（农业电气化与自动化专业论文）基于支持向量机的猪发热症状识别研究.pdf

独创性声明 【iiiiiti iii ii i i i q q l1 1111l 18 9 4 6 2 1 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究 工作所取得的成果。除文中已注明引用的内容以外，本论文不包含任何其他个人 或集体已经发表或撰写过的作品成果，也不包含为获得江苏大学或其他教育机构 的学位或证书而使用过的材料。对本文的研究做出重要贡献的个人和集体，均已 在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名：磁 伽| 年6 日喃 学位论文版权使用授权书 江苏大学、中国科学技术信息研究所、国家图书馆、中国学术期刊( 光盘版) 电子杂志社有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、 缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致， 允许论文被查阅和借阅，同时授权中国科学技术信息研究所将本论文编入中国 学位论文全文数据库并向社会提供查询，授权中国学术期刊( 光盘版) 电子杂 志社将本论文编入中国优秀博硕士学位论文全文数据库并向社会提供查询。 论文的公布( 包括刊登) 授权江苏大学研究生处办理。 本学位论文属于不保密d 。 学位论文作者签名：互武 功j 7 年月【j ，日 江苏大学硕士学位论文 摘要 体温是猪体的一个重要的生理指标，体温反常是猪生理机能被扰 乱的一种重要症状之一。在许多疾病中，尤其是患某些传染病时，体 温升高往往比其它症状出现得更早。因此，及时地检测出规模养猪场 中的发热猪，可以有效控制猪病的流行与蔓延。本文提出一种基于支 持向量机的猪发热症状识别方法，以探索采用机器视觉技术快速检测 发热猪的新方法。 受养猪场的兽医目测猪的眼睛可大致判断猪是否发热这一方法 的启发，本文首先提取了猪眼彩色图像和灰度图像的特征。对猪眼彩 色图像，提取l 木a 牛、h s v 、r g b 三个颜色空间的每个分量的一、二、 三阶颜色矩；对猪眼灰度图像，提取猪眼灰度图像的平均灰度、平均 梯度、灰度熵、梯度熵，及眼珠与内眼角点之间的眼睑边缘的平均梯 度、上述眼睑边缘上下各两个像素的平均灰度。 然后，采用遗传算法从提取的3 3 个备选特征中优化选择出独立、 稳定性好、分类能力强的特征。分析了遗传算法流程中各步所采取的 方法，给出了相应的参数，并对优选出的特征进行了分析。优选出的 5 个特征参数分别为h 分量一阶颜色矩、s 分量一阶颜色矩、a 木分量 一阶颜色矩、灰度熵、眼睑边缘上下各两个像素的平均灰度( 眼珠与 内眼角点之间的眼睑) 。 最后，采用支持向量机将猪的发热症状分成体温正常，轻度发热 和重度发热三类。采用网络搜索方法选择最优的核函数参数和惩罚参 数，并比较了多项式、径向基以及多层感知器核函数的分类结果。实 验结果表明：径向基核函数最适合用作三类猪眼图像的识别。特征优 化前后，以径向基为核函数的支持向量机分类器的平均识别率分别为 江苏大学硕士学位论文 8 3 3 和8 5 6 。 本项研究对利用机器视觉代替人眼观察来及时发现猪的发热状 况的方法进行了有益的探索，实验结果表明具有可行性。这对减轻养 殖场工作人员得劳动强度，及时发现猪病征兆，提高规模养殖业自动 化监控水平具有较好的学术意义和实用价值。 关键词：发热，猪，颜色矩，支持向量机，遗传算法 江苏大学硕士学位论文 a b s t r a c t f o rap i g ，b o d yt e m p e r a t u r ei sa l li m p o r t a n tp h y s i o l o g i c a li n d e x ，a n d a b n o r m a l t e m p e r a t u r e i so n e i m p o r t a n ts y m p t o mo ft h e d i s t u r b e d p h y s i o l o g i c a l f u n c t i o n s w h e nt h ep i g s d e v e l o pd i s e a s e s ，e s p e c i a l l y i n f e c t i o u sd i s e a s e s ，i n c r e a s e db o d yt e m p e r a t u r eo f t e na p p e a re a r l i e rt h a n o t h e rs y m p t o m s s ot i m e l yd e t e c t i o no ff e v e r i s hp i g sc a