基于计算机视觉的鱼类形态轮廓特征自动提取

• Published in: 水产学报 Vol. 48; no. 12; pp. 61 - 71
• Main Authors: 欧利国, 蓝振峰, 刘必林, 陈新军, 陈勇
• Format: Journal Article
• Language: Chinese
• Published: 上海海洋大学,大洋渔业资源可持续开发教育部重点实验室,上海 201306 2024; 上海海洋大学海洋生物资源与管理学院,上海 201306%上海海洋大学信息学院,上海 201306%上海海洋大学海洋生物资源与管理学院,上海 201306; 上海海洋大学,国家远洋渔业工程技术研究中心,上海 201306; 上海海洋大学,农业农村部大洋渔业开发重点实验室,上海 201306
• Subjects: 计算机视觉; 形态系数; 鱼类; morphological contour; fishes; 形态轮廓; 链码; 自动提取; chain code; computer vision; morphological coefficient; contour recon-struction; 轮廓重建; automatic extraction
• ISSN: 1000-0615
• DOI: 10.11964/jfc.20201212549

S917.4%TP18; 鱼类形态变化多样,其形态轮廓特征具有种的特异性,并作为鱼类识别和分类的重要科学依据.形态轮廓特征的提取效果直接影响到自动识别鱼类的精确度,因此,为了研究计算机视觉对鱼类形态轮廓特征的自动提取效果,根据 2017 年 9-11 月在太平洋海域采集的1 尾大眼金枪鱼的二维图像,进行计算机视觉分析.通过对鱼类图像进行灰度转换,双边滤波,二值化图像处理和轮廓提取等图像处理.利用 8 个方位的链码技术对鱼类轮廓进行链码信息的自动提取.通过椭圆傅里叶变换计算出形态信息系数,并对鱼类形态进行轮廓重建.结果显示,金枪鱼图像处理后能较好地得到轮廓图像,其链码信息会随着鱼类形态轮廓像素的大小发生变化,而鱼类形态的轮廓重建随着谐次的变化而变化.研究表明,自动提取鱼类形态轮廓特征效果较好.鱼类形态系数在低谐次变化波动较大,在高谐次变化波动较小.轮廓重建在低谐次变换对鱼类整体轮廓信息影响较大,在高谐次变换对鱼类局部轮廓信息影响较大.研究结果为鱼类自动识别和分类奠定前期基础,也为其他相关自动化研究提供借鉴和参考.