猪舍图像局部亮度调整方法

针对猪舍视频监控场景中常常遭遇局部亮度不均衡而引起后继图像分析困难问题,提出一种图像自适应局部亮度调整法(ALLA)。首先为避免物体色度的干扰,原图像转换为YCbCr模型后,只利用亮度Y分量图像,根据最大类间方差(Ostu)将Y图像分为明暗二区;其次针对过亮和过暗的局部区域采用正弦函数进行非线性反向调整灰度值;最后,为评价处理后图像质量,提取测试图和基准图中的猪只对象轮廓边缘像素成对梯度值,通过假设检验判断二者差的集合均值是否存在明显变化。选择了典型3种猪舍环境图像,一种光线柔和,图像亮度质量较为理想;另外两种夜晚圈栏灯光和白天阳光导致景物本色出现偏差,即在光照强度高的局部区域灰度值低,反之则高。试验采用ALLA处理后的测试图像,测试PSNR(峰值信噪比)值均在31～78之间,表明没有引起图像质量显著下降;采用我们设计的假设检验方法,表明在显著性水平(α=0.95)时,测试图较之于标准灰度化图像有显著改变,因此,有利于后继的猪只目标分割工作。     

单只猪轮廓图的侧视图识别

由于完整轮廓猪只的侧视图具有便于行为分析的价值,因此,研究从猪舍监控视频中自动分割出单只猪理想侧视图的视频段对猪的行为分析是有意义的.为了识别每帧图像猪轮廓图的侧视图属性,该文通过图像处理获取猪只轮廓图后,提出联立猪只外接矩形高宽比和低频傅里叶系数构建猪只侧视图的特征向量,并根据样本训练集得到理想侧视图和非理想侧视图特征向量均值和方差,利用马氏距离判别法从测试视频中识别未知帧图像的类别,结果表明有91.7%猪只轮廓图的侧视图属性能正确识别,表明本方法是有效的.本研究可为后继单只疑似病猪行为分析提供条件.