nc o n t r o lt h e s p r e a d o fd i s e a s e s e f f e c t i v e l y i nt h e l a r g e s c a l e p i gf a r m s a n i d e n t i f i c a t i o nm e t h o dt h a tc l a s s i f i e st h el e v e lo ff e v e rf o rp i g sb yu t i l i z i n g s u p p o r tv e c t o rm a c h i n ew a sp r o p o s e dt oe x p l o r et h em e t h o do ft i m e l y d e t e c t i n gf e v e r i s hp i g s v e t e r i n a r yo fp i gf a r m sj u d g e sw h e t h e rt h ep i g sa r ef e v e ro rn o tb y o b s e r v i n gp i ge y e s e n l i g h t e n e db yt h i sm e t h o d ，f e a t u r e so fc o l o ri m a g e s a n dg r a yi m a g e so f p i ge y e sa r ee x t r a c t e df i r m l y f o rc o l o ri m a g e so fp i g e y e s ，t h ef i r s t ，s e c o n da n dt h i r dc o l o rm o m e n to fe v e r yc o m p o n e n to f l 水a 水b 木，h s va n dr g bc o l o rs p a c ei se x t r a c t e d f o rg r a yi m a g e so fp i g e y e s ，t h ea v e r a g eg r a y ，a v e r a g eg r a d i e n t ，g r a ye n t r o p y ，a n dg r a d i e n t e n t r o p yo ft h eg r a yi m a g e ，t h ea v e r a g eg r a d i e n to ft h ee y e l i db e t w e e nt h e p u p i la n dt h ei n n e rc a n t h u s ，a n dt h ea v e r a g e 伊a yo f2p i x e l sa b o v ea n d2 p i x e l sb e l o wt h ep i x e l so f t h ee y e l i d t h e n ，g e n e t i ca l g o r i s mw a su s e dt og e tf e a t u r e sw i t hi n d e p e n d e n c e ， g o o ds t a b i l i t ya n ds t r o n gc l a s s i f i c a t i o na b i l i t yf r o mt h e3 3c a n d i d a t e f e a t u r e s f o rf l o wc h a r to fs e l e c t i n gf e a t u r e sb yg e n e t i ca l g o r i t h m ，t h e m e t h o d s t h a te a c h s t e pt a k e s a r e a n a l y z e d ，a n d t h e c o r r e s p o n d i n g p a r a m e t e r s a r ep r e s e n t e d a l s o ，t h es e l e c t e dp a r a m e t e r sa r ea n a l y z e d a f t e ro p t i m i z a t i o nw i t hg e n e t i ca l g o r i t h m ，f i v ec h a r a c t e r i s t i c sr e m a i n e d t h e yw e r et h ef i r s tc o l o rm o m e n to fh ，s ，a n da 木c o m p o n e n t ，g r a y e n t r o p y ，a n da v