一种非洲猪瘟感染程度的图像分类方法与流程
本发明涉及图像分类,具体涉及一种非洲猪瘟感染程度的图像分类方法。
背景技术:
1、在非洲猪瘟防控过程中,感染程度的早期识别与准确评估对于生猪养殖场及时采取隔离、诊断和处置措施具有重要意义。随着规模化养殖的发展,利用固定摄像设备采集生猪图像,并通过图像分类方法识别生猪体表病理特征,已成为提高疫病监测效率的重要技术手段。相比人工巡检方式,视觉监测具有非接触、连续采集和适于群体化管理等优势。
2、然而,在实际养殖环境中,生猪通常处于自由活动状态,其站立方向、躯体姿态、与摄像设备之间的距离以及相对于固定视角的角度会持续变化。固定视角下采集的原始生猪图像容易受到透视投影影响,使生猪背部、腹部及四肢等部位在图像中产生不同程度的拉伸、压缩或错位,导致同一体表区域在不同图像中的位置、尺度和形状表现不一致。对于非洲猪瘟感染生猪而言,红斑、出血斑、紫绀区域和溃疡区域等体表病理特征通常分布在生猪体表局部区域,其形态、灰度、纹理和边界变化是判断感染程度的重要依据。现有图像识别方法多直接基于二维图像进行特征提取,较少考虑生猪躯体姿态变化和固定视角成像带来的空间畸变问题,导致病理区域的连通域提取、轮廓定位和边界控制点确定容易受到姿态偏差影响。此外,现有技术在对病理区域进行分析时,通常缺乏与健康基准轮廓或健康基准图像之间的有效对齐机制,难以准确衡量病理区域相对于正常体表形态的尺度变化、位置偏移和灰度差异。当病理区域在图像中发生空间错位时,后续裁剪得到的纹理特征图可能包含非病理区域,或者遗漏部分真实病理区域,从而降低分类模型对感染程度评估的准确性和稳定性。
技术实现思路
1、本发明的目的在于提供一种非洲猪瘟感染程度的图像分类方法,解决现有技术存在的问题。
2、为实现上述目的,本发明提供如下技术方案:一种非洲猪瘟感染程度的图像分类方法,包括:
3、s1、获取固定视角下采集的原始生猪图像,构建躯体姿态拟合模型,并根据躯体姿态拟合模型与固定视角成像基准之间的投影偏移量,计算生猪相对于固定视角的躯体距离和躯体角度,得到空间位姿数据;
4、s2、根据空间位姿数据中的躯体角度和躯体距离构建透视投影矩阵,并判断原始生猪图像是否存在透视畸变,若存在透视畸变,则通过透视投影矩阵对原始图像进行像素重采样,得到第一校正图像;若不存在透视畸变,则将原始生猪图像作为第一校正图像;
5、s3、从第一校正图像中提取非洲猪瘟体表病理区域的连通域像素集合,并对连通域像素集合进行轮廓采样,得到病理区域边界控制点;
6、s4、根据病理区域边界控制点与预设健康基准轮廓之间的偏差,调整病理区域的尺度形变量和位置形变量,并基于尺度形变量和位置形变量生成空间错位补偿矩阵;
7、s5、采用空间错位补偿矩阵对第一校正图像中的体表病理区域进行仿射补偿处理,使体表病理区域与健康基准轮廓对齐,得到第二校正图像;
8、s6、计算第二校正图像与预设健康基准图像在对应像素位置的灰度差值,确定体表病理区域的特征对齐坐标;
9、s7、根据特征对齐坐标从第二校正图像中裁剪病理纹理特征图,并将病理纹理特征图输入预设分类模型,得到非洲猪瘟感染程度评估等级。
10、优选的,所述s1包括:
11、获取原始生猪图像,对原始生猪图像进行特征提取,得到生猪背脊轮廓线和腹部轮廓线;
12、根据生猪背脊轮廓线和腹部轮廓线定位四肢支撑点,基于四肢支撑点构建躯体姿态拟合模型;
13、计算躯体姿态拟合模型与固定视角成像基准之间的投影偏移量;
14、如果投影偏移量大于预设的偏移阈值,则根据投影偏移量计算躯体距离和躯体角度,得到空间位姿数据。
15、优选的,所述s2包括:
16、获取空间位姿数据中的躯体角度和躯体距离,根据躯体角度和躯体距离构建透视投影矩阵;
17、采用透视投影矩阵对原始生猪图像进行坐标映射处理,得到映射坐标集合;
18、计算映射坐标集合与基准坐标集合的坐标偏移量;
