论文部分内容阅读
奶牛数字图像边缘提取是奶牛体型线性评定的前提,是最迫切解决的问题之一。边缘是图像最基本的特征之一,是提取特征参量、识别物体的基础,是图像局部亮度变化最显著的部分,边缘广泛存在于目标与目标、目标与背景、区域与区域、色彩与色彩之间,边缘是两种或多种不同区域属性的交界处。因其广泛存在的不确定性和大量突变信息,使其成为图像中蕴含信息最丰富的地方。为了提取精确的奶牛图像边缘,提高奶牛体型线性评定工作的水平,本文将细胞神经网络(Cellular Neural Networks,简称CNN)应用到奶牛数字图像的边缘提取中。首先,采用三个CCD摄像机同时采集奶牛正前方、正侧面和正后方三个方向的图像,作为奶牛边缘提取的原始图像,经图像采集卡数字化后输入计算机;其次,对采集到的奶牛数字图像进行预处理(以正侧面图像为例),对奶牛数字图像进行滤波和对比度增强(线性灰度变换、直方图均衡化)。通过对Robert算子、Sobel算子、Prewitt算子、Laplace算子、Log算子和Canny算子各经典算法的研究,用五种边缘提取算子分别对奶牛数字图像进行仿真,总结出边缘提取效果最佳时各个算子的阈值以及标准偏差值;然后,将细胞神经网络应用到奶牛数字图像处理中,针对细胞神经网络的结构特点,对灰度图像像素值进行调整,使其满足CNN算法的输入范围。再根据奶牛数字图像的实际问题确定出CNN算法的反馈模板A、控制模板B和阈值Z的值;针对CNN算法中边界细胞在与模板A和B作卷积运算时,模板中的某些元素将找不到与边界细胞相对应的细胞,本文应用了“增大法”和“缩小法”两种方法,很好地解决了细胞边界问题;最后,用MATLAB语言编程分别实现基于CNN的奶牛二值和灰度图像的边缘提取算法,分别提取出奶牛的二值图像边缘和灰度图像边缘。通过对Robert算子、Sobel算子、Prewitt算子、Log算子和Canny算子各经典算法提取出来的奶牛图像边缘与CNN算法所提取的边缘相比较,得出应用了细胞神经网络提取的奶牛数字图像边缘连续性更好、更清晰、定位精度更高,为基于机器视觉的自动化奶牛体型线性评定工作打下了良好而坚实的基础。