CN103908258A - 一种奶牛乳腺组织体积的测量方法 - Google Patents
一种奶牛乳腺组织体积的测量方法 Download PDFInfo
- Publication number
- CN103908258A CN103908258A CN201310655579.0A CN201310655579A CN103908258A CN 103908258 A CN103908258 A CN 103908258A CN 201310655579 A CN201310655579 A CN 201310655579A CN 103908258 A CN103908258 A CN 103908258A
- Authority
- CN
- China
- Prior art keywords
- mammary gland
- cow
- gland tissue
- breast
- ultrasonoscopy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明提出了一种奶牛乳腺组织体积的测量方法,包括如下步骤:在围栏两侧的多个预设位置分别安置两个拍摄设备;对拍摄设备进行标定采集图像以作为原始图像;获取奶牛***图像;对***外形的三维描述的构建;计算每个乳区的乳腺组织分布区域的上界深度和下界深度;获得外部三维点云的法向量方向上乳腺组织分布区域的上下边界的三维坐标;构成奶牛乳腺组织分布区域的内外部三维描述;获取每个乳区的超声图像中乳腺组织所占比例;计算每个乳区的乳腺组织的实际体积。本发明利用计算机视觉技术构建奶牛***外形三维模型并进行外貌评定指标数据及体积的测量,利用超声图像分析器官内部组织分布,对奶牛***内部组织分布的比例关系的实时测量。
Description
技术领域
本发明涉及图像处理技术领域,特别涉及一种奶牛乳腺组织体积的测量方法。
背景技术
当前,我国奶业在经营方式和生产应用研究领域取得了较大进步,但是在奶牛繁育、营养和泌乳等基础领域的研究仍存在一定滞后,这成为制约我国奶业高效健康可持续发展的重要瓶颈。奶牛的乳腺作为奶牛生产乳汁的器官,具有极其复杂的生物学特性和经济学价值,通过深入研究乳腺在一个产奶周期内的变化情况及其与营养供给、产奶性能间的关系以及产奶周期间腺体组织再发育水平的关系,可揭示乳腺代谢的规律,进而可为符合奶牛发育规律的精细化饲养和健康高效养殖提供理论依据。
目前,国内外关于奶牛乳腺的研究仅限于浅显的定性方面。例如从奶牛育种的角度出发,针对乳腺主要是开展了外形相关性状的测量研究,目的是通过奶牛体型线性评定成绩确定奶牛外貌的优缺点。在这个方法中,涉及15~16个主要体型性状指标,其中***就占了7个,这充分反映了***发育对于奶牛品种改良和生产性能的重要性。但是该方法不仅费时费力,生产上难以推广,而且频繁的手工测量也会给奶牛造成应激反应,从而给生产带来较大影响。更为不足的是,没有获得***的外部体积、形状特征以及内部相关组织分布比例关系的定量分析及发育过程跟踪。
另一方面,关于乳腺组织发育的研究也较少,且采用的方法多是在不同的发育阶段分别屠宰实验动物的方式进行数据采集。而采用屠宰解剖的方法虽然能够比较准确地从细胞等微观层面研究某发育时段动物乳腺组织的发育状况,但是无法实现同一个体乳腺生理发育的全程跟踪,且因不能获得其后的生产性能数据。所以无法研究奶牛乳腺组织的发育规律与饲养方案、产奶性能间的相关关系。
发明内容
本发明的目的旨在至少解决所述技术缺陷之一。
为此,本发明的目的在于提出一种奶牛乳腺组织体积的测量方法,包括如下步骤:
在围栏两侧的多个预设位置分别安置两个拍摄设备,其中,所述预设位置为与待测奶牛的***高度平行的区域;
对所述拍摄设备进行标定,并且所述拍摄设备在完成标定之后采集图像以作为背景图像;
所述拍摄设备在所述待测奶牛进入围栏且状态稳定后,同时采集图像以作为原始图像;