e r a g eg r a d i e n to f t h ee y e l i d ( e y e l i dm e a n st h ep a r tb e t w e e n t h ep u p i la n dt h ei n n e rc a n t h u s ) 1 1 1 江苏大学硕士学位论文 f i n a l l y ，t h ef e b r i l el e v e l o fp i g sw e r ec l a s s i f i e di n t ot h r e et y p e s b a s e do ns u p p o r tv e c t o rm a c h i n e t h e ya ren o r m a lb o d yt e m p e r a t u r e ， m i l df e v e r ，a n ds e v e r ef e v e r t h en e t w o r ks e a r c hm e t h o di su s e dt os e l e c t o p t i m a lt h ep a r a m e t e r so f k e r n e lf u n c t i o na n dp u n i s h m e n t c l a s s i f i c a t i o n r e s u l t so fp o l y n o m i a l ，r b fa n ds i g m o i dk e r n e lf u n c t i o na lec o m p a r e d t h er e s u l t ss h o wr b fk e m e lf u n c t i o ni sm o s ts u i t a b l ef o rc l a s s i f y i n g t h r e e t y p ep i c t u r e so fp i ge y e t h ep r ea n da f to ff e a t u r eo p t i m i z a t i o n ，t h e r e c o g n i t i o nr a t e o fr a d i a lb a s e s u p p o r tv e c t o rm a c h i n ec l a s s i f i e r i s 8 3 3 a n d8 5 6 ，r e s p e c t i v e l y s of a r ，t h er e s e a r c ho nt h i ss u b j e c ti ss t i l l u n d e rt h ew a y s ot h ep a p e ri so fs o m ei n s t r u c t i o nf o rt h ef u t u r er e s e a r c h t h i ss t u d yh a sp r o v i d e dv a l u a b l e e x p l o r a t i o no nt h em e t h o do f d i s c o v e r i n gt h el e v e l o fp i g s u s i n gm a c h i n ev i s i o n i n s t e a do fe y e o b s e r v a t i o n t h ee x p e r i m e n t a lr e s u l t ss h o wt h ef e a s i b i l i t y i th a sg o o d a c a d e m i cs e n s ea n d o p e r a t i o nv a l u ei nl i g h t i n gw o r kl o a d ，d i s c o v e r i n gt h e s y m p t o m o ft h ed i s e a s e st i m e l y , e n h a n c i n ga u t o m a t i cm o n i t o ra n dc o n t r o l l e v e lo fs c a l ef a r m i n g k e y w o r d s ：f e v e r ，p i g ，c o l o rm o m e n t ，s u p p o r tv e c t o rm a c h i n e ，g e n e t i c a l g o r i s m i v 江苏大学硕士学位论文 目录 第一章绪论。1 1 1 本项研究的目的和意义1 1 2 国内外研究现状2 1 2 1 基子机器视觉鲍疾病诊断研究现状2 1 。2 2 动物疾病的智能诊断研究现状。