基于小波变换和改进KPCA的奶牛个体识别研究

为加快畜牧业现代化程度,克服传统方法中奶牛个体识别正确率低的缺陷,针对奶牛个体纹理特征,对传统KPCA(核主成分分析)方法从降低协方差矩阵维数和引入类别信息两个角度进行改进,并与小波变换进行结合,应用于奶牛个体识别领域。首先对归一化后的奶牛图像进行一层小波分解得到4个分量子图,然后对各子图利用改进的KPCA进行特征提取并引入加权策略融合,最后构造出多类SVM分类器进行学习分类。将预先采集的20头奶牛个体的视频数据转化成图片序列并选取20 000张组成实验数据集,通过多组对比实验对小波融合系数、融合向量组数、特征维数三个重要参数进行设定,然后利用不同算法进行奶牛个体识别实验。结果表明,提出方法在识别正确率达到96.31%时,仅用了4.20 s,较其他算法具有明显优势,可以有效地应用到奶牛个体识别领域,兼具高性能、低成本的优势。