对每台所述拍摄设备采集的所述背景图像和所述原始图像进行处理以去除背景区域,获取所述待测奶牛的奶牛***图像;
对相邻位置的所述拍摄设备的奶牛***图像进行特征点检测与匹配,并根据得到的匹配特征点完成对所述待测奶牛的***外形的三维描述的构建,以及将上述三维点云集置于以地面为X-Y平面,且垂直所述X-Y平面指向所述待测奶牛的头部的方向为Z轴的三维空间内;
将所述待测奶牛的***外形三维点云集进行四分区以得到四个乳区,分别在每个所述乳区以垂直于***表面的方向采集超声图像,并分别计算每个所述乳区的乳腺组织分布区域的上界深度和下界深度;
利用所述待测奶牛的***外部三维点云的每个点与该点的k个邻近点所述构建的曲面,计算该点的法向量,并根据所述三维点云所处乳区的乳腺组织分布区域的上界深度和下界深度,获得上述外部三维点云的法向量方向上乳腺组织分布区域的上边界的三维坐标和下边界的三维坐标;
将所述上边界的三维坐标和下边界的三维坐标的集合构成所述待测奶牛的奶牛乳腺组织分布区域的内外部三维描述;
获取每个所述乳区的超声图像中乳腺组织所占比例,并将每个所述乳区的超声图像中乳腺组织所占比例作为该乳区乳腺组织所占体积的比例;
利用奶牛乳腺组织分布区域的上下边界的三维描述以及每个所述乳区乳腺组织所占体积的比例计算每个所述乳区的乳腺组织的实际体积。
根据本发明实施例的奶牛乳腺组织体积的测量方法,具有以下有益效果:
(1)利用计算机视觉技术构建奶牛***外形三维模型并进行外貌评定指标数据及体积的测量,利用超声图像分析器官内部组织分布,对奶牛***内部组织分布的比例关系的实时测量。首次提出将***三维模型与超声图像所描述的内部组织分布相结合,测算内部组织实际体积的方法。
(2)利用数学方法对采集的***内外部性状指标数据进行***分析,探索在一个产奶周期内乳腺内部组织分布的生理变化规律,并从一个崭新的视角研究奶牛***发育与营养水平、产奶性能间的关系,为奶牛精细化饲养方案的确定提供依据。
(3)创立奶牛乳腺超声分型指标体系,并实现对高产奶牛及易患乳腺炎奶牛的乳腺超声分型特征的分析。
在本发明的一个实施例中,采用尺度不变特征变换SIFT算法对相邻位置的所述拍摄设备的奶牛***图像进行特征点检测与匹配。
在本发明的又一个实施例中,所述利用所述待测奶牛的***外部三维点云的每个点与该点的k个邻近点所述构建的曲面,计算该点的法向量,包括如下步骤:
对每个点P进行遍历,计算该点P到其他点的距离;
对点P到其他点的距离进行排序以确认k个邻近点;
利用椭球面近似上述k个邻近点的二次曲面,获得点P在椭球面的法向量,其中,椭球的方程为:
F(x,y,z)=m0x2+m1y2+m2z2+m3x+m4y+m5z+m6,
其中,(x,y,z)为点P的坐标,根据椭球方程计算得到点P的法向量为:
在本发明的再一个实施例中,所述获取每个所述乳区的超声图像中乳腺组织所占比例,包括如下步骤:
对所述超声图像进行分析,并对所述超声图像进行分割以将乳腺组织从所述超声图像中分离出来;
计算乳腺组织在***内部所占比例以获得所述乳腺组织在该乳区的超声图像中所占比例。
在本发明的一个实施例中,所述对所述超声图像进行分割以将乳腺组织从所述超声图像中分离出来,包括如下步骤:以所述乳腺组织为目标区域,其他组织为背景区域,对所述超声图像进行分割。
在本发明的又一个实施例中,采用局部聚类算法对所述超声图像进行分割。
在本发明的再一个实施例中,在对所述超声图像进行分割之后,还包括如下步骤:采用基于区域增长的方法对所述分割后的超声图像进行标记以对所述超声图像去噪。
在本发明的一个实施例中,通过以下公式计算乳区的乳腺组织的实际体积,
VC=VXAA,
其中,Vc为乳区的乳腺组织的实际体积,Vx为***表层与乳腺下层之间的体积,AA为乳腺组织的面积密度。