3 1 2 3 遗传算法和支持淘量机在对象识别中的应用现状4 1 3 本文的主要研究内容及研究思路。5 工3 1 芏要研药力芬。5 1 3 2 砀吲潞6 第二章猪眼图像采集及图像预处理7 2 1 猪眼图像采集7 2 2 猪眼图像预处理8 2 3 本章小结1 0 第三章猪眼图像的特征提取1 1 3 1 彩色图像备选特征的提取1 1 3 1 1 彪搠工工 3 1 2 颜琶符荭蓑示方法2 工 3 1 3 颜色空间和颜色特征表示方法匏选择2 4 3 i 4 三类猪鼹的颜色特征提现2 4 3 2 灰度图像备选特征的提取2 s 3 。2 1 眼珠s 内眼角点之间眼睑边缘的提取2 5 3 2 2 三类猪鼹图像灰度特征的提取2 9 3 3 本章小结3 1 第四章利用遗传算法优化备选特征。：3 3 4 1 遗传算法3 3 4 1 1 遗传算法的原理3 4 4 1 2 遗传算法的构成要素3 s 4 1 3 遗传算法的基本流程和特点3 9 4 2 采用遗传算法优化选取猪眼图像特征4 0 4 3 本章小结4 4 第五章基于s v m 的猪发热症状模式识别4 s 5 1 模式识别概述4 5 s 2 支持向量机4 5 5 2 1支持向量枧的理论基础幻 5 ，2 。2 支持向量机的多分类方法5 2 s 3 基于支持向量机的猪发热症状识别模型5 4 5 3 1 s v m 核函数及其参数选择5 4 v 江苏大学硕士学位论文 5 3 2 三类猫锾盈礞勰勇矽：。5 7 5 4 本章小结5 8 第六章总结与展望。6 l 6 1 总结6 1 6 2 后续工作与展望6 2 参考文献。6 3 致谢。6 9 攻读硕士研究生期间发表的论文。7 l 江苏大学硕士学位论文 ： 第一章绪论 1 1 本项研究的目的和意义 近年来，随着规模养猪业的发展，猪病的流行与蔓延是制约养猪业高效高产 的主要问题，而体温是猪体的一个重要的生理指标，体温反常是猪生理机能被扰 乱的一种重要症状之一。在许多疾病中，尤其是患某些传染病时，体温升高往往 比其它症状的出现更早。因此，体温是诊断猪体疾病不可缺少的依据之一。所以， 及时地检测出发热猪，对预防大规模疾病的爆发及养猪产业的安全稳定发展具有 重要的意义。 在工厂化规模养猪场，兽医通常通过观察猪的眼部状态来判断猪的发热症 状，主观性强，且这是一项琐碎而细致的工作，兽医必须对每头猪进行仔细检查， 而猪场内有害气体的浓度较高，长时间穿梭于环境恶劣的猪舍中对工人的身体健 康会产生不利的影响。所以，研究客观、快速、智能的体温判断方法，对提高我 国规模养猪场的健康养殖及自动化与智能水平具有重要的意义。 本项研究利用图像处理技术对猪眼进行图像采集和预处理，通过提取猪眼彩 色图像和灰度图像的备选特征，利用遗传算法对所提取的备选特征进行相应的算 法处理，最后采用s v m 分类技术来识别猪的发热症状。该项目的实施将在遗传 算法、s v m 分类等方面取得成果，故具有重要的科学意义。特别是该成果的取 得将在世界范围内填补空白，对现代化养殖业的健康发展具有很好的促进作用。 研究智能化发热猪识别方法，可以使规模养猪业更规范化、人性化、标准化、 环保化，提高规模养猪业的综合经济效益。它将大大减轻兽医的劳动强度，改善 工作者的工作条件。同时也将增加养猪产业的技术含量，大大提高其生产效率， 从而促进世界范围内规模化养猪业的健康稳定发展，具有十分重要的社会经济效 益。 综上所述，本项研究具有较大的研究价值和应用价值，也必将带来较好的社 会效益和经济效益。 江苏大学硕士学位论文 1 2 国内外研究现状 一 1 2 1 基于机器视觉的疾病诊断研究现状 人患病时，某些部位通常会呈现异常特征。早期，人们通过肉眼观察生物特 定部位的异常特征来诊断疾病。随着计算机技术及数字图像处理分析理论的成 熟，机器视觉技术逐渐渗透到疾病诊断领域。 1 9 9 5 年，余兴龙等以m u n s e l l 颜色系统为色标，利用样本训练系统，根据模 糊数学理论，对r g b 空间的颜色成份使用聚类方法而确定了有关舌象的定义域， 主要研究了淡红舌、暗红舌、紫红舌和暗紫舌，识别率达8 6 3 4 t 。 1 9 9 9 年，苏开娜等首次利用图像处理技术对舌苔润燥进行了分析，采用了 二分光反射模型来讨论舌苔图像上亮斑像素点在r g b 颜色空间的分布特征和亮 度特征【2 1 。 2 0 0 0 年，c h l i 等研究了在不同色彩空间中，使用不同的聚类尺度对舌象 进行颜色匹配，并提出了新的聚类尺度【3 】。同年，c c c h i u 等提出一种结果识 别方法来进行舌诊，他们把舌象分成根部、中间、舌尖三个区域，利用r g b 颜 色空间模型，通过比较颜色属性把各舌象归为某一已知类后，再进行纹理分析， 主要讨论了厚薄苔与腻苔，它是舌象纹理方面研究的首次探索，但在分析纹理时 没有考虑颜色信息【4 】。 2 0 0 2 年，y a n gc m 对癌症舌象的颜色特征进行了深入的分析和研究，他通 过研究发现癌症患者医疗诊断数据与舌象颜色特征有很大的联系【5 】。