[發(fā)明專利]一種動物目標圖像的提取方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201711268122.9
• 申請日: 2017-12-05
• 公開（公告）號: CN108038864B
• 公開（公告）日: 2020-06-05
• 發(fā)明（設計）人: 孫龍清;李玥;鄒遠炳;劉巖;羅冰;李億楊
• 申請（專利權）人: 中國農業(yè)大學
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06T7/11;G06T7/136
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;吳歡燕

本發(fā)明提供一種動物目標圖像提取方法及系統(tǒng)，設計結合亮度信息亮度等級信息、鄰域梯度信息的模糊集理論隸屬函數(shù)，通過設計的模糊集理論隸屬函數(shù)以及亮度直方圖曲線對動物圖像中的陰影區(qū)域和其它區(qū)域進行初步區(qū)分，并采用大津法對其它區(qū)域中的陰影區(qū)域再次進行精確檢測，檢測出整個動物圖像中的所有陰影區(qū)域，并將陰影區(qū)域剔除掉，得到動物圖像，對動物圖像中的陰影區(qū)域和目標區(qū)域的檢測精度高，對主要影響圖像的外界因素達到了很好的調控，具有較高的陰影檢測精度和魯棒性能，為目標跟蹤、特征提取等工作奠定了基礎。

技術領域

本發(fā)明涉及計算機技術領域，更具體地，涉及一種動物目標圖像提取方法及系統(tǒng)。

背景技術

動物圖像陰影去除是目標動物檢測、識別和跟蹤等工作的基礎，在復雜背景下，由于光照和動物自身陰影的特點，動物的影子與其一起運動，動物的陰影會影響檢測出的目標形狀和大小，嚴重影響運動目標的提取，若將陰影去除可以提高圖像處理的精度。因此，有效、高精度的動物陰影檢測和去除方法就顯得尤為重要，其中，陰影檢測是陰影去除的基礎工作。

一些學者提出了很多方法來檢測運動陰影，Salvador等將陰影檢測方法分為基于模型和基于特征的陰影檢測。基于模型的陰影檢測常采用高斯混合模型，核密度估計，支持向量機等統(tǒng)計學方法建立模型檢測陰影，需要預先對場景中的光照或場景幾何分布進行估計，只能應用在特定的場景中，或不需要對光照進行估計而直接采用統(tǒng)計學習的方法對陰影進行建模，但對目標有較高的限制。基于特征的陰影檢測計算量小，實時性高，具有普遍性。萬俊甫等利用陰影的光學特性，結合紋理特征，利用區(qū)域生長的方法來檢測陰影；Cucchiara等在HSV(色度、飽和度、亮度)空間中進行陰影檢測；Stauder提出利用陰影與目標顏色的差異分割陰影，需要建立陰影區(qū)域特性假設。基于特征陰影檢測算法的計算量遠小于基于模型的陰影檢測算法，但當陰影與運動物體顏色相近時，檢測效果較差，算法魯棒性不強。

近年，模糊理論在目標檢測、陰影去除領域的優(yōu)越性引起了學者們的廣泛關注與研究，是一種刻畫不完整、不確定性信息的數(shù)據(jù)分析理論，該理論不需要任何先驗知識，有著較強的生命力和廣闊的應用前景，一些學者將其應用于動物福利養(yǎng)殖的研究與分析中。周龍等提出的模糊邊緣檢測；羅衡峰等提出一種基于模糊集理論的陰影邊緣分類方法，根據(jù)模糊集理論、梯度、最大鄰域差及噪聲的條件屬性，對陰影進行分類；Zadeh提出的一種模糊集理論，雖然比經典數(shù)學模型解決問題的范圍更寬，但具有局限性，由于該模型隸屬度函數(shù)是確定的，很難最小化不確定的影響。在實際應用中，隸屬度函數(shù)經常是專家根據(jù)直覺經驗確定的，具有較大主觀性。針對以上缺陷，一些學者們在模糊理論模型的基礎上提出了若干改進。宋懷波等提出一種基于模糊集理論的蘋果表面陰影去除方法，將含陰影的圖像作為一個模糊矩陣，利用所設計的隸屬函數(shù)進行圖像去模糊化處理，達到圖像增強的目的；Li等提出了一種基于模糊控制理論的控制器設計方法，實現(xiàn)多產出豬舍控制器變?yōu)槟：刂疲行ПO(jiān)測豬舍環(huán)境。綜上研究表明，模糊集理論可以實現(xiàn)目標陰影檢測，算法易于接受與理解，設計簡單，但所研究方法中都存在局限性，需要建立先驗知識或陰影區(qū)域的特性假設，可操作性差、陰影去除效果一般。

發(fā)明內容

本發(fā)明提供一種克服上述問題或者至少部分地解決上述問題的一種動物目標圖像提取方法及系統(tǒng)。

根據(jù)本發(fā)明的一個方面，提供一種動物目標圖像提取方法，包括：

設計基于圖像的亮度等級信息和鄰域梯度信息的模糊集理論隸屬函數(shù)；

根據(jù)設計的所述模糊集理論隸屬函數(shù)，計算動物圖像中每一個像素點屬于設定模糊集的隸屬度，根據(jù)所述隸屬度的大小，將動物圖像劃分為第一類區(qū)域和第二類區(qū)域；

確定動物圖像中陰影區(qū)域的亮度等級閾值，根據(jù)所述陰影區(qū)域的亮度等級閾值，從所述第一類區(qū)域中區(qū)分出第一陰影區(qū)域，得到第一類區(qū)域中除去第一陰影區(qū)域的第一類子區(qū)域，以及從所述第二類區(qū)域中區(qū)分出第二陰影區(qū)域，得到第二類區(qū)域中除去第二陰影區(qū)域的第二類子區(qū)域；