1、為了將多豬目標(biāo)從背景復(fù)雜的俯視群養(yǎng)豬圖像中提取出來，本文提出一種基于自適應(yīng)橢圓分塊和小波邊緣檢測的目標(biāo)提取算法，為進(jìn)一步探索群養(yǎng)多豬身份識別和行為分析等奠定了一定的基礎(chǔ)。
　　針對規(guī)?；B(yǎng)豬場中噪聲干擾多、環(huán)境差、光線復(fù)雜、豬體圖像質(zhì)量較低等情況，本文首先使用限制對比度直方圖均衡對圖像進(jìn)行增強(qiáng)，在提高圖像中相同區(qū)域的相似度和不同區(qū)域的對比度的同時(shí)充分保留圖像的細(xì)節(jié)信息；然后使用二維OTSU閾值對圖像進(jìn)行粗分割，遍歷L?1級灰度尋找

2、圖像的最佳閾值，使得豬體目標(biāo)和背景的類間方差最大，并且使用80像素盤狀元素形態(tài)學(xué)閉運(yùn)算消除圖像的板條狀邊緣，將目標(biāo)像素?cái)?shù)目較小的連通區(qū)域和前景目標(biāo)內(nèi)部的非前景“空洞”進(jìn)行去除和填充獲得初始分割的多豬目標(biāo)圖像。然后在初始分割的結(jié)果上對俯視群養(yǎng)豬原圖進(jìn)行自適應(yīng)分塊，首先使用基于代數(shù)距離的最小二乘方法對圖像進(jìn)行橢圓擬合，再通過基于幾何距離的最小二乘方法迭代獲得改進(jìn)的參數(shù)，將原圖像以每個(gè)豬體目標(biāo)為中心自適應(yīng)分成若干個(gè)橢圓形區(qū)域。最后在每個(gè)橢圓形

3、子塊區(qū)域內(nèi)，利用小波變換較好的多尺度分析能力，結(jié)合大尺度時(shí)的抗噪性、邊緣穩(wěn)定和小尺度時(shí)的邊緣定位精度高、細(xì)節(jié)信息豐富的特性，使用基于B樣條的小波邊緣檢測算法尋找豬體目標(biāo)邊緣，邊緣檢測后使用邊緣生長解決檢測的邊緣不封閉連續(xù)的問題，使用二值形態(tài)學(xué)處理去除不是豬體目標(biāo)的連通區(qū)域和填充豬體目標(biāo)內(nèi)部的非前景空洞，從而提取出圖像中的多豬目標(biāo)。
　　試驗(yàn)結(jié)果表明，本文方法能夠快速有效的提取出俯視群養(yǎng)豬圖像中的多豬目標(biāo)。與OTSU多閾值分割相比，