(xué)的劉波博士認(rèn)為,由于生豬體表輻射率與豬舍環(huán)境輻射率存在較大差異,且溫度不同,生豬體態(tài)部分與周圍環(huán)境在紅外偽彩色圖像中差異明顯,提出通過Otsu自動(dòng)閾值分割和孔洞填充、小區(qū)域消除等圖像預(yù)處理方法,可以大致提出生豬目標(biāo)前景二值圖像[4]。

        上述研究結(jié)果表明,當(dāng)前對(duì)生豬熱紅外圖像的分割仍采用閾值分割的方法進(jìn)行,并沒實(shí)現(xiàn)完全自動(dòng)化。本研究提出一種基于FCM-SVM的圖像分割方法,將生豬紅外熱圖像由RGB顏色空間轉(zhuǎn)換到HSV顏色空間,根據(jù)模糊C均值聚類算法(FCM)將待分割的圖像聚類為2類,并將2類圖像的顏色特征分別作為支持向量機(jī)(SVM)模型的正、負(fù)訓(xùn)練樣本,實(shí)現(xiàn)對(duì)生豬紅外熱圖像的自動(dòng)分割。

        1 圖像顏色空間的轉(zhuǎn)換

        由紅、黃、藍(lán)3種原色經(jīng)過不同比例的組合就能形成不同的顏色,這些顏色的集合組成一個(gè)顏色空間。顏色空間模型的種類有面向硬件設(shè)備的顏色空間模型、面向視覺感知的顏色空間模型、面向視覺感知的均勻顏色模型等。本研究在前期試驗(yàn)基礎(chǔ)上,通過對(duì)比發(fā)現(xiàn)HSV顏色空間模型較適宜圖像自動(dòng)分割。在對(duì)圖像進(jìn)行預(yù)處理階段首先將生豬圖像由RGB顏色空間轉(zhuǎn)換到HSV顏色空間。HSV顏色空間主要由3個(gè)相互獨(dú)立的分量(H、S、V)構(gòu)成,由Smith于1978年首先創(chuàng)建[5]。其中,H代表色調(diào),取值范圍為0°~180°;S代表飽和度,通常取值范圍0%~100%,值越大顏色越飽和;V代表明度,通常取值范圍為0%(黑)~100%(白)。

        設(shè)RGB顏色空間上的任意像素點(diǎn)(r,g,b)轉(zhuǎn)換成HSV顏色空間后對(duì)應(yīng)于像素點(diǎn)(h,s,v),那么則有:

        v=max(r,g,b);

        (1)

        (2)

        (3)

        根據(jù)文獻(xiàn)[3],從中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院采集到生豬紅外熱圖像,如圖1-a所示。依據(jù)公式(1)、公式(2)、公式(3)將對(duì)生豬紅外熱圖像進(jìn)行顏色空間轉(zhuǎn)換。為最大限度地降低光照條件對(duì)圖像的影響,本研究只考慮h分量和s分量,避免v分量,使得圖像處理時(shí)更準(zhǔn)確,結(jié)果如圖1所示。

        由圖1可知,生豬輪廓區(qū)域的h分量與背景區(qū)域的h分量有明顯的差別,因此在后面的研究中,選取hsv顏色空間的h分量圖像進(jìn)行試驗(yàn)。

        2 基于FCM-SVM的圖像自動(dòng)分割方法

        基于FCM-SVM的圖像自動(dòng)分割方法主要由2個(gè)部分構(gòu)成:一是通過模糊C均值聚類算法(FCM)自動(dòng)將圖像的像素點(diǎn)分成2類,一類作為前景圖像,另一類作為背景圖像;二是分別提取前景圖像和背景圖像特征作為支持向量機(jī)(SVM)的訓(xùn)練樣本,從而訓(xùn)練分類器對(duì)圖像進(jìn)行分割?;贔CM-SVM的圖像自動(dòng)分割方法流程如圖2所示。

        2.1 基于FCM的樣本分類

        模糊C均值聚類算法(FCM)最早由Dunn提出,并由Bezdek進(jìn)行改進(jìn),該算法引入了隸屬度的概念,根據(jù)像素點(diǎn)屬于某種確定結(jié)果的相似程度把圖像的像素點(diǎn)分類到不同的范圍之內(nèi),從而實(shí)現(xiàn)對(duì)圖像的自動(dòng)分割[6]。

        設(shè)有樣本集X={x1,x2,…,xn}被分成C類,其中n為正整數(shù),xn?R,第j類的中心記為cj,則ui,j表示樣本i屬于類j的隸屬度。那么可以定義目標(biāo)函數(shù)Fobj和隸屬度函數(shù)U分別為

