论文部分内容阅读
图像处理与模式识别是一门前景远大的新型交叉学科,在人工智能、生物医学、卫星遥感、工业监测和机器人控制等领域获得了广泛的应用,并迅速渗透到农业科研和生产技术领域。本文的两个主要研究内容正是图像处理与模式识别理论在相关领域的应用,其中人脸表情识别是其在人工智能领域的应用,奶牛体型线性评定数字化是其在农业生产领域的应用。表情是人们情感的外在表现,是情感的主要载体,所以利用计算机对面部表情进行分析与识别,有利于实现情感的智能化,对人工智能乃至人工情感的发展具有重要的意义。根据人脸表情识别的步骤,人脸表情识别系统的算法主要包括图像处理算法、特征提取算法和分类算法。论文先是对人脸表情识别的各类算法进行了综述,并介绍了一些经典算法,然后重点讨论了其中的特征提取算法。论文在充分研究现有的表情识别的各种算法的基础上,力求寻找适合于表情识别的特征提取算法。论文提出了一种较为简单有效的特征提取算法,即基于Contourlet变化与FLD的人脸表情特征提取算法。这种方法首先对预处理过的图像进行Contourlet变换,其中Contourlet变换是一种新的多尺度几何分析方法,它在具备小波变换的多分辨率特性和时频局部特性的同时,还具有很强的多方向选择性和各向异性。由于图像经过Contourlet变换后的低频分量体现表情的概貌,高频方向子带体现表情的轮廓,纹理等细节,所以这里将低频分量与部分高频方向子带结合起来作为整体特征,从而既压缩了图像的数据量,又体现了表情的本质特征,然后用Fisher线性判别法(FLD)进行特征提取,最后采用k-近邻法进行分类。实验证明,该方法比经典的FLD方法有着更快的特征提取速度与更高的表情识别率,而且过程简单,易于实现。此外,论文对奶牛体型线性评定的数字化进行了若干研究。奶牛体型线性评定是奶牛优化育种工作的一项重要内容,而数字图像处理虽然已经广泛应用于自动控制、模式识别、人工智能等领域,但在奶牛养殖领域应用较少,在奶牛体型线性评定中更只是处于起步阶段。论文在充分借鉴已掌握的图像处理与模式识别的成熟理论与算法的基础上,结合奶牛体型图像的自身特点,力图实现将数字图像处理技术应用到奶牛体型线性评定中。论文进行了奶牛特征部位的选择、拍摄方位与角度的选择、初步建立奶牛体型图像库、奶牛黑白花的处理等若干研究工作,并取得了初步的研究成果。奶牛体型线性评定数字化能够提高奶牛体型线性评定的效率与准确率,提高奶牛养殖的规模化、规范化与自动化程度,从而促进奶牛业这一资源利用最为节省的畜牧业的发展,这也成为了奶牛养殖的发展方向。