同年，刘莉 在做自动手掌诊病的研究中，首次尝试实现了手掌的分割和分区，提取出了手掌 的两类颜色特征，并将其应用于癌症和非癌症手掌图像的分类识别中【6 1 。 2 0 0 4 年，庞博等对阑尾炎的舌象进行了相关的研究，并在阑尾炎诊断过程 中进行了应用，取得了较好的效果【7 】。同年，刘文兰等人用奥林巴斯数码相机及 “中医舌诊专家系统”分析3 5 例乙肝肝肾阴虚证和2 7 例亚健康状态肝肾虚证的大 学生的面部、手掌和色像瞵j 。 2 0 0 6 年，傅言首先选定了能够反映病理状况的面部肤色区域，然后，根据 人脸基色与病症之间可以建立一一对应关系，实验了在各种彩色空间下，各种分 类算法的实现及其效果，最后，选用了r g b 和l a b 色彩空间对基色进行分类判 断而判决病症类型，从而达到自动诊断的目的，病症的类型主要有三种：黄疸型 2 江苏大学硕士学位论文 一 肝炎，无黄疸型肝炎，健康【9 】。同年，吴劲松提出了基于像素级对整个舌象进行 颜色聚类的方法，通过聚类出舌象的颜色范围集合，采用改进的k 近邻算法对 肾病舌象的每个像素进行特征匹配，得到整个舌象的颜色比例组成，以此作为其 颜色特征进行识别，整个过程符合中医舌诊诊断过程，符合人对舌象颜色的主观 判断【l o l 。 2 0 0 7 年，毛红朝首先利用基于a d a b o o s t 分类器的目标检测定位方法给出特 征点初始位置，采用基于主动形状模型( a s m ) 的特征点定位方法进行区域划分， 然后，提取在区域内部提取颜色特征，采用基于肤色基色的颜色校正后，将提取 颜色的r g b 值转化为其他的颜色模式，最后，采用基于支持向量机的分类方法 来进行面色归属识别【1 1 1 。同年，吕尚征利用图像处理技术，对指纹进行微观的分 析，采用对比指纹图像差异的方法作为精神疾病诊断参考的方法，并提出此方法 可以延伸到其他遗传疾病的参考诊断【1 2 】。 2 0 0 8 年，吴暾华提出了一种基于中医面色脏腑分属图的面色识别方法，先 以中医面色脏腑分属图及一般面部特征点坐标为依据，自动获取跟面色识别有关 的特征区域；然后利用手臂皮肤颜色做基色，在l a b 颜色空间中，采用模糊c 均值聚类算法对各面诊特征区域进行二分类，设定判定条件后把面色分离出来； 接着将面色区域内的聚类中心视为此特征区域的面色特征值，并把各面诊特征区 域的特征值构成的特征向量当作训练或识别的输入；最后，利用基于r b f 核的 支持向量机对面诊特征向量进行归类，得出该人脸整体色隶属于( 青、赤、黄、 白、黑、常色) 中哪一种【1 3 1 。同年，吴金飞对“上火”的症状特征、舌象特征及其 与部分理化指标的关系进行了分析，制定了“上火”的判定标准，并对“上火”者的 健康状态作出评价，提出有价值的调整意义【1 4 】。 1 2 2 动物疾病的智能诊断研究现状 动物发病后，其某些疾病、在其某个器官、某个部位或排泄物中，常呈现出 特有的颜色，一些富有经验的动物医学工作者，将其作为特征性症状( 有的作为 疾病名称) ；诊断时，以此为核心，层层累加其他症状，可以较快确诊。这些基 本颜色共五种，即红、黄、蓝、白、黑，每一色作为一诊，共五诊，即“五色” 诊病 1 5 】。赵年彪研究了猪发热的辩证施治；列出了气分发热、气虚发热、阴虚 发热以及瘀血阻滞发热等几种常见发热在其身体某些部位伴随的特有特征【1 6 1 。 江苏大学硕士学位论文 2 0 0 0 年，陆昌华等采用模糊数学与用户二次加权相结合的方法可诊断3 0 种 常见鸡病，经2 4 4 份病历验证，完全符合率达8 0 。在此基础上，进一步利用多 媒体技术，设计一种集声音、图像和文本等多种混合信息输入、显示、查询和处 理于一体的系统，并与已有的鸡病诊断专家系统相结合，以便提供更加丰富与完 整的信息，提高计算机诊断疾病的正确率。该系统由数据库、知识库、图形、图 像库等组成，系统界面直观生动且操作简单，并能以较快的速度输出诊断结果和 处方，在大、中型养鸡场和基层兽医站开展卫生保健与疾病诊断等场合非常适用 【1 7 】 o 2 0 0 8 年，陈强等针对传统专家系统获取知识困难自学习能力差和推理能力 弱等缺点，设计出了一个基于b p 神经网络的水牛疾病诊断专家系统。此系统首 先通过专家诊断过的水牛疾病的病历对神经网络进行训练，并用训练好的神经网 络对疾病进行诊断；然后针对诊断结果进行反向推理以确诊水牛疾病，结果表明， 该系统很好地改进了传统专家系统存在的一些缺点。另外，该水牛疾病诊断系统 的实现方法可推广应用到其它动物的疾病诊断系统中，为疾病诊断系统的开发提 供了一条有效的新途径f 1 引。 2 0 0 9 年，本课题组的彭彦松等针对现代化养鸡场中对于鸡疾病的检测仍然 采用人工检测这一现状，根据肉鸡腹水综合征的特点，提出了一种肉鸡腹水综 合征检测的新方法基于支持向量机的肉鸡腹水综合征自动探测算法。