奶牛图像的分割算法研究

金一初，马 燕

（上海师范大学 上海 200234）

将图像识别技术引入奶牛养殖，能加强奶牛管理和提高科学饲养作用。生物识别技术已较成熟，基于脸部、肤色、虹膜等的识别算法已被应用于众多领域。一般情况下，由于摄入的奶牛图像背景杂乱，光照条件各异，故在识别前，须将奶牛从复杂的背景中分割出来。本文主要采用颜色聚类和区域生长的方法分割奶牛图像，并根据奶牛特征进行修正，从而实现奶牛与背景的有效分离。

1 算法描述

区域生长算法是图像分割的基本算法之一[1]，但若将此算法用于整幅图像，会由于递归层数太深而造成算法耗时。采用基于子块的区域生长的算法能有效控制递归深度[2]，从而提高分割性能，本文将采用类似算法结构。

本文在子块处理中采用聚类的方法，基于人类视觉特性提取代表子块的颜色特征和纹理特征，通过将颜色聚类方法与基于子块的区域生长算法的融合提高了奶牛图像分割效果。

本算法的基本流程如图1所示。

1.1 色彩空间转换

原图像所采用的RGB色彩空间是一种被广泛应用的色彩空间，但对于一般情况下采集的奶牛图像，由于光照等因素，视觉上相似的区域所代表的RGB值却有较大差异。故本文采用CIE Luv空间来保证视觉一致性。在Luv空间中，L分量代表亮度，u和v分量代表色调，利用u、v分量能有效排除光照对图像分割的影响。

图1 算法流程图Fig.1 Flow chart of algorithm

1.2 子块内颜色聚类及特征提取

1.2.1 子块内颜色聚类

首先将图像进行4×4大小子块划分，随后确定视觉一致性距离dist，该距离是用于聚类的阈值，由实验确定其数值，根据已转换为Luv空间的图像，可将dist设为0.000 2。……