[发明专利]一种动物目标图像的提取方法及系统

说明书

本发明提供一种动物目标图像提取方法及系统，设计结合亮度信息亮度等级信息、邻域梯度信息的模糊集理论隶属函数，通过设计的模糊集理论隶属函数以及亮度直方图曲线对动物图像中的阴影区域和其它区域进行初步区分，并采用大津法对其它区域中的阴影区域再次进行精确检测，检测出整个动物图像中的所有阴影区域，并将阴影区域剔除掉，得到动物图像，对动物图像中的阴影区域和目标区域的检测精度高，对主要影响图像的外界因素达到了很好的调控，具有较高的阴影检测精度和鲁棒性能，为目标跟踪、特征提取等工作奠定了基础。

技术领域

本发明涉及计算机技术领域，更具体地，涉及一种动物目标图像提取方法及系统。

背景技术

动物图像阴影去除是目标动物检测、识别和跟踪等工作的基础，在复杂背景下，由于光照和动物自身阴影的特点，动物的影子与其一起运动，动物的阴影会影响检测出的目标形状和大小，严重影响运动目标的提取，若将阴影去除可以提高图像处理的精度。因此，有效、高精度的动物阴影检测和去除方法就显得尤为重要，其中，阴影检测是阴影去除的基础工作。

一些学者提出了很多方法来检测运动阴影，Salvador等将阴影检测方法分为基于模型和基于特征的阴影检测。基于模型的阴影检测常采用高斯混合模型，核密度估计，支持向量机等统计学方法建立模型检测阴影，需要预先对场景中的光照或场景几何分布进行估计，只能应用在特定的场景中，或不需要对光照进行估计而直接采用统计学习的方法对阴影进行建模，但对目标有较高的限制。基于特征的阴影检测计算量小，实时性高，具有普遍性。万俊甫等利用阴影的光学特性，结合纹理特征，利用区域生长的方法来检测阴影；Cucchiara等在HSV(色度、饱和度、亮度)空间中进行阴影检测；Stauder提出利用阴影与目标颜色的差异分割阴影，需要建立阴影区域特性假设。基于特征阴影检测算法的计算量远小于基于模型的阴影检测算法，但当阴影与运动物体颜色相近时，检测效果较差，算法鲁棒性不强。

近年，模糊理论在目标检测、阴影去除领域的优越性引起了学者们的广泛关注与研究，是一种刻画不完整、不确定性信息的数据分析理论，该理论不需要任何先验知识，有着较强的生命力和广阔的应用前景，一些学者将其应用于动物福利养殖的研究与分析中。周龙等提出的模糊边缘检测；罗衡峰等提出一种基于模糊集理论的阴影边缘分类方法，根据模糊集理论、梯度、最大邻域差及噪声的条件属性，对阴影进行分类；Zadeh提出的一种模糊集理论，虽然比经典数学模型解决问题的范围更宽，但具有局限性，由于该模型隶属度函数是确定的，很难最小化不确定的影响。在实际应用中，隶属度函数经常是专家根据直觉经验确定的，具有较大主观性。针对以上缺陷，一些学者们在模糊理论模型的基础上提出了若干改进。宋怀波等提出一种基于模糊集理论的苹果表面阴影去除方法，将含阴影的图像作为一个模糊矩阵，利用所设计的隶属函数进行图像去模糊化处理，达到图像增强的目的；Li等提出了一种基于模糊控制理论的控制器设计方法，实现多产出猪舍控制器变为模糊控制，有效监测猪舍环境。综上研究表明，模糊集理论可以实现目标阴影检测，算法易于接受与理解，设计简单，但所研究方法中都存在局限性，需要建立先验知识或阴影区域的特性假设，可操作性差、阴影去除效果一般。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的一种动物目标图像提取方法及系统。

根据本发明的一个方面，提供一种动物目标图像提取方法，包括：

设计基于图像的亮度等级信息和邻域梯度信息的模糊集理论隶属函数；

根据设计的所述模糊集理论隶属函数，计算动物图像中每一个像素点属于设定模糊集的隶属度，根据所述隶属度的大小，将动物图像划分为第一类区域和第二类区域；

确定动物图像中阴影区域的亮度等级阈值，根据所述阴影区域的亮度等级阈值，从所述第一类区域中区分出第一阴影区域，得到第一类区域中除去第一阴影区域的第一类子区域，以及从所述第二类区域中区分出第二阴影区域，得到第二类区域中除去第二阴影区域的第二类子区域；