实验结果 表明，本文提出的方法探测率高、实时性好，能够及时、准确地发现病鸡，为养 鸡场病鸡的自动检测技术的进一步发展，提供了理论和技术基础【1 9 】。 1 2 3 遗传算法和支持向量机在对象识别中的应用现状 2 0 0 3 年，毛罕平等以无土栽培番茄营养元素亏缺叶片彩色图像为研究对象， 提出从彩色和纹理时域、频域、时频域等多个角度集成提取缺素叶片图像的有效 特征，建立了基于计算机视觉的缺素模式识别系统，并利用遗传算法对提取的众 多特征项进行优化选择，以使诊断识别用的信息分类能力最优【2 0 1 。 2 0 0 4 年，田有文等将色度矩和支持向量机结合起来，进行黄瓜、葡萄和玉 米叶片的病害识别，利用色度矩提取植物病害叶片的纹理特征，实验证明，色度 矩能够反映图像的色彩性和色度能量的分配特性，采用基于径向基核函数的支持 向量机能够对植物病害图像具有很高的分类能力【2 1 1 。 4 江苏大学硕士学位论文 2 0 0 5 年，李杰等将支持向量机和遗传算法结合起来进行纹理识别，利用小 波变换得到一系列特征后，采用遗传算法对这些特征进行优化选择，最后用多分 类支持向量机对纹理图像进行分类，实验结果表明该方法比神经网络方法识别率 更高、推广性更强【2 2 1 。 2 0 0 8 年，王宏勇等利用遗传算法和支持向量机对玉米的品种进行了识别， 采用遗传算法对从玉米种子图像中提取的特征进行优化，然后利用决策二叉树的 支持向量机分类算法对玉米品种进行识别。实验表明，此方法操作简单、高效， 能选择出适合玉米种子识别的特征且能正确识别出玉米种子【2 3 】。 2 0 0 9 年，王娜等综合提取玉米病害图像的颜色、纹理、形状等特征向量共 2 8 个，然后采用遗传算法优化选择出4 个分类效果好的特征，采用f i s h e r 判别 分析方法进行识别，准确率在9 0 以上【2 4 】。同年，祁广云等结合颜色特征，分 别运用b p 神经网络和遗传算法进行大豆叶部病斑识别，并运用区域标记以及轮 廓跟踪提取了病斑面积、周长、圆度、复杂性、伸长度、球状性、重心坐标、长 短轴比共8 个形状特征【2 5 1 。 1 3 本文的主要研究内容及研究思路 1 3 1 主要研究内容 迄今为止，利用图像处理与模式识别技术诊断猪的发热症状，尚未见过此方 面的研究报道。因此，本项目的实施更多的是一种尝试和探索，寄希望对今后的 研究工作起到一定的启发和借鉴作用。 本文以猪眼为研究对象，运用机器视觉技术，重点研究猪眼图像备选特征的 提取、备选特征的优化以及猪眼图像的分类识别方法，设计和开发猪眼图像处理、 特征优化及图像识别软件系统，实现猪发热症状的三类识别。 为实现猪发热症状的识别，本文主要在以下几个方面进行了研究： ( 1 ) 选择合适的颜色空间，用恰当的颜色表示方法进行表达三类猪眼彩色图 像的备选特征。用恰当的算法提取猪眼灰度图像的备选特征。 ( 2 ) n 用遗传算法优化选择出独立、稳定性好、分类能力强的特征向量，作 为s v m 的特征值输入。 ( 3 ) 用多分类支持向量机的模式识别方法猪眼图像分成三类。进而在v c + + 6 o 平台上实现基于机器视觉的猪发热症状识别软件系统。 s 江苏大学硕士学位论文 ： 1 3 2 研究思路 本文的研究思路如下图所示： 图1 i 本文的研究思路 6 江苏大学硕士学位论文 第二章猪眼图像采集及图像预处理 2 1 猪眼图像采集 猪的正常体温一般在3 8 5 4 0 0 之间，平均在3 9 。体温超过正常温度 0 5 1 叫微热，见于局限性炎症和轻微病程中；体温超过1 2 叫中热，见于支 气管炎、急性胃肠炎及一些亚急性传染病的过程中；如果超过正常体温2 3 就 是高热了，这种情况下见于猪瘟、猪丹毒、流感等疾病；超过3 以上为极高热 多见于重症传染病，如炭疽、脓毒败血病等。这里所指的体温为肛温。本文以 江苏省丹阳荣鑫农牧发展有限公司的规模养猪场的育肥猪为试验对象，采用奥林 巴斯u 3 0 0 d ( 3 0 0 万像素彩色数码相机) 采集养猪场中正常猪和发热猪的眼睛图 像，并通过体温计测量分出三类：正常猪( 体温3 8 5 4 0 度) ，发热较轻( 体温 4 0 4 1 5 度) ，发热较重( 体温4 1 5 度以上) 。上述三类猪眼的图像各拍摄3 0 组，共9 0 组图像。本实验用到的部分图像如图2 1 所示，其中最上面一行为正 常猪眼图像，中间一行为发热较轻猪眼图像，最下面一行为发热较重猪眼图像。 图2 1 三类猪眼的部分图像 由于基于机器视觉的猪发热症状识别的研究尚处于实验研究阶段，所以，通 过数码相机拍摄的方法得到猪眼图像，以进行猪发热症状识别算法的初步开发。 数码相机携带方便，操作简便，可以直接将模拟图像转化成计算机能够识别并进 行处理的数字图像，并把数字图像通过内部芯片以数字格式存放于存储卡中。