[发明专利]一种基于最近邻分类与模糊算法的猪头尾轮廓识别方法

摘要

本发明公开了一种基于最近邻分类与模糊算法的猪头尾轮廓识别方法。建立直角坐标系和猪体轮廓信息队列，检测获得猪体长轴的两个端点，并转换为循环队列，并构建第一、第二端轮廓，将第一、第二端轮廓坐标位置变为复数形式作快速傅里叶变换，取系数的模长作为特征向量，建立包含猪头尾样本特征集合的样本标准库；对于待识别猪图像，重复步骤获得特征向量，计算马氏距离，按从小到大排列，取一部分计算识别参考值，通过分析获得猪头尾轮廓的识别结果。本发明增强了鲁棒性，从而能在图像分割质量较差、轮廓信息较不完善的情况下较好地完成识别工作，避免传统分类器对于图像本身导致的不理想的轮廓信息出现错误识别无法妥善处理的情况。

主权项

1.一种基于最近邻分类与模糊算法的猪头尾轮廓识别方法，先获取生猪图像，依次经图像分割、边缘提取得到猪体轮廓E，其特征在于然后采用以下步骤进行处理：1)以图像左下点为原点，水平方向为x轴，竖直方向为y轴，建立直角坐标系；2)建立长度为N的猪体轮廓信息队列M；3)采用椭球形尺寸快速检测方法检测猪体轮廓信息队列M获得猪体轮廓长轴的两个端点D1、D2；4)将猪体轮廓信息队列M转换为循环队列，并构建猪体的第一端轮廓E1和第二端轮廓E2；5)将第一端轮廓E1和第二端轮廓E2的坐标位置信息以y坐标做实部，x坐标做虚部变为复数形式，分别进行快速傅里叶变换，取第一端轮廓E1经快速傅里叶变换后前20个系数的模长和第二端轮廓E2经快速傅里叶变换后前20个系数的模长作为特征向量，分别记为第一特征向量F1和第二特征向量F2；6)通过样本猪图像建立样本标准库，样本标准库所含样本特征集合T中包含猪头样本特征集合T1和猪尾样本特征集合T2；7)对于待识别猪图像，重复步骤1)至步骤5)获得各自的第一特征向量F1和第二特征向量F2，并作为待测特征向量F，采用以下公式计算待测特征向量F分别与样本特征集合T中各个特征向量的马氏距离Lc；式中，k为样本特征集合T中样本特征向量的总数，j为样本特征向量的序数，Tj为样本特征集合T中第j个特征向量，Tc为样本特征集合T中第c个特征向量；μ为样本特征集合T中所有特征向量的均值；8)将所有获得的马氏距离Lc按从小到大的次序排列，取其中连续的一部分进行计算获得识别参考值S，根据待识别猪图像的第一特征向量F1计算得到的识别参考值S和第二特征向量F2计算得到的识别参考值S进行分析获得猪头尾轮廓的识别结果；所述步骤8)猪头尾轮廓的识别结果是采用以下方式分析获得：对待识别猪图像的第一特征向量F1计算得到的识别参考值S和第二特征向量F2计算得到的识别参考值S中，数值较大的对应的是猪头特征，数值较小的对应的是猪尾特征；若两者数值相等，则识别失败。