基于水平集的高分辨率影像牛羊自动检测的方法
Automatic Detection of Cattle and Sheep in High Resolution Images Based on Level Set
DOI: 10.12677/AIRR.2018.72006, PDF,    国家自然科学基金支持
作者: 张爱武, 高朋*, 刘路路：首都师范大学，三维信息获取与应用教育部重点实验室，北京；柴沙驼：青海大学，畜牧兽医科学院(青海省畜牧兽医科学院)，青海 西宁
关键词: 牛羊；水平集；高分辨率；统计；杂物剔除；Cattle and Sheep； Level Set； High Resolution； Statistics； Debris Elimination
摘要: 传统牛羊数量清点工作主要依靠人工统计的方式，这种方法费时、费力。针对这一缺点，本文利用飞艇获取的高分辨率影像，提出一种基于水平集的牛羊自动统计方法。首先，用水平集方法对牛羊图像分割分类，根据颜色、面积、长宽比等简单特征，剔除杂物，提取图像中牛羊部分。然后，提取通过连通域数量，统计牛羊数量。实验表明该方法简单有效。
Abstract: The traditional counting of cattle and sheep relies mainly on manual statistics, which is time-consuming and laborious. Aiming at this shortcoming, an automatic statistic method of cattle and sheep based on level set is presented by using high resolution image obtained from airship. Firstly, using the level set method to classify the image of cattle and sheep, according to the simple features of color, area, aspect ratio and so on, and remove the sundries and extract the part of cattle and sheep in the image. Then, the number of cattle and sheep is extracted by the number of connected domains. Experiments show that the method is simple and effective.
文章引用：张爱武, 高朋, 刘路路, 柴沙驼. 基于水平集的高分辨率影像牛羊自动检测的方法[J]. 人工智能与机器人研究, 2018, 7(2): 53-62. https://doi.org/10.12677/AIRR.2018.72006