这 样就可以简化模拟图像向数字图像转化的过程，减少由转化过程中所生成的图像 噪声，以提高原始采集图像的质量。图像的采集是在自然光下进行的。 将数码相机通过u s b 接口与计算机相连，把采集到的图像以2 4 位b m p 格 式存储在计算机硬盘中，以便于后续处理。计算机是猪眼图像处理及猪发热症状 7 江苏大学硕士学位论文 识别的核心部分。采集的图像存储在计算机硬盘后，由计算机的猪眼图像预处理 及猪发热症状识别软件系统进行处理和分析。实现对猪眼图像的预处理、特征提 取及猪发热识别，最后将处理和识别结果显示在计算机的显示器上。本研究采用 的计算机c p u 为c e l e r o n ( r ) 3 0 6 g h z ，内存为5 1 2 m b ，操作系统为w i n d o w sx p 。 2 2 猪眼图像预处理 通过c c d 摄像头采集图像的过程中，由于会受到不同程度的干扰，特别是 设备的噪声干扰，而使图像的质量有所降低。噪声是随机的，根据产生的原因可 以把噪声分为高斯噪声、白噪声、脉冲噪声等【2 6 1 。其中高斯噪声指的是服从高斯 分布或正态分布的噪声；白噪声指的是服从频谱均匀分布的噪声；脉冲噪声又称 椒盐噪声，是一些随机出现的黑白点，它是最常见的噪声，对图像的质量影响较 大，需要将其滤除【2 7 1 。 对图像进行滤波的目的有两点：( 1 ) 消除混杂在图像中的干扰，改善图像质 量；( 2 ) 强化图像表现特征，对图像进行滤波处理的要求是不能损坏图像的轮廓 及边缘等重要信息。 彩色图像滤波法主要包括标量滤波法和矢量滤波法。标量滤波法是基于边缘 排序的。它直接将灰度图像的滤波算法扩展到彩色图像上，即先对彩色图像的三 个彩色通道分量分别应用灰度图像的滤波算法进行滤波，然后把处理后的分量图 像合成起来形成新的彩色图像。很显然，这类方法没有考虑到彩色图像的三个彩 色分量之间的有机联系，容易导致产生原图像所没有的彩色而造成彩色失真。因 此，研究者们大都认为，目前消除彩色图像中噪声最好的方法是以统计理论和矢 量处理技术为基础的非线性矢量滤波法，此方法在保持色调、去除噪声及保护边 缘与细节上的稳健性较好2 8 , 2 9 , 3 0 。最近十几年来，彩色图像矢量滤波技术的发展 速度非常快，研究者们不断提出各种新的滤波理论和方法。矢量滤波法将彩色像 素作为三维矢量来处理，通过各彩色通道分量之间的联系来处理彩色像素，不会 产生原图像所没有的彩色。因此，通常认为彩色图像的矢量滤波法较标量滤波法 更合理、更有效【3 1 1 。矢量滤波法包括线性滤波和非线性滤波两类。其中，基于统 计排序的矢量中值滤波方法( v m f ) 作为一种非线性滤波技术，在消除噪声、保持 色调和边缘细节信息同时具有良好的稳健性。因此，本文采用矢量中值滤波方法 对猪眼图像进行滤波。 8 江苏大学硕士学位论文 彩色图像矢量中值滤波器的原理是先求出滤波器窗口内的每个矢量到窗口 内其他全部矢量的距离和，然后对窗口内全部的矢量距离和进行排序，把距离和 最小的矢量当作滤波器的输出像素来替代滤波器窗口的中心像素3 2 1 。设把n 个 矢量的集合y = v 1 ，：，v ) 通过一个矢量中值滤波器后得到的输出中值矢量是 x 聊= 聊“，1 ，：，v ，其中x 蹦h ，v ：，1 ，) ，进行彩色图像矢量滤波的流程 如下： ( 1 ) 计算出滤波器窗口中的每一个矢量到其余矢量的距离和 墨= - r i l l ，( i 一1 ，2 ，或被称为矢量差值二范数之和； j = l ( 2 ) 选出所有矢量距离和中的最小值，把它记为s k ； ( 3 ) s k 所对应的v 。满足k - v , l l - 0 0 0 8 8 5 6 1 9 0 3 3 f ( r l y o ) ( r r o ) 0 0 0 8 8 5 6 a = 5 0 0 f ( x x o ) 一f ( y r o ) 】 ( 3 3 ) b 宰= 2 0 0 f ( y r o ) 一f ( z z o ) 】 其中 儿) _ 1 t 7 l 用1 37 。6 蒜淼 4 ， 式中，k ，k ，z o 表示的是标准白光对应的x y z 值。 c i e 也定义了与c i el 木a 水颜色系统类似的c i el 木u 木v 宰颜色系统，其中u 拳、 v 幸表示由彩度色调与产生的色感知属性。此颜色系统同样以对立色理论和参考白 点为基础而建立，且与设备无关，适用于以加色原理来进行组合及显示器显示的 应用场合。另外，这两种颜色空间虽然与完全均匀还有一定的距离，但基本上都 是均匀的。 三个刺激量x ，y ，z 到c i el 宰u 幸v 拳颜色空间的转换公式如下： ，宰一j l1 6 f ( r y o ) 3 1 6 ( r t o ) 0 0 0 8 8 5 6 1 9 0 3 3 f ( y t o ) “3 ( y r o ) o 0 0 8 8 5 6 u 木= 1 3 l 幸( “一甜o )( 3 5 ) 俨= 1 3 l 木( v 一1 ，o ) 变量“，和u o ，y 0 t 可以从下式得出： 4x u = ： 彳+ 1 5 】，+ 3 z “= 盎 江苏大学硕士学位论文 1 ，：兰，_ ( 3 6 ) 1 ，= 一 j o l x + 1 5 y + 3 z 、。 