在本发明的又一个实施例中,所述乳腺组织的面积密度AA是根据所述图像中乳腺组织区域的白色像素的数据与所述超声图像的上边界与下部折线间图像区域的总像素数量的比值计算得到。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本发明实施例的奶牛乳腺组织体积的测量方法的流程图;
图2为根据本发明实施例的奶牛乳腺组织体积的测量方法的示意图;
图3为根据本发明实施例的奶牛***的三维点云示意图;
图4为根据本发明实施例的奶牛***的三维模型示意图;
图5为根据本发明实施例的奶牛乳腺点云及法向量的示意图;
图6为根据本发明实施例的奶牛的乳腺组织的超声图像示意图;
图7为根据本发明实施例的利用局部聚类处理后的图像的示意图;
图8为根据本发明实施例的采用区域增长方式处理后的图像的示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考图1至图8对本发明实施例的奶牛乳腺组织体积的测量方法进行描述。
如图1所示,本发明实施例的奶牛乳腺组织体积的测量方法,包括如下步骤:
步骤S101,在围栏两侧的多个预设位置分别安置两个拍摄设备。其中,预设位置可以为与待测奶牛的***高度平行的位置。
在本发明的一个实施例中,拍摄设备可以采用工业相机。
如图2所示,在围栏两侧分别设置两台工业相机,并且工业相机设置在与待测奶牛的***高度平行的位置,从而可以采集待测奶牛的***附近的图像以便后续处理。
步骤S102,对拍摄设备进行标定,并且拍摄设备在完成标定之后采集图像,并将采集得到的图像作为背景图像。
步骤S103,拍摄设备在待测奶牛进入围栏且状态稳定之后,同时采集图像,作为原始图像。
步骤S104,对每台拍摄设备采集到的背景图像和原始图像进行处理以去除背景区域,获取待测奶牛的奶牛***图像。
步骤S105,对相邻位置拍摄设备拍摄到的奶牛***图像进行特征点检测与匹配,并根据得到的匹配特征点完成对待测奶牛的***外形的三维描述的构建,将上述三维点云集置于以地面为X-Y平面,且垂直上述X-Y平面指向待测奶牛的头部的方向为Z轴的三维空间内。
在本发明的一个实施例中,采用SIFT(Scale-invariant feature transform,尺度不变特征转换)算法对相邻位置的拍摄设备拍摄到的奶牛***图像进行特征点检测与匹配,从而获得匹配的特征点,然后根据得到的匹配特征点完成对待测奶牛的***外形的三维描述的构建。
其中,图3示出了奶牛***的三维点云集。将上述图3中的三维点云集置于以地面为X-Y平面,且垂直上述X-Y平面指向待测奶牛的头部的方向为Z轴的三维空间内,从而形成图4所示的奶牛***的三维模型。
步骤S106,将待测奶牛的***外形三维点云集进行四分区以得到四个乳区,分别在每个乳区以垂直于***表面的方向采集超声图像,并分别计算每个乳区的乳腺组织分别区域的上界深度和下界深度。
在本步骤中,通过超声图像计算机纹理分析算法,确定奶牛***内主要组织的超声图像纹理特征后,获取超声图像中乳腺腺体组织和脂肪等的分布区域边界信息,为组织分布比例分析提供保障。
具体地,首先通过分析从不同乳区采集的多幅超声图像,获得***内部组织分布特征。然后基于体视学理论,将二维超声图像中组织分布特征转化为***整体的三维分布特征,从而实现奶牛的***内部组织比例的定量分析。
步骤S107,利用待测奶牛的***外部三维点云的每个点与该点的k个邻近点所构建的曲面,计算该点的法向量,并根据三维点云所处乳区的乳腺组织分别区域的上界深度和下界深度,获得上述外部三维点云的法向量方向上乳腺组织分别区域的上边界的三维坐标和下边界的三维坐标。
