基于牛鼻纹图像模式的个体牛识别技术
1. 感兴趣区域(ROI)选择
牛鼻纹图像模式的感兴趣区域(ROI)选择是通过去除鼻纹点模式的前景和背景来实现的。简单阈值法生成的二值区域易受噪声和纹理影响,因此采用形态学图像处理技术,结合鼻纹点模式灰度图像的形式和结构,去除这些瑕疵。同时,该技术还可通过基本操作(腐蚀和膨胀)来确定鼻纹图像中的细节点数量。
1.1 腐蚀和膨胀操作
- 膨胀操作 :向图像中对象的边界添加像素值。
- 腐蚀操作 :去除对象边界上的像素值。
鼻纹点图像中对象包含或排除的像素值数量取决于结构元素的大小和形状,如用于确定牛鼻纹中脊分叉和终止点数量的脊和珠特征。脊的终点和分叉构成了动物鼻纹图像中的细节点特征,这些细节点是鼻纹图像中的鉴别特征点,可用于物种或动物的识别和验证。
1.2 特征提取
从原始鼻纹点图像中选择感兴趣区域,然后使用纹理分割算法从分割后的鼻纹图像的ROI中提取和选择珠和脊生物特征及终止模式的鉴别特征。细节点是牛鼻纹图像模式中脊终止和脊分叉特征点的集合,基于鼻纹图像模式识别牛类似于识别人类指纹中的细节点。
2. 基于卡方匹配技术的鼻纹图像匹配
为了识别牛,首先应用基于模板匹配的技术对鼻纹点图像模式进行相似度匹配。在训练阶段,从给定类别的牛数据库中计算鼻纹点图像的局部二值模式(LBP)直方图和加速稳健特征(SURF)。然后,评估平均LBP直方图,为给定类别的鼻纹点图像生成直方图模板。
订阅专栏 解锁全文
84



被折叠的 条评论
为什么被折叠?