1 ，_ 2 垦 ”+ 1 5 虼+ 3 z o x o 、k 、z o 为标准白光所对应的x y z 值。c i el * u 奎v 幸颜色模型对红色变 化比较敏感，而对蓝色变化的表示显得相对粗糙。 建立c i el 木u 木v 木和c i el + a 牛颜色系统的目标是解决颜色的等距离度量， 具有均匀的色品标尺与明度标尺，它们的均匀性及独立性好于x y z 空间。然而， 因为均匀色品标尺并没有将饱和度和色调分开，因此可以用来处理的只有一个亮 度分量，而彩色图像的色彩信息却不能利用。这样在进行彩色图像处理时，就被 限制在灰度图像处理的领域，受到极大地约束。相对而言，它们是当前量化分析 颜色的最好用的均匀颜色空间。不但保留了x y z 颜色空间的优点，而且还具有 颜色差异的规范化空间；另外，由于这两种颜色模型可以用圆柱坐标表示，所以 能适应不同的要求。具备上述优点的这种颜色模型更实用于对颜色有严格要求的 应用场合。它们特别适用于需要量化二种颜色之间的感知距离的彩色图像处理应 用，如彩色图像分割【3 4 ，3 5 1 、目标识别【3 6 1 和图像校斛3 7 1 等等。 ( 5 ) 视觉感知颜色空间：h s v 和h s l 人们通常根据知觉感受的色调、纯度和亮度来描述对色彩的感受。这类颜色 系统称为知觉颜色系统。感知颜色空间被广泛地应用于彩色图像处理中，如噪声 去除和图像增科3 8 洲、目标分类和识另1 1 4 0 等等。 h s v 颜色系统是一种面向用户的主观颜色系统，它模拟了人对颜色的直观 感觉。该颜色系统完全以作画的配色过程为基础。画家配色时常常用色调( t o n e ) 、 色泽( t i n t ) 及色深( s h a d e ) 。在一种纯色颜料上面掺入白色能够得到合适的色泽， 混入黑色就会得到色深，若同时进行调整则会得到不同色调的颜色。色调、色泽 及色深三者间的关系能以如图3 3 所示的一个三角形来表示。此三角形是对一个 颜色的表示，多个这样的三角形在黑白轴线的周围排列起来，便组成了主观颜色 三维表示的模型。 1 6 江苏大学硕士学位论文 灰 色 白色盥 里1 白 图3 2 色泽、色深和色调的关系 h s v 颜色系统的各个分量通常是各自独立的：h 表示色调( h u e ) ，s 表示饱 和度( s a t u r a t i o n ) ，v 表示亮度( v a l u e ) 。色调又称为色相，指区别颜色外观的名称 或颜色的种类，是视觉系统对一个区域呈现颜色的感知。它由可见光谱中光波的 频率决定，通过这样一种属性来区分颜色是最容易的。饱和度指的是颜色的纯度， 表示的是某种颜色被白光冲淡的程度，用它能够区分颜色的明暗程度。颜色完全 饱和指的是所呈现的颜色没有白光掺入。亮度指的是人感知到的光的明暗程度， 光波的能量与亮度成正比例关系。颜色的色调和饱和度合在一起表示颜色的深 浅，称为色度。降低饱和度s 相当于在当前颜色中加入白色；而降低亮度v 则 对应于在当前颜色中加入黑色。h s v 颜色系统用极坐标形式来定义颜色空间， 其可见颜色空间可用一个倒立的单位正六棱锥表示，如图3 3 所示。该六棱锥的 锥顶( 表示黑色) 位于h s v 颜色空间坐标系的原点，锥底面的中心表示白色， 六个顶点分别表示最亮的六种纯色：红、黄、绿、青、蓝和品红。其亮度信息由 h s v 颜色空间采样点沿轴向的距离来度量；饱和度由采样点与中心轴线的径向 距离决定，距离越远饱和度值越大，而色度则被表示为采样点在锥底平面上的投 影和纯红色点分别与纯白色点的连线之间的夹角。 因为人的视觉对彩色浓淡的敏感程度大大低于对亮度的敏感程度，为了便于 色彩处理和识别，人的视觉系统经常采用h s v 色彩空间。它有两个特点：其一， h 与s 分量十分接近人感受颜色的方式；其二，v 分量与图像的彩色信息没有关 系，所以处理彩色时只需考虑其它两个分量。从以上两个特点可以看出，h s v 颜色空间十分适合借助人的视觉来感知彩色特性从而对处理图像进行处理。另 外，当一个像素的r 、g 、b 分量取值相近时，这个像素是不确定的，在此类像 1 7 江苏大学硕士学位论文 ： 素点附近，即使r 、g 、b 分量变化很小也会引起h 很大的波动，从而出现不稳 定现象。在图像处理和计算机视觉中很多算法都可在h s v 颜色系统中方便地使 用，各分量可以分开处理并且是相互独立的。因此，在h s v 色彩空间能够在很 大程度上简化图像分析和处理的工作量。 图3 3h s v 颜色空间模型 度) 度) h s v 颜色空间与r