本發明公開了一種融合FCN和閾值分割的哺乳母豬圖像分割方法。采集母豬的視頻圖像，并建立母豬分割視頻圖像庫；建立FCN母豬分割模型，用該模型對測試圖像進行分割，獲取FCN母豬圖像分割結果；對FCN分割結果外接最小面積矩形框，并對該區域的灰度圖和H分量進行Otsu閾值分割，獲取閾值分割結果；將FCN分割結果和閾值分割結果進行融合，獲取母豬圖像的最終分割結果。本發明在FCN的基礎上，融合多通道Otsu閾值分割技術，在不降低FCN分割效果的同時能有效填補局部區域缺失，提高分割準確率。

技術領域

本發明涉及圖像分割技術領域，更具體地，涉及一種融合全卷積網(FCN)絡和多通道閾值分割的哺乳母豬圖像分割方法。

背景技術

哺乳母豬的健康和母性行為關系到整個豬場的經濟效益，對哺乳母豬行為進行監測顯得尤為重要。傳統的母豬狀況監控方式是通過人工長時間對母豬運動、進食、哺乳等日常行為進行觀察，根據經驗判斷母豬身體狀況和母性行為的好壞，從而進一步采取相關措施。該方式不僅耗時、耗力，也極易引起誤判。利用計算機視覺技術自動監測母豬行為是代替人工方式的較好選擇。

利用計算機視覺技術對哺乳母豬行為自動識別的第一步就是要將母豬從復雜的背景圖像中完整的分割出來，即母豬圖像分割。母豬圖像分割是一個復雜且具有挑戰性的問題，其主要難點有兩方面，一方面是由于母豬身體的變化所引起的：母豬具有相當復雜的細節變化，如不同的行為姿態如坐立、側躺、身體扭曲等；另一方面是外部環境因素所引起的：豬舍環境的復雜，如光線變化、豬只遮擋、環境背景與豬只顏色對比度不大等。這些問題的存在，均給母豬圖像分割帶來了很大挑戰。

近年來，已經有一些研究者利用計算機視覺技術提取豬只目標前景。2014年南京農業大學朱偉興等人利用混合高斯更新背景模型，并結合最大信息熵閾值，但該方法不適合長時間不動或緩慢移動的目標前景。2015年該團隊利用最大信息熵閾值對群養小豬進行二次分割，獲取豬只目標前景，但該方法在目標前景與背景差異不大時，效果欠佳。公開號CN106204537A的專利公開了一種復雜場景下生豬圖像分割方法，該方法通過對生豬圖像進行背景差分、閾值分割獲取初步分割圖像后再利用其質心與圖像光源信息進行陰影補償，從而得到生豬分割后的圖像。2017年華中農業大學高云等人對豬群中的粘連豬只，在閾值分割的基礎上，采用基于距離變換的分水嶺分割算法，分割出粘連豬只個體。然而，多數研究中的對象都是針對純色的生豬、后備母豬或小豬，很少涉及到花色不均的哺乳期母豬。另外上述豬只分割方法中也均未涉及到基于卷積網絡的豬只目標提取。

卷積神經網絡技術已經在工業生產領域得到了廣泛應用。2015年，Long等人提出了全卷積網絡(FCN，Fully Convolutional Networks)的圖像語義分割算法，通過對現有神經網絡模型進行改進，得到的端對端像素級預測，降低了訓練的復雜性，并且能夠準確的提取圖像中的深層語義信息。FCN通過多層卷積、池化等操作較好的地避免了光照不均勻、隨機噪聲、圖像扭曲等問題，在圖像分割領域獲得了很大突破，然而該方法在畜禽養殖對象的分割中的應用研究幾乎處于空白。由于FCN采用簡單的雙線性插值進行上采樣，容易丟失圖像局部信息，產生空洞。除此之外，在樣本不足或樣本單一的情況下，FCN表現出較差的泛化能力，容易產生欠分割現象。多通道閾值分割方法利用對象自身相似性的特點，提取對象目標，在一定程度上彌補FCN產生空洞、欠分割現象。本發明在FCN分割的基礎上，提取ROI區域，在該區域內融合多通道閾值分割方法在不降低FCN分割效果的同時能有效填補局部區域缺失，提高FCN分割效果，增強泛化性能。

發明內容

本發明的目的在于克服上述背景技術提出的技術問題，提供一種融合FCN和多通道閾值分割的哺乳母豬圖像分割方法，能夠在母豬形變、遮擋、花色不均且與背景顏色對比度不大和光線變化等復雜情況下，準確分割出母豬個體。

為了實現上述目的，本發明的技術方案如下：

一種融合FCN和多通道閾值分割的哺乳母豬圖像分割方法，包括以下步驟：