19、判断原始生猪图像是否存在透视畸变,包括判断坐标偏移量是否大于预设的阈值;
20、如果坐标偏移量大于预设的阈值,则通过透视投影矩阵对原始生猪图像进行像素重采样,得到第一校正图像;
21、如果坐标偏移量不大于预设的阈值,则将原始生猪图像作为第一校正图像。
22、优选的,所述s2包括:
23、获取空间位姿数据中的躯体角度和躯体距离,根据躯体角度和躯体距离构建透视投影矩阵;
24、采用透视投影矩阵对原始生猪图像进行坐标映射处理,得到映射坐标集合;
25、计算映射坐标集合与基准坐标集合的坐标偏移量;
26、判断原始生猪图像是否存在透视畸变,包括判断坐标偏移量是否大于预设的阈值;
27、如果坐标偏移量大于预设的阈值,则通过透视投影矩阵对原始生猪图像进行像素重采样,得到第一校正图像;
28、如果坐标偏移量不大于预设的阈值,则将原始生猪图像作为第一校正图像。
29、优选的,所述s4包括:
30、计算病理区域边界控制点与预设健康基准轮廓的初始轮廓偏差;
31、根据初始轮廓偏差拟合获得平滑边界控制点;
32、若平滑边界控制点的曲率特征大于预设阈值,则利用曲率调整确定尺度形变量;
33、根据尺度形变量对应的映射控制点与预设健康基准轮廓的相对位移计算位置形变量;
34、基于尺度形变量及位置形变量生成空间错位补偿矩阵。
35、优选的,所述s5包括:
36、获取第一校正图像中体表病理区域的边缘特征,根据边缘特征计算得到空间错位补偿矩阵;
37、采用空间错位补偿矩阵处理体表病理区域获得像素映射集合,根据像素映射集合确定灰度插值分布并调整,得到轮廓对齐数据;
38、通过轮廓对齐数据更新第一校正图像中的体表病理区域,采用空间错位补偿矩阵对第一校正图像中的体表病理区域进行仿射补偿处理,使体表病理区域与健康基准轮廓对齐,得到第二校正图像。
39、优选的,所述s6包括:
40、获取第二校正图像与预设健康基准图像,采用仿射变换算法对第二校正图像与预设健康基准图像进行空间配准处理,得到配准图像对;
41、根据配准图像对,通过逐像素相减运算提取对应像素位置的灰度差值,获得初始灰度差值矩阵。
42、优选的,所述s6还包括:
43、针对初始灰度差值矩阵,采用大津法进行二值化分割处理,确定异常区域连通分量;
44、若异常区域连通分量的像素数量大于预设数量阈值,则通过边缘检测算法提取异常区域连通分量的边缘轮廓像素点,确定体表病理区域的特征对齐坐标。
45、优选的,所述s7包括:
46、获取标准尺寸像素矩阵,所述标准尺寸像素矩阵由第二校正图像重采样得到;
47、提取标准尺寸像素矩阵的纹理数据生成病理纹理特征图。
48、优选的,所述s7还包括:
49、对病理纹理特征图降维获得降维病理特征向量,截断降维病理特征向量得到目标病理特征向量;
50、将目标病理特征向量输入预设分类模型得到概率集合,根据概率集合确定非洲猪瘟感染程度评估等级。
51、由上述技术方案可知,本发明具有如下有益效果:
52、该非洲猪瘟感染程度的图像分类方法,通过构建躯体姿态拟合模型获取生猪在固定视角下的空间位姿数据,并据此对原始生猪图像进行透视畸变校正,能够降低生猪姿态、距离和角度变化对图像识别结果的影响;同时,通过提取非洲猪瘟体表病理区域的连通域像素集合并确定病理区域边界控制点,结合健康基准轮廓计算尺度形变量和位置形变量,生成空间错位补偿矩阵,对病理区域进行仿射补偿和规范化对齐,从而减少病理区域因空间错位造成的特征偏差;进一步通过第二校正图像与健康基准图像的灰度差值确定特征对齐坐标,并裁剪得到病理纹理特征图输入分类模型,可提高红斑、出血斑、紫绀区域和溃疡区域等体表病理特征提取的准确性和稳定性,进而提升非洲猪瘟感染程度评估等级的分类可靠性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com