论文部分内容阅读
奶牛识别是奶牛管理的重要组成部分,以前对奶牛的识别以人工识别为主,但该方法效率低,且识别结果易受人为因素影响。随着科技发展,电子标签识别也被应用于奶牛识别,但该方法使用成本较高。通过图像识别技术,对奶牛图像进行自动识别,并及时准确地采集其他相关信息,该方法具有错误率低、成本低、速度快、受人为因素干扰较少等优点。本文基于奶牛图像的形状不变性对奶牛图像进行识别研究,提出了基于双特征信息的LHA(Local Hu Alogirthm)算法和融合多颜色空间的尺度不变特征转换SIFT(Scale Invariant Feature Transform)算法,而最终将两者算法结合,提出基于多特征的奶牛识别算法。将LHA算法作为粗判,将SIFT算法作为细判,得到了较好的识别结果。本文主要完成了以下工作:1)奶牛图像的预处理工作。为了去除奶牛背景及光照对奶牛图像自身的影响,本文在对奶牛图像进行识别之前进行了预处理的工作。考虑到本文主要研究奶牛图像的识别效果,因而使用photoshop软件将奶牛图像进行目标与背景的人工分割,接着使用同态滤波器去除光照对奶牛图像的影响。2)提出基于双特征值信息的LHA算法。本文在Hu矩算法的基础上,加入二值化处理及第二特征信息,提出LHA算法。先将奶牛图像转换为二值图像,阈值选择使用Otsu算法,再提取此图像的7个Hu矩特征值作为第一特征值,接着提取图像的黑色像素数目作为第二特征值。将这两个特征值同时进行保存,作为特征模版。然后在识别时,先计算待识别图像的第一特征值与特征模版中第一特征值的最小欧式距离,作为待识别结果。接着计算第二特征值之间的最小欧式距离,如果小于所选阈值时,便以第一特征值的结果作为识别结果,否则便以第二特征值的识别结果为准。3)提出融合多颜色空间的SIFT特征算法。将SIFT算法应用于奶牛图像识别,并在多个颜色分量中进行实验,最终选择RGB及LUV空间作为待识别结果,最终将SIFT特征点匹配最多的点作为识别结果。实验结果表明融合多颜色空间的SIFT特征算法能够有效地识别奶牛图像,平均识别率能够达到90%以上。4)提出了多特征融合的奶牛识别算法,将LHA算法识别结果作为粗判结果,融合多颜色空间的SIFT算法的识别结果作为细判结果,实验结果发现将两种算法进行融合,具有较好的识别效果。5)开发了完整的奶牛识别系统。本文基于windows平台,开发了基于OpenCV的奶牛识别系统。系统主要包含二值化处理模块、光照处理模块、识别模块、特征处理模块。每个模块操作简便,系统在windows平台下易于移植,实验证明此系统操作方便,易于进行研究和应用。