基于FCM-SVM的生猪红外热图像自动分割方法.PDFVIP

— ２３８— 江苏农业科学　２０１８年第４６卷第１９期 陈松楠，朱艳平，杜永强．基于ＦＣＭ－ＳＶＭ的生猪红外热图像自动分割方法［Ｊ］．江苏农业科学，２０１８，４６（１９）：２３８－２４１． ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０１８．１９．０６２ 基于ＦＣＭ－ＳＶＭ的生猪红外热图像自动分割方法 陈松楠，朱艳平，杜永强 （信阳农林学院信息工程学院，河南信阳４６４０００） 　　摘要：传统的支持向量机（ＳＶＭ）方法在图像分割时需要人工选取训练样本，降低了生猪图像分割的自适应性且 费时费力，本文提出了一种基于ＦＣＭ－ＳＶＭ相结合的生猪红外热图像自动分割方法，首先，将图像由ＲＧＢ颜色空间 变换到ＨＳＶ颜色空间；然后，利用模糊 Ｃ均值（ＦＣＭ）聚类算法自动获取训练样本；最后，提取图像的颜色特征作为 ＳＶＭ模型的训练样本进行训练，实现对生猪红外热图像的自动分割。结果表明，该方法能够取得较好的分割结果，正 确率基本上能达到９５％以上，为后续生猪各个部位特征的获取提供较好的技术支撑。 　　关键词：图像自动分割；生猪红外热图像；支持向量机；模糊Ｃ均值 　　中图分类号：ＴＰ３９１．４　　文献标志码：Ａ　　文章编号：１００２－１３０２（２０１８）１９－０２３８－０３ 　　随着生猪养殖规模的集成化和规模化，每年都有大量的 预处理方法，可以大致提出生猪目标前景二值图像［４］。 生猪在全国各地进行流通，给动物检疫部门带来了十分繁重 上述研究结果表明，当前对生猪热红外图像的分割仍采 的检疫任务。传统的生猪监测工作是由具有专业知识的疫情 用阈值分割的方法进行，并没实现完全自动化。本研究提出 监测人员来完成，受人员不足和检疫生猪数量多的制约，检疫 一种基于ＦＣＭ－ＳＶＭ的图像分割方法，将生猪红外热图像由 部门只能对生猪进行随即抽检，通过概率预测的方式来判断 ＲＧＢ颜色空间转换到 ＨＳＶ颜色空间，根据模糊 Ｃ均值聚类 一批生猪是否检疫合格，该方法并不能实时对患病生猪进行 算法（ＦＣＭ）将待分割的图像聚类为２类，并将２类图像的颜 自动监控和预警。为了最终实现生猪疫情的自动预警功能， 色特征分别作为支持向量机（ＳＶＭ）模型的正、负训练样本， 本研究提出一种基于ＦＣＭ－ＳＶＭ的生猪红外热图像自动分 实现对生猪红外热图像的自动分割。 割方法，为生猪病变部位的提取提供了源，从而降低了背景图 １　图像颜色空间的转换 像的后续干扰。 针对生猪图像的自动分割，国内外学者做了很多研究。 由红、黄、蓝３种原色经过不同比例的组合就能形成不同 中国农业大学的马丽等提出了一种基于改进几何活动轮廓模 的颜色，这些颜色的集合组成一个颜色空间。颜色空间模型 型的母猪红外图像分割算法，通过取不同的分割阈值和构建 的种类有面向硬件设备的颜色空间模型、面向视觉感知的颜 新的对比度权值函数，实现图像全局能量和局部能量的权重 色空间模型、面向视觉感知的均匀颜色模型等。本研究在前 在图像各区域的均衡化，结果表明单幅图像平均分割时间为 期试验基础上，通过对比发现ＨＳＶ颜色空间模型较适宜图像 ［１］ 自动分割。在对图像进行预处理阶段首先将生猪图像由 ４９．６７ｓ，正确分割率达到９８％以上 。江苏大学的朱伟兴等 提出了一种基于改进主动形状模型的生猪耳部区域检测方 ＲＧＢ颜色空间转换到ＨＳＶ颜色空间。ＨＳＶ颜色空间主要由 法，结合红外和可见光图像融合算法，以融合图像的ＮＳＣＴ分 ３个相互独立的分量（Ｈ、Ｓ、Ｖ）构成，由Ｓｍｉｔｈ于１９７８年首先 ［５］ 解系数作为特征点纹理描述，结果表明自动检测分割耳部区 创建 。其中，Ｈ代表色调，取值范围为０°～１８０°；Ｓ代表饱 域与手动分割区域重合度＞０．８的检测结果占比达到８４％，