        (1)

        (2)

        式中:ui,j∈[0,1];C∈[2,n];i∈X。

        根據(jù)公式(1)和公式(2)構(gòu)造拉格朗日函數(shù)如公式(3)所示:

        (3)

        通過公式(3)分別對(duì)ui,j和cj求導(dǎo)得出極值點(diǎn):

        (4)

        (5)

        對(duì)ui,j賦給滿足公式(2)的任意初值,根據(jù)公式(4)和公式(5)進(jìn)行迭代運(yùn)算,當(dāng)目標(biāo)函數(shù)Fobj的值趨于穩(wěn)定時(shí),就可以認(rèn)為算法收斂于一個(gè)較好的結(jié)果。式中:m為權(quán)重值,一般情況下取m=2。

        2.2 基于SVM的圖像分割

        支持向量機(jī)(SVM)算法的主要思想:首先將訓(xùn)練樣本的特征信息由低緯空間通過一定的函數(shù)映射到高維的特征空間中,使得這些數(shù)據(jù)集在高維的特征空間能夠被線性可分。然后,在特征空間中建立一個(gè)最大間隔的最優(yōu)分離平面,使得該分離平面能夠?qū)⒉煌奶卣骷耆蛛x開來[7-8]。支持向量機(jī)算法必須要解決2個(gè)問題:一是核函數(shù)的選擇,用來將非線性的數(shù)據(jù)集映射到高維空間,使之成為一個(gè)線性可分的數(shù)據(jù)集;二是如何在高維的空間中求出一個(gè)最優(yōu)的分離平面,將所有的樣本能夠準(zhǔn)確分離開來。

        通過隸屬度函數(shù)U將樣本像素點(diǎn)分成2類,一類記為正樣本像素點(diǎn)集合P,一類記為負(fù)樣本像素點(diǎn)集合N。對(duì)P和N分別隨機(jī)選取一定數(shù)量的樣本構(gòu)成集合sp和sn。在RGB顏色空間下,分別提取sp和sn集合中的像素點(diǎn)對(duì)應(yīng)的r、g、b3個(gè)顏色通道的特征值,表示為

        sp(r,g,b)=[sp(r),sp(g),sp(b)];

        sn(r,g,b)=[sn(r),sn(g),sn(b)]。

        sp(r,g,b)和sn(r,g,b)構(gòu)成樣本的顏色特征向量F[sp(r,g,b),sn(r,g,b)],將其送到SVM訓(xùn)練模型中進(jìn)行分類器的訓(xùn)練,最終實(shí)現(xiàn)對(duì)圖像的自動(dòng)分割。

        3 結(jié)果與分析

        本研究所有的試驗(yàn)均在VS2012和OpenCV2.4的環(huán)境下實(shí)現(xiàn)。試驗(yàn)中使用的生豬紅外熱圖像均來自文獻(xiàn)[3]中提到的中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院,類別數(shù)設(shè)置為2,最大迭代次數(shù)設(shè)置為50,權(quán)重m設(shè)置為默認(rèn)值2,用于訓(xùn)練SVM模型的核函數(shù)選擇線性核函數(shù)。試驗(yàn)中,將本研究算法與傳統(tǒng)的FCM算法、最大類間方差法(Otsu)[9]算法進(jìn)行了比較,選取其中的4幅圖像進(jìn)行分割結(jié)果說明。

        圖3列出了本研究算法與Otsu圖像分割算法以及FCM圖像分割算法的試驗(yàn)結(jié)果比較,通過試驗(yàn)對(duì)比可以發(fā)現(xiàn),Otsu算法容易將前景顏色錯(cuò)誤地分割成背景色,對(duì)前景色與背景色像素點(diǎn)差別不明顯的區(qū)域分割效果較差,F(xiàn)CM算法的分割效果比Otsu算法的效果好一些,但是對(duì)像素點(diǎn)差別不明顯的區(qū)域分割效果也不太理想,存在錯(cuò)誤分割的情況?;?FCM-SVM的圖像自動(dòng)分割方法對(duì)生豬紅外熱圖像的分割效果具有很大的優(yōu)勢(shì),從圖3-d可以看出,算法對(duì)像素點(diǎn)差別不明顯的區(qū)域也具有較好的分割效果,能夠很好地將生豬圖像從背景中分割出來,誤分率較小。

