基于特征融合的奶牛个体识别的研究
发布时间：2021-07-18 07:42
互联网的兴起使得现今各行业逐渐朝着工业化、智能化发展。随着人工智能与模式识别领域研究的不断深入,利用图像处理算法将奶牛个体识别与计算机视觉相联系,已逐渐成为一项推动大规模奶牛信息化管理的重要举措,而图像识别与分类的关键在于图像特征提取器和分类器的选取和设计。早期针对奶牛个体识别问题主要采取人工观察方式,但该方法误识别率很高。之后发展为采用标签识别的方法,但是标签容易破损、对奶牛造成了过多日常干扰,可能降低奶牛产奶量。近年来对奶牛个体进行自动化识别,自动、精准、高效的提取奶牛图像特征成为普遍方式。为了有效完成对奶牛个体特征提取与分类,提高奶牛个体识别正确率,本文主要工作如下:首先,利用LBP、HOG、Harris以及SIFT算法对奶牛头部图像进行了特征提取,分别用PCA、LDA、LPP进行了特征降维,使用SVM、KNN、随机森林分别进行了奶牛分类实验,并指出了各种算法存在的不足之处。其次,根据特征提取算法的比较结果,本文提出了一种改进的LBP算法和优化的HOG算法联合起来形成融合的特征向量。改进的LBP算法通过比较相邻像素值更新LBP码,利用等价模式减少特征向量维数,采用不同块计算图像分...
【文章来源】：河北工业大学天津市 211工程院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
LBP编码示意图
，归一化的方式有四种：L2-norm、L1-norm、L1-sqrt、L2-Hys，我们选择最常见的L2-norm方式。将一个块内所有单元的特征向量串联起来得到该块的HOG特征。最后我们将归一化之后的块描述符称为HOG描述符。（2）HOG算法提取奶牛个体特征依照上述流程，利用HOG边缘特征提取奶牛个体图像特征。首先是对预处理后的图片，分别求取在不同方向的梯度分量，根据求得的梯度方向和梯度大小得到每一个图片在不同方向的梯度直方图，最后将不同单元的梯度直方图组合成块的梯度直方图，每一个块梯度直方图就是测试图片的HOG特征，具体效果如图2.4所示为原始图像及其对应的灰度图像，图2.5中为灰度图像对应的每个cell不同方向块的大小图，从图2.5中可以看到奶牛头部的边缘梯度变化强烈，非边缘部分例如耳朵和额头的中部梯度变化比较单一。图2.4奶牛原始图像及其灰度图像
基于特征融合的奶牛个体识别的研究8图2.5奶牛灰度图对应的每个cell不同方向块大小图2.1.3Harris角点特征提取算法（1）Harris算法模型角点检测(CornerDetection)[27-29]是计算机视觉系统中用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪等领域，也称为特征点检测。Harris算法[30]基本思想是使用一个固定窗口在图像上进行任意方向上的滑动，比较滑动前、后窗口中像素灰度变化的程度，假如此窗口在任意的方向上滑动都有较大的灰度变化，我们则认为该窗口内存在角点。Harris角点检测算法的具体流程是：1）首先利用水平、竖直差分算子对图像的每个像素进行滤波以求得、，进而求得M中的四个元素的值如式（2.1）所示。M=∑(x,y)[22],（2.1）其中代表图像在水平方向的梯度，代表在垂直方向的梯度，W函数代表窗口函数，可见M矩阵中的特征值是函数的一阶曲率，曲率值越高，那么该点越符合角点的特征。2）然后对M中的四个元素使用高斯函数进行平滑滤波，可以消除无用的孤立点和凸点，而使用矩形的窗口进行过滤，可以过滤一些边缘的信息。通过上面的操作可以得到新的矩阵M。
【参考文献】：
期刊论文
[1]奶牛行为特征识别方法的研究与实现——基于支持向量机[J]. 侯云涛,蔡晓华,吴泽全,东忠阁. 农机化研究. 2018(08)
[2]SLSB-forest:高维数据的近似k近邻查询[J]. 钱途,钱江波,董一鸿,陈华辉. 电信科学. 2017(09)
[3]基于改进密度聚类算法的天体光谱自动分类处理[J]. 邓诗宇,屠良平. 电子技术与软件工程. 2017(17)
[4]基于融合图像与运动量的奶牛行为识别方法[J]. 顾静秋,王志海,高荣华,吴华瑞. 农业机械学报. 2017(06)
[5]抗噪的多尺度形态学边缘检测算法[J]. 刘黎辉,张剑,谭芳芳,李巍. 数据采集与处理. 2017(03)
[6]基于归一化和非下采样Contourlet变换的数字水印方案[J]. 朱丹丹,吕鲤志. 北京理工大学学报. 2017(04)
[7]基于高通滤波和直方图均衡的钢轨裂纹红外图像增强技术[J]. 贾文晶,顾桂梅,刘丽. 铁道标准设计. 2016(11)
[8]基于改进特征袋模型的奶牛识别算法[J]. 陈娟娟,刘财兴,高月芳,梁云. 计算机应用. 2016(08)
[9]基于深度学习网络的射线图像缺陷识别方法[J]. 余永维,殷国富,殷鹰,杜柳青. 仪器仪表学报. 2014(09)
