牦牛的體尺、體重等生長(zhǎng)指標(biāo)對(duì)于評(píng)估牦牛生長(zhǎng),繁殖以及種牛的選取非常重要。對(duì)于傳統(tǒng)的牦牛體尺與體重測(cè)量,通常采用手工測(cè)量的方式。而傳統(tǒng)的手工測(cè)量方法具有對(duì)牦牛產(chǎn)生生理刺激、工作量大等缺點(diǎn)�；谏鲜鰡栴}考慮,本文使用機(jī)器視覺的方法對(duì)牦牛進(jìn)行體尺與體重估測(cè)。本文研究的主要內(nèi)容和結(jié)果如下:（1）復(fù)雜背景下牦牛圖像前景識(shí)別算法研究及優(yōu)化。牦牛自然站立姿態(tài)下,利用普通的機(jī)器視覺方法提取牦牛前景,存在前景識(shí)別率較低等問題。本文提出了復(fù)雜背景下牦牛前景提取方法,設(shè)計(jì)了在復(fù)雜背景下基于SLIC（Simple Linear Iterativeclustering）與Sobel邊緣檢測(cè)算子的牦牛前景提取算法。該方法實(shí)現(xiàn)了對(duì)復(fù)雜背景下牦牛圖像的前景識(shí)別。實(shí)驗(yàn)結(jié)果表明:該算法識(shí)別牦牛圖像的準(zhǔn)確率為95.15%。（2）牦牛前景圖像測(cè)量點(diǎn)識(shí)別算法及優(yōu)化研究。針對(duì)牦牛在自然站立姿態(tài)下,利用機(jī)器視覺提取牦牛體尺測(cè)點(diǎn),存在測(cè)點(diǎn)識(shí)別率較低等問題。本文提出了復(fù)雜背景下牦牛體尺測(cè)量點(diǎn)的提取方法,設(shè)計(jì)了復(fù)雜背景下牦牛個(gè)體提取、基于曲率分析的牦牛體尺測(cè)量點(diǎn)提取等算法。該方法實(shí)現(xiàn)了牦牛體高、體斜長(zhǎng)、胸深、管圍、十字部高等10個(gè)體尺測(cè)... 

【文章來源】：青海大學(xué)青海省 211工程院校

【文章頁數(shù)】：85 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

傳統(tǒng)牦相比較于傳統(tǒng)的通過手工的方式獲取的方法獲取牦牛的體尺參數(shù)并估測(cè)牦牛的背景下牦牛圖像的前景提取、測(cè)量點(diǎn)標(biāo)識(shí)

本文采取的技術(shù)路線

青海大學(xué)碩士學(xué)位論文第2章復(fù)雜背景下牦牛圖像前景提取7第2章復(fù)雜背景下牦牛前景圖像提取最近幾年來，圖像的前景提取研究作為計(jì)算機(jī)視覺研究的的關(guān)鍵技術(shù)越來越受到計(jì)算機(jī)視覺領(lǐng)域研究人員的重視[27]，作為最能代表圖像內(nèi)容的前景物體，如何將圖像中的前景物體識(shí)別出來，應(yīng)用在圖像分析、圖像理解等應(yīng)用中是科研人員最為關(guān)注的問題。在人類的日�；顒�(dòng)中，人眼的視覺為人們提供了大量多姿多彩的信息。根據(jù)相關(guān)統(tǒng)計(jì)，人類獲取的信息80%是由視覺信息提供的[28]。作為伴隨著計(jì)算機(jī)技術(shù)發(fā)展而產(chǎn)生的計(jì)算機(jī)視覺技術(shù)，該技術(shù)的迅速發(fā)展反映了人們對(duì)圖像處理的巨大需求。然而，一副圖像在計(jì)算機(jī)的眼中，是像素?cái)?shù)據(jù)的集合，為了更好地利用計(jì)算機(jī)處理圖像數(shù)據(jù)并獲得圖像的特征，需要用到圖像分割技術(shù)。圖像分割作為圖像視覺的基本處理技術(shù)，一直是科研人員研究和關(guān)注的熱點(diǎn)問題。圖像分割作為將圖像像素分割為有意義的連通區(qū)域的集合，是圖像后期處理與圖像內(nèi)容分析和理解的重要步驟[29]。其作用可見圖2-1。圖2-1圖像分割在圖像領(lǐng)域的作用在當(dāng)前研究者對(duì)圖像分割算法的研究中，已經(jīng)提出了數(shù)量不菲的算法[30-32]，然而，由于圖像分割的復(fù)雜性，到目前為止還沒有一個(gè)統(tǒng)一的理論體系可以全部概括圖像分割算法，也缺少統(tǒng)一的評(píng)價(jià)體系評(píng)估圖像分割后算法的效果。由于圖像分割中含有較多的不確定性和多義性，圖像分割在以后較長(zhǎng)的時(shí)間內(nèi)仍將是一個(gè)復(fù)雜且困難的問題。隨著最近幾年圖像顯示技術(shù)的成熟與發(fā)展，在人們的日常應(yīng)用中，我們需要經(jīng)將圖像中的前景圖像分割出來，已便于后續(xù)的追蹤與監(jiān)控。本章將要探索如何在復(fù)雜背景的條件下將牦牛從圖像中扣取出來。

