杨奕铭，邸馨瑶，宋怀波．融合超像素分割算法与肢体特征的奶牛躯干精确分割方法［Ｊ］．江苏农业科学，２０２０，４８（１５）：２５３－２６０．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２０．１５．０４７
融合超像素分割算法与肢体特征的奶牛躯干精确分割方法
杨奕铭，邸馨瑶，宋怀波
（西北农林科技大学机械与电子工程学院／农业农村部农业物联网重点实验室／陕西省农业信息感知与智能服务重点实验室，陕西杨凌７１２１００）
  摘要：为了实现奶牛躯干的精确分割，以荷斯坦奶牛为研究对象，首先采用超像素分割算法（ｓｉｍｐｌｅｌｉｎｅａｒｉｔｅｒａｔｉｖｅｃｌｕｓｔｅｒ，简称ＳＬＩＣ）与显著性分析相结合的方法获得完整奶牛目标；然后通过设置傅里叶描述子以平滑Ｃａｎｎｙ算子边缘检测的奶牛轮廓；最后采用基于奶牛肢体特征的分割点提取方法提取各分割点并依次连接生成奶牛躯干的分割线。为了验证本研究结果的有效性，使用试验图像库中随机抽取的２０幅图像进行了测试，试验结果表明，本研究所提取的奶牛目标与手动提取目标的平均重叠率为９６．８３％，可以实现不同背景下奶牛目标的准确分割。本研究所提出的奶牛躯干分割方法的平均重叠率为９９．８６％，表明该方法在奶牛躯干精确分割中准确率较高且相对稳定，可以实现不同站立体态奶牛的高精度分割。
  关键词：奶牛；躯干分割；ＳＬＩＣ算法；显著性分析；傅里叶描述子
  中图分类号：ＴＰ３９１．４１  文献标志码：Ａ  文章编号：１００２－１３０２（２０２０）１５－０２５３－０７
收稿日期：２０１９－１２－２６
基金项目：陕西省重点产业创新链（）———农业领域项目（编号：２０１９ＺＤＬＮＹ０２－０５）；国家重点研发计划（编号：２０１７ＹＦＤ０７０１６０３）；中央高校基本科研业务费专项资金（编号：２４５２０１９０２７）。
作者简介：杨奕铭（１９９９—），男，广东惠州人，主要从事数字图像处理研究。Ｅ－ｍａｉｌ：ｙ３５２１８４７４１＠１６３．ｃｏｍ。
通信作者：宋怀波，博士，副教授，博士生导师，主要从事数字图像处理研究。Ｅ－ｍａｉｌ：ｓｏｎｇｙａｎｇｆｅｉｆｅｉ＠１６３．ｃｏｍ。
  奶牛的头部、颈部、躯干及四肢包含着诸多奶牛的运动信息，开展奶牛躯干的精细分割方法研究，可为奶牛体态检测、体况评价、运动评分、目标识别及行为分析等研究奠定基础，对于提升奶牛养殖场的现代化和智能化水平具有重要的促进
作用［１－５］。
在奶牛目标识别、分割、行为分析等方面，国内外研究已经取得了大量成果。在奶牛行为识别方面，Ｍａｒｔｉｓｋａｉｎｅｎ等使用三轴加速度计和支持向量机（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，简称ＳＶＭ）方法，实现了奶牛站立、躺卧、反刍、进食、正常行走和跛行等行为
的识别，平均识别正确率为７８．００％［６］
。顾静秋等提出了一种基于图像熵的奶牛目标识别方法［７］，利
用最小包围盒面积识别奶牛连续７ｄ的运动量，该方法对奶牛发情、蹄病行为的识别率超过８０．００％。
Ａｈｎ等提出了基于运动历史图像特征的ＳＶＭ分类
器识别奶牛行为，识别准确率为７２．００％［８］
。在奶
牛目标分割与躯干精确分割方面，金一初等将奶牛图像转换到ＬＵＶ颜空间并对各子块进行块内颜
聚类，基于奶牛颜和纹理特征对子块作区域生长，实现了奶牛目标的分割，准确率在８０．００％以
上［９］。Ｎａｈａｒｉ等利用局部阈值分割与Ｋ－ｍｅａｎｓ聚
类算法相结合的方法将奶牛图像分为２簇并提取奶牛目标，分割结果优于局部阈值分割与边缘检测相
结合的方法［１０］
。赵凯旋等基于深度图像的机器学
习方法，选取不同采样半径下的像素点带阈值局部二值式序列作为深度特征值，并用决策树森林机器学习方法实现了奶牛躯干的精细分割，平均识别率
为９５．１５％［１１］。李国强等提出了基于奶牛骨架特
静秋
征的肢体分割方法，在提取奶牛肢体骨架的基础上，以骨架分叉点作为奶牛肢体的分解线来分割奶牛肢体，该方法对各肢体分解的平均正确率为
９５．０９％［１２］。
综上所述，在动物躯干分割方面，基于深度图像的奶牛分割方法易受图像背景环境、光照及奶牛
毛变化等因素的影响［
１３］
；轮廓提取算法得到的轮廓冗余信息较多，不利于躯干分割点提取［１４］
；角点检测算法存在误差较大等问题［１５－１７］。针对上述问
题，本研究拟从奶牛目标提取方法、奶牛轮廓提取
—
３５２—江苏农业科学　２０２０年第４８卷第１５期