[10]基于CNN和随机弹性形变的相似手写汉字识别[J]. 高学,王有旺. 华南理工大学学报(自然科学版). 2014(01)
博士论文
[1]我国畜牧业生态经济发展的系统分析[D]. 孟凡东.青岛大学 2012
[2]奶牛数字化管理关键技术的研究[D]. 郭卫.河北农业大学 2010
硕士论文
[1]基于Bag of Features的图像分类和检索研究[D]. 唐建鑫.西安电子科技大学 2012
[2]基于小波矩的奶牛识别算法研究[D]. 金一初.上海师范大学 2011
本文编号：3289149
【文章来源】：河北工业大学天津市 211工程院校
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
LBP编码示意图
，归一化的方式有四种：L2-norm、L1-norm、L1-sqrt、L2-Hys，我们选择最常见的L2-norm方式。将一个块内所有单元的特征向量串联起来得到该块的HOG特征。最后我们将归一化之后的块描述符称为HOG描述符。（2）HOG算法提取奶牛个体特征依照上述流程，利用HOG边缘特征提取奶牛个体图像特征。首先是对预处理后的图片，分别求取在不同方向的梯度分量，根据求得的梯度方向和梯度大小得到每一个图片在不同方向的梯度直方图，最后将不同单元的梯度直方图组合成块的梯度直方图，每一个块梯度直方图就是测试图片的HOG特征，具体效果如图2.4所示为原始图像及其对应的灰度图像，图2.5中为灰度图像对应的每个cell不同方向块的大小图，从图2.5中可以看到奶牛头部的边缘梯度变化强烈，非边缘部分例如耳朵和额头的中部梯度变化比较单一。图2.4奶牛原始图像及其灰度图像
基于特征融合的奶牛个体识别的研究8图2.5奶牛灰度图对应的每个cell不同方向块大小图2.1.3Harris角点特征提取算法（1）Harris算法模型角点检测(CornerDetection)[27-29]是计算机视觉系统中用来获得图像特征的一种方法，广泛应用于运动检测、图像匹配、视频跟踪等领域，也称为特征点检测。Harris算法[30]基本思想是使用一个固定窗口在图像上进行任意方向上的滑动，比较滑动前、后窗口中像素灰度变化的程度，假如此窗口在任意的方向上滑动都有较大的灰度变化，我们则认为该窗口内存在角点。Harris角点检测算法的具体流程是：1）首先利用水平、竖直差分算子对图像的每个像素进行滤波以求得、，进而求得M中的四个元素的值如式（2.1）所示。M=∑(x,y)[22],（2.1）其中代表图像在水平方向的梯度，代表在垂直方向的梯度，W函数代表窗口函数，可见M矩阵中的特征值是函数的一阶曲率，曲率值越高，那么该点越符合角点的特征。2）然后对M中的四个元素使用高斯函数进行平滑滤波，可以消除无用的孤立点和凸点，而使用矩形的窗口进行过滤，可以过滤一些边缘的信息。通过上面的操作可以得到新的矩阵M。
【参考文献】：
期刊论文
[1]奶牛行为特征识别方法的研究与实现——基于支持向量机[J]. 侯云涛,蔡晓华,吴泽全,东忠阁. 农机化研究. 2018(08)
[2]SLSB-forest:高维数据的近似k近邻查询[J]. 钱途,钱江波,董一鸿,陈华辉. 电信科学. 2017(09)
[3]基于改进密度聚类算法的天体光谱自动分类处理[J]. 邓诗宇,屠良平. 电子技术与软件工程. 2017(17)
[4]基于融合图像与运动量的奶牛行为识别方法[J]. 顾静秋,王志海,高荣华,吴华瑞. 农业机械学报. 2017(06)
[5]抗噪的多尺度形态学边缘检测算法[J]. 刘黎辉,张剑,谭芳芳,李巍. 数据采集与处理. 2017(03)
[6]基于归一化和非下采样Contourlet变换的数字水印方案[J]. 朱丹丹,吕鲤志. 北京理工大学学报. 2017(04)
[7]基于高通滤波和直方图均衡的钢轨裂纹红外图像增强技术[J]. 贾文晶,顾桂梅,刘丽. 铁道标准设计. 2016(11)
[8]基于改进特征袋模型的奶牛识别算法[J]. 陈娟娟,刘财兴,高月芳,梁云. 计算机应用. 2016(08)
[9]基于深度学习网络的射线图像缺陷识别方法[J]. 余永维,殷国富,殷鹰,杜柳青. 仪器仪表学报. 2014(09)
[10]基于CNN和随机弹性形变的相似手写汉字识别[J]. 高学,王有旺. 华南理工大学学报(自然科学版). 2014(01)
博士论文
[1]我国畜牧业生态经济发展的系统分析[D]. 孟凡东.青岛大学 2012
[2]奶牛数字化管理关键技术的研究[D]. 郭卫.河北农业大学 2010
硕士论文
[1]基于Bag of Features的图像分类和检索研究[D]. 唐建鑫.西安电子科技大学 2012
[2]基于小波矩的奶牛识别算法研究[D]. 金一初.上海师范大学 2011
本文编号：3289149
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3289149.html
