[发明专利]基于图像处理的常见淡水鱼种类自动识别方法

说明书

基于图像的常见淡水鱼种类自动识别方法，首先通过鱼轮廓提取，并对获得的轮廓依次进行水平化、长度统一化和鱼头识别处理，然后提取鱼体头部夹角、夹角顶点、鱼尾柄高度及尾柄中点，进一步求出鱼头夹角和鱼的宽长比特征值，最后以鱼头夹角和鱼轮廓宽长比为特征对鳊鱼、鲫鱼、鲢鱼、草鱼这四种常见淡水鱼进行识别。本发明所提供的方法比用受环境和光照影响明显的颜色特征、受鱼鳍变形影响明显的鱼背部轮廓特征来对鱼种类识别的结果更加稳定可靠。

技术领域

本发明涉及目标识别领域，具体涉及到一种基于图像处理的常见淡水鱼种类自动识别方法。

背景技术

淡水鱼在作为食品深加工前需要完成对不同种类的鱼进行分类任务，在淡水鱼苗育种时期同样需要区分不同种类的鱼进而对其特征信息采集，传统的方法是人工操作进行挑选，这种方法存在的缺点有：作业环境恶劣，劳动强度大，易损伤鱼体(如鱼鳞脱落、鱼鳍损伤等)，效率低且影响鱼的品质。

为了实现淡水鱼类自动化识别，图像处理技术已被应用到淡水鱼识别领域。目前，已公开的资料中基于图像处理的鱼类识别方法主要有三种：1)通过不同鱼种各个颜色分量及长短轴之比为特征进行识别(张志强等，基于机器视觉技术的淡水鱼品种识别[J].农业工程学报，2011,27(11):388-392)；2)通过鱼体背部轮廓相关系数算法对鱼体种类进行识别(涂兵等，基于背部轮廓相关系数算法的淡水鱼种类识别研究[J].计算机工程与应用,2016,52(16):162-166)；3)基于Krawtchouk矩、灰度共生矩阵、蜂群优化多核最小二乘支持向量机的识别方法(吴一全等.基于蜂群优化多核支持向量机的淡水鱼种类识别[J].农业工程学报,2014,30(16):312-319)。以上三种方法虽然能对不同鱼体进行识别，但识别结果极易受到如下因素影响：1)光线照射的角度和强度的不同；2)淡水鱼所处于的不同时期(幼鱼，成鱼，大鱼)；3)鱼身表面颜色，尾部，鱼鳍受外界影响易发生明显变化。这些因素也是鱼类识别的难点所在。

发明内容

本发提出了一种基于图像处理的常见淡水鱼种类自动识别方法，首先提取鱼轮廓头部夹角和鱼身宽长比参数，然后利用这两个参数联合对不同的常见淡水鱼种类进行识别。

为了解决上述技术问题，本发明提出以下技术方案：

基于图像处理的常见淡水鱼种类自动识别方法，包括以下步骤：

步骤1：鱼体图像轮廓规范化，包括：

步骤1.1：鱼轮廓提取：将二值化后的鱼的图像进行轮廓搜索，获得图像中鱼的轮廓；

步骤1.2：鱼轮廓图像水平化处理：首先计算鱼的轮廓的最小外截矩形w，进一步计算该最小外截矩形w的一条长边a与水平方向之间的夹角a0，再将该最小外截矩形w连同其所包围的区域绕长边a的左端点旋转a0角度，使最小外截矩形w的长边a与水平方向平行；

步骤1.3：鱼轮廓长度统一化：对最小外截矩形w连同其内部所含鱼的轮廓的长度方向、宽方向进行等比例放缩，直至最小外截矩形w的长度方向尺寸达到设定的像素长度L，将像素长度L作为识别所有常见淡水鱼时的长度统一化标准；

步骤1.4：鱼头判别：沿最小外截矩形w的长边a方向，同时从最小外截矩形w两端向中心逐列扫描并计算鱼的外凸部分轮廓宽度，则两端中鱼的外凸轮廓逐渐变宽的那端为鱼的头部所在端；所述鱼轮廓的最小外截矩形w在步骤1的图像中并不显示，只提取最小外截矩形w的尺寸和位置数据按步骤1进行处理；

步骤2：鱼头部夹角提取：提取鱼嘴附近上、下轮廓点群，再将两个点群分别利用最小二乘原理进行线性拟合，拟合成的两条直线的夹角α为鱼体头部轮廓夹角，夹角α顶点坐标为A(x_A,y_A)；