        目前針對(duì)紅外熱圖像的分割結(jié)果還沒有一個(gè)準(zhǔn)確的評(píng)價(jià)標(biāo)準(zhǔn),僅從視覺上評(píng)價(jià)算法的性能好壞是遠(yuǎn)遠(yuǎn)不夠的。在對(duì)生豬紅外熱圖像進(jìn)行分割的過程中,由于誤差率的存在,前景圖像和背景圖像可能存在誤分割的像素點(diǎn),因此本研究采用分類正確率作為一種評(píng)價(jià)指標(biāo)來說明圖像分割的性能,針對(duì)生豬圖像中的每一個(gè)像素點(diǎn),SVM分類器有4種可能的判別結(jié)果[10-11]:TF(true foreground):屬于生豬本身的像素點(diǎn)依然判斷為生豬圖像中的像素點(diǎn)數(shù)目;FF(false foreground):屬于生豬本身的像素點(diǎn)卻被判斷為背景圖像的像素點(diǎn)數(shù)目;TB(true background):屬于背景圖像的像素點(diǎn)依然判斷為背景圖像的像素點(diǎn)數(shù)目;FB(true background):屬于背景圖像的像素點(diǎn)卻被判斷為生豬本身圖像的像素點(diǎn)數(shù)目。

        分類正確率定義如下:

        (6)

        從左往右記圖3-a中的4幅圖像分別為圖像1、圖像2、圖像3和圖像4。依據(jù)公式(6)分別計(jì)算出3種自動(dòng)分割算法對(duì)上述4幅圖像的分割正確率如表1所示。結(jié)果表明,本研究的自動(dòng)分割方法具有較高的正確率。

        表1 圖3-a中4幅圖像的分割正確率

        4 結(jié)論

        在將SVM的分類思想用于圖像分割的過程中,需要人工選取訓(xùn)練樣本,這樣受人的主觀性影響較大且費(fèi)時(shí)費(fèi)力。為了解決這個(gè)問題,完成訓(xùn)練樣本自動(dòng)獲取的同時(shí)還能得到較好的生豬輪廓圖像,本研究在原有SVM算法的基礎(chǔ)上提出了基于FCM-SVM的生豬紅外圖像自動(dòng)分割方法,通過對(duì)圖像進(jìn)行顏色空間轉(zhuǎn)換,利用FCM算法對(duì)H通道進(jìn)行樣本的自動(dòng)獲取,然后通過SVM模型實(shí)現(xiàn)對(duì)生豬紅外熱圖像的自動(dòng)分割。本研究的方法無論在視覺上還是分類正確率上都具有較好的試驗(yàn)結(jié)果,為后續(xù)生豬各個(gè)部位特征的獲取提供了技術(shù)支撐。

        猜你喜歡
        像素點(diǎn)正確率生豬
        生豬中暑的診斷及治療
        生豬貼“秋膘” 管理要跟上
        門診分診服務(wù)態(tài)度與正確率對(duì)護(hù)患關(guān)系的影響
        入伏后,怎樣防止生豬中暑
        生豬 廣西生豬自成一極
        基于canvas的前端數(shù)據(jù)加密
        基于逐像素點(diǎn)深度卷積網(wǎng)絡(luò)分割模型的上皮和間質(zhì)組織分割
        生意
        品管圈活動(dòng)在提高介入手術(shù)安全核查正確率中的應(yīng)用
        生意
        色欲av伊人久久大香线蕉影院| 最新亚洲人AV日韩一区二区| 狠狠综合亚洲综合亚色| 中文字幕精品一区二区三区av| 精品亚洲一区二区三区四区五区| 国产好大好硬好爽免费不卡| 亚洲成a人片在线观看久| 久久免费网站91色网站| 精品国产亚洲第一区二区三区| 男人扒开添女人下部免费视频| 亚洲xxxx做受欧美| 国产精品无码不卡在线播放| 亚洲中文字幕一区二区三区多人| 国色天香社区视频在线| 野花在线无码视频在线播放| 精品免费一区二区三区在| 美腿丝袜视频在线观看| 国产果冻豆传媒麻婆精东| 人妻激情偷乱一区二区三区| 韩国无码精品人妻一区二| 国产丝袜爆操在线观看| 国产午夜成人av在线播放| 国产精品深田咏美一区二区| 亚洲精品尤物av在线网站| 97精品一区二区三区| 女人扒开屁股爽桶30分钟| 日韩精品欧美激情亚洲综合| 99久久精品人妻一区二区三区| 国产成人av一区二区三区在线观看| 亚洲精品中文字幕无码蜜桃| 亚洲国产综合专区在线电影| 国产三级精品和三级男人| 久久久久成人精品无码| 日韩专区欧美专区| 人妻av中文字幕精品久久| 邻居少妇张开腿让我爽了一夜| 伊人久久五月丁香综合中文亚洲| 中文字幕永久免费观看| 中文字幕一区乱码在线观看| 国产婷婷色一区二区三区在线| 东北无码熟妇人妻AV在线|