基于图像处理的生猪耳部颜色异常检测技术

为研究规模化生猪养殖场中蓝耳病疫情预警监测方法,提出一种非接触式耳部颜色自动检测方法。该方法将生猪热红外图像和可见光图像相结合寻找最优尺度因子,确定可见光图像中生猪耳根部特征区域;采用主动形状模型方法,选取34个生猪耳部轮廓特征点,并将搜索范围限定在生猪头部区域,用以提取生猪耳部轮廓;将提取的耳部轮廓进行颜色对比,判断该生猪是否患有蓝耳病疫情。结果表明,由于限定生猪头部区域搜索范围,能快速准确地提取生猪耳部轮廓。对生猪耳部颜色检测准确率达到77%以上。

一种基于边界特征的耳廓提取新方法

在实际的人耳识别系统中,人耳的准确定位是影响识别率的一个重要因素。根据外耳及其所在位置的特征,提出了一种从侧脸图像上准确定位并提取出人耳的新方法。该方法首先对侧脸图像进行阈值化和差分处理,然后将外耳边缘轮廓分为3个区域,利用阈值图像和差分图像以及3个区域的不同走向分别跟踪得到整个外耳轮廓线,并从侧脸图像中提取出外耳图像。该方法运算量小,定位精确,得出的外耳轮廓图像清晰完整无任何干扰,而且定位成功率高。

基于外耳轮廓边缘信息的人耳识别

提出一种用Hausdorff距离表示人耳边缘特征的人耳识别方法.首先对原始人耳图像进行预处理,用基于灰度形态学梯度和局部阈值分割的边缘检测方法提取外耳轮廓边缘;然后用标准方差和边缘线段间长度差改进的Hausdorff距离表示人耳特征向量;最后采用支持向量机算法完成人耳识别.实验结果证明,该方法能获得更高的人耳识别率.

基于肤色及轮廓信息的人耳实时跟踪

实时人耳跟踪作为人耳识别系统的前提,是一个意义重大且具有挑战性的课题。为了实现对人耳的快速实时跟踪定位,提出了一种融合肤色及灰度轮廓信息检测跟踪序列图像中人耳的新方法。该方法首先采用改进的CAMSHIFT算法在肤色概率分布基础上,初步对侧面人脸这一包含耳朵的大面积肤色区域进行粗定位,进而根据耳朵自身丰富的轮廓信息,应用轮廓提取及拟合来进一步精确定位人耳。实际应用表明,该方法具有速度快、效率高和鲁棒性好的特点,不仅能够满足实时性的要求,并且对于干扰和耳朵自身一定角度的偏转都有较好的容错性。此外,该方法在相对复杂的背景下仍能获得较好的跟踪效果。

基于MATLAB的玉米果穗图像轮廓提取

计算机视觉在玉米果穗中的应用主要是对外观质量进行评定,本文利用MATLAB对采集系统传来的玉米果穗图像进行转换、灰度化、滤波降噪、区域增强等一系列处理后,选用Log算子提取出玉米果穗轮廓,效果良好,为后续的考种数据测量做准备。

人耳识别系统中的定位点选择及检测算法的设计

本文提出了一种新的可应用于人耳识别系统的人耳轮廓定位方法,即利用耳轮脚和耳垂脚两个端点进行定位,在此基础上提出了一种基于轮廓方向的定位点检测算法,并在实验中取得了良好的效果.

一种内外轮廓加权的人耳检测算法

为了提高人耳检测中图像匹配的精确性,提出对内外耳轮廓加权,并利用Hausdorff距离进行人耳检测的算法。在传统的Hausdorff距离匹配中,图像如果受噪声干扰或边缘不连续等情况,检测结果不理想。因此为使检测位置更加接近外耳轮廓,需要强调外耳轮廓的作用,这通过对外耳加大权值、对内耳加小权值实现,然后再结合加权Hausdorff距离进行图像匹配计算。仿真实验表明,提出的算法是有效的。相比传统Hausdorff距离和平均Hausdorff距离的匹配,人耳轮廓加权的算法更加精确。

一种新的汽车牌照识别的图像增强算法

汽车牌照区域分割是牌照识别的关键步骤,增强图像中的牌照区域,抑制背景区域,可以有效降低牌照区域分割的难度。将图像分解为一组二值图像的组合,然后在二值图像上计算各连通分量及其特征参数,利用牌照区域和背景区域对应的连通分量的特征差别,可以有效抑制背景而保留牌照。处理后的二值图像可重构出牌照区域被增强的图像。还采用等高线标记代替连通分量标记,以减少计算量,使得算法具有实用性。试验表明,这种算法有效地突出了牌照区域而抑制了背景,提高了牌照定位分割的效果,可以很好地用于实际的汽车牌照识别系统中。

基于耳廓参数与面部特征相结合的人耳识别

针对外耳轮廓特征与人脸五官的比例关系,提出一种基于耳廓几何参数与面部结构特征相结合的生物鉴别方法。该方法将外耳轮廓与人脸某些特征相结合,如特征向量中包括人耳宽度与两眼瞳孔之间的水平距离之比、人耳高度与眼睛和嘴之间的垂直距离之比。实验结果表明,该算法简单、可操作性强,对数据采集设备及采集条件要求较低,识别率较高。

基于轮廓合成的人耳图像边缘检测

人耳识别技术作为一种新的研究在生物特征识别领域提出一种新思路。边缘检测是图像特征分析识别的基础,检测质量直接影响系统识别率。本文针对人耳图像的局部特征和识别要求提出一种基于轮廓合成的边缘检测方法。该算法对采集到的图像预处理,将Sobel算子与阈值法得出的边缘图像合成,最后根据统计结果用去除干扰技术处理非边缘。这种方法得出的耳朵边缘图像清晰完整无干扰,比单一采用其他方法效果好,为后续特征提取及识别提供较好基础。

基于轮廓曲线和局部特征点的自动人耳识别

针对人耳识别问题,提出了一种由粗到细的两步识别方法。首先采用边界跟踪算法从侧脸图像上提取外耳及其轮廓曲线,然后利用基于改进Hausdorff距离的轮廓曲线对齐方法对图像库进行筛选得出候选的人耳图像,最后通过使用广义外耳局部特征点匹配方法从候选图像中精确匹配出与待测人耳相同的图像。采用轮廓曲线和局部特征点作为识别特征向量,利用改进Hausdorff距离作为匹配量度方法,实现了基于2-D灰度侧脸图像的完全自动人耳识别,较有效地克服了光照和旋转角度变化对外耳识别的影响。实验结果表明,该方法计算量小、适应性强、鲁棒性好,极具实用价值。