参考文献

[1] Petushi, S., Katsinis, C., Coward, C., et al. (2004) Automated Identification of Microstructures on Histology Slides. IEEE Inter-national Symposium on Biomedical Imaging: Nano to Macro, Arlington, 18-18 April 2004, 424-427. [Google Scholar] [CrossRef] 
[2] Fang, B., Hsu, W. and Lee, M. (2003) On the Accurate Counting of Tumor Cells. IEEE Transactions on Bioscience, 2, 94-103.
[3] Thiran, J. and Macq, B. (1996) Morphological Feature Extraction for the Classification of Digital Images of Cancerous Tissues. BEEE Transactions on Biomedical Engineering, 43, 1011-1020. [Google Scholar] [CrossRef] [PubMed]
[4] Smith, S.M. and Brady, J.M. (1997) A New Approach to Low Level Image Pro-cessing. International Journal of Computer Vision, 23, 45-78. [Google Scholar] [CrossRef] 
[5] 王大红, 胡茂林. 决策边缘特征检测算法[J]. 计算机应用, 2009, 29(6): 233-235.
[6] 刘立, 焦斌亮, 刘钦龙. 基于改进SUSAN 的遥感图像边界提取算法[J]. 微计算机信息, 2009, 25(3): 303-304.
[7] Yang, X.F., Huang, Y.M. and Li, Y. (2010) An Improved SUSAN Corner Detection Algorithm Based on Adaptive Threshold. 2010 2nd International Conference on Signal Processing Systems, Dalian, 5-7 July 2010, 613-616.
[8] 周莹莉, 曾立波, 刘均堂, 等. 基于图像处理的菌落自动计数方法及其实现[J]. 数据采集与处理, 2003, 18(4): 460-464.
[9] Corkidi, G. and Diaz-Uribe, R. (1998) COVASIAM: An Image Analysis Method That Allows Detection of Confluent Microbial Colonies and Colonies of Various Sizes for Automated Counting. Applied and Environmental Microbiology, 4, 1400-1404.
[10] 尤育赛, 于慧敏. 一种重叠红细胞图像的分离方法[J] .中国图象图形学报, 2005, 10(6): 736-740.
[11] 张云鹤, 乔晓军, 等. 种子自动计数仪[J]. 仪器仪表与检测技术, 2005, 24(3): 9-61.
[12] 赵增华, 舒炎泰, 王积分. 基于小波变换的工业微生物菌种自动识别[J]. 天津大学学报: 自然科学与工程技术版, 2002, 35(2):151-154.
[13] 凌云, 王一鸣, 孙明, 等. 基于流域算法的谷物籽粒图像分割技术[J]. 农业机械学报, 2005, 36(3): 95-98.
[14] 宋强, 徐科, 徐金梧, 等. 基于图象处理的棒材自动计数技术[J]. 钢铁, 2004, 39(5): 34-37.
[15] 于大林. 基于ARM的菌落计数系统的研究[D]: [硕士学位论文]. 长春: 吉林大学, 2012.
[16] 门洪, 武玉杰, 王彩虹, 等. 基于图像处理的异养菌菌落计数方法研究[J]. 检测与仪表, 2008, 35(3): 38-41.
[17] Mukherjee, D.P., Pal, A., Sarma, S.E., et al. (1995) Bacterial Colony Counting Using Distance Transform. International Journal of Bio-Medical Computing, 38, 131-140. [Google Scholar] [CrossRef] 
[18] 王国新, 张长利, 房俊龙, 等. 基于图像处理技术的菌落自动计数系统的研发[J]. 中国乳品工业, 2006, 34(2): 40-42.
[19] Bewes, J.M., Suchowerska, N. and Mc Kenzie, D.R. (2008) Automated Cell Colony Counting and Analysis Using the Circular Hough Image Transform Algorithm. Physics in Medicine and Biology, 53, 5991-6008. [Google Scholar] [CrossRef] [PubMed]
[20] Chen, W. and Zhang, C. (2009) An Automated Bacterial Colony Counting and Classification System. Information Systems Frontiers, 11, 349-368. [Google Scholar] [CrossRef] 
[21] 唐利明, 王洪珂, 陈照辉, 黄大荣. 基于变分水平集的图像模糊聚类分割[J]. 软件学报, 2014, 25(7): 1570-1582.
[22] 龚永义, 罗笑南, 黄辉, 廖国钧, 张余. 基于单水平集的多目标轮廓提取[J]. 计算机学报, 2007, 30(1): 120-128.
[23] Wang, B. and Gao, X.B. (2009) Automatic Image Segmentation Using Sequential Level Set Method. Journal of Software, 20, 1185-1193. [Google Scholar] [CrossRef] 
[24] 姜慧研, 冯锐杰. 基于改进的变分水平集和区域生长的图像分割方法的研究[J]. 电子学报, 2012(8): 1659-1663.
[25] 张云, 吴晓君, 马廷武, 庞连军. 基于机器视觉的零件图像采集及识别的研究[J]. 电子工程师, 2006, 32(4): 29-65.
[26] 娄维义, 於韬, 顾福康. 基于图像处理的原生动物自动计数方法及其实现[J]. 实验室研究与探索, 2007, 26(4): 24-28.
[27] 车琳琳, 张光玉, 宋莉, 曹卫芳. 基于钼靶X线影像的乳腺微钙化点良恶性识别算法研究[J]. 中国医学物理学杂志, 2011, 28(2): 2467-2470.
[28] 潘佚, 吴思宇, 邱蕾. 基于数学形态学的红细胞计数算法[J]. 南华大学学报, 2017, 31(2): 51-55.
[29] 尹立苹, 于德敏, 王永强, 许增朴. 二值图像中多目标区域的标号和几何特征提取[J]. 计量与测试技术, 2006, 33(3): 18-20.
[30] 尹星云, 王峻. 基于改进的彩色图像形态学膨胀和腐蚀算子设计[J]. 计算机工程与应用, 2008, 44(14): 172-174.
[31] 王娟, 周金芝. 基于Matlab的形态学图像处理研究[J]. 计算机论坛, 2010(284): 135-136.
[32] 方菊芹, 陈帆, 和红杰, 尹忠科. 结合局部分类水平集与颜色特征的遥感影像阴影检测[J]. 自动化学报, 2014, 40(6): 1156-1164.

为你推荐