【參考文獻(xiàn)】：
期刊論文
[1]基于多顏色空間卷積神經(jīng)網(wǎng)絡(luò)的車輛顏色分類[J]. 李慧,利齊律,程良倫,黃國(guó)恒.  工業(yè)控制計(jì)算機(jī). 2019(11)
[2]基于高斯過程回歸模型的洪澇災(zāi)害損失預(yù)測(cè)研究——以重慶市為例[J]. 龔艷冰,向林,劉高峰.  長(zhǎng)江流域資源與環(huán)境. 2019(06)
[3]中國(guó)農(nóng)產(chǎn)品階段出口劃分——基于Kmeans聚類分析[J]. 朱偉林,劉合光,陳玨穎.  世界農(nóng)業(yè). 2018(09)
[4]基于計(jì)算機(jī)視覺的大黃魚體尺測(cè)算與體質(zhì)量估測(cè)[J]. 楊杰超,許江淳,陸萬榮,曾德斌.  中國(guó)農(nóng)機(jī)化學(xué)報(bào). 2018(06)
[5]基于高斯混合模型的最大期望聚類算法研究[J]. 何慶,易娜,汪新勇,江立斌.  微型電腦應(yīng)用. 2018(05)
[6]無角牦牛體尺性狀對(duì)體重影響的通徑分析[J]. 裴杰,王宏博,褚敏,扎西卓瑪,包鵬甲,梁春年,駱正杰,武甫德,丁學(xué)智,吳曉云,閻萍,郭憲.  生物技術(shù)通報(bào). 2018(06)
[7]基于Spark Streaming的在線KMeans聚類模型研究[J]. 侯敬儒,吳晟,李英娜.  計(jì)算機(jī)與數(shù)字工程. 2018(04)
[8]基于機(jī)器視覺的馬體尺測(cè)量系統(tǒng)設(shè)計(jì)與研究[J]. 張婧婧,李勇偉.  計(jì)算機(jī)測(cè)量與控制. 2017(12)
[9]基于Soble算子的圖像邊緣檢測(cè)優(yōu)化設(shè)計(jì)[J]. 李丹陽.  數(shù)字技術(shù)與應(yīng)用. 2017(11)
[10]基于拐點(diǎn)的羊體測(cè)量點(diǎn)提取及體尺計(jì)算[J]. 白明月,薛河儒,姜新華,周艷青,王思宇.  內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)

博士論文
[1]基于機(jī)器視覺的蜜柚品質(zhì)檢測(cè)方法研究[D]. 郭輝.中國(guó)農(nóng)業(yè)大學(xué) 2015

碩士論文
[1]基于Kinect的奶牛體尺檢測(cè)與試驗(yàn)研究[D]. 趙新強(qiáng).山東農(nóng)業(yè)大學(xué) 2018
[2]圖切交互式彩色圖像分割算法研究[D]. 程園.西安電子科技大學(xué) 2014
[3]圖像前景提取的算法研究與實(shí)現(xiàn)[D]. 王慶敏.東北大學(xué) 2014
[4]樸素貝葉斯分類模型的改進(jìn)研究[D]. 朱曉丹.廈門大學(xué) 2014
[5]前景提取算法的研究與改進(jìn)[D]. 王培.西安電子科技大學(xué) 2011
[6]基于保留色度信息灰度化編碼的彩色圖像識(shí)別方法研究[D]. 張秉正.東北師范大學(xué) 2010
[7]基于K近鄰的分類算法研究[D]. 桑應(yīng)賓.重慶大學(xué) 2009
[8]支持向量回歸機(jī)研究及其應(yīng)用[D]. 梁偉鋒.浙江師范大學(xué) 2006



本文編號(hào)：3289314