具体地,利用待测奶牛的***外部三维点云的每个点与该点的k个邻近点构建的曲面,计算该点的法向量,包括如下步骤:将外形三维点云与从超声图像获得的乳腺分布区域的深度信息相结合,确定乳腺分布区域的内外层点云。因此需要计算出外部点云的法向量,才能够在法向量方向上计算出内层点云的位置信息。利用基于椭球面的方法计算点云的法向量的基本思路是,利用***表层点云及其k个邻近点构建拟合曲面,以该曲面在该点处的法向量作为该点的法向量。首先对每一个点进行遍历,求出其到其他点的距离,然后进行排序,从而获得所需的邻近点。然后利用椭球面来近似上述邻近点的二次曲面,从而获得点在椭球面的法向量。
首先,对每个点P进行遍历,计算该点P到其他点的距离。然后,对点P到其他点的距离进行排序以确认k个邻近点。利用椭球面近似上述k个邻近点的二次曲面,从而获得点P在椭球面的法向量。
F(x,y,z)=m0x2+m1y2+m2z2+m3x+
m4y+m5z+m6, (1)
其中,椭球方程为:
其中,(x,y,z)为点P的坐标。
选取6近邻确定的6个点和要求得法向量的点共7点,可以求得方程(1)的系数.则对应点P(x,y,z)的法向量为:
由式(2)可求得单位法向量为n(e1,e2,e3),假设平移的距离为d,则平移后的点云为S(x′,y′,z′):
图5示出了通过上述基于椭球面标定法向量法得到的点云与对应法向量。
步骤S108,将上边界的三维坐标和下边界的三维坐标的集合构成待测奶牛的奶牛乳腺组织分布区域的内外部三维描述。
步骤S109,获取每个乳区的超声图像中乳腺组织所占比例,并将每个乳区的超声图像中乳腺组织所占比例作为该乳区乳腺组织所占体积的比例。
在本发明的一个实施例中,获取每个乳区的超声图像中乳腺组织所占比例,包括如下步骤:
首先,对超声图像进行分析,并对超声图像进行分割以将乳腺组织从所述超声图像中分离出来。
具体地,以乳腺组织为目标区域,其他组织为背景区域,对超声图像进行分割。
超声图像作为一种截面图像,能够反映内部组织分布特征.图6是乳腺的超声图像,是对***切面的描述。
通过将乳腺组织从超声图像中分离出来,可计算其在***内部所占比例。因此,需要对乳腺超声原图像进行分割,将乳腺组织作为目标区域,其他的组织(如皮下组织、韧带等)作为背景,把问题抽象为超声图像两分类分割问题。
在本发明的一个实施例中,可以采用局部聚类算法对超声图像进行分割。将图像在垂直和水平方向分别进行二等分后,在图像块内进行聚类分割。从图7中可以看出,采用局部聚类处理的图像中奶牛乳腺的分布区域效果准确。
在本发明的又一个实施例中,在对超声图像进行分割之后,还包括如下步骤:采用基于区域增长的方法对分割后的超声图像进行标记以对超声图像去噪。
由于超声图像中存在噪声的缘故,在图7中可观察到白色区域中夹杂少量黑色像素,同时黑色区域夹杂着少量白色像素。为了更准确地从整体分布比例方面计算乳腺组织的面积密度,必须对聚类分析的图像进行去噪处理。
在本发明的实施例中,采用连通区域标记的方法对图像进行去噪处理,从而提高乳腺组织提取的精度。传统连通区域标记方法的效率低,尤其是在重复性标记发生率高的情况下,其效率更低。本发明采用基于区域增长的方法对图像进行标记可以有效地解决传统区域标记方法的缺陷。
具体地,首先对输入的二值图像进行逐行扫描,找到一个未标记区域的第一点,标记该点。检查该点的八邻域点并标记满足连通性要求的且尚未被标记的点,同时将新增的标记点记录下来作为“区域增长”的种子点。在后续的标记过程中,不断从记录的种子点数组中取出一个种子,如此循环,直到记录种子点的数组为空,一个连通区域标记结束。继续标记下一个未标记区域,直到输入二值图像的所有连通区域都被标记。
图8示出了将图7中像素个数小于10的连通区域去除后的结果。由于超声图像中的白色部分并不全是乳腺组织,因此需要根据乳腺内部组织分布特征,采用人机交互的方式乳腺组织分布区域后方可最终确定乳腺组织的位置。图8中的乳腺分布区域的上层与下层分别用若干条线段描述,其中B为乳腺分布区域的上层,C为腺分布区域的下层。通过上述线段可以确定***中乳腺组织的分布区域,两条折线间的白色部分即为乳腺组织。
然后,根据上述图像分割处理后的图像结果,计算乳腺组织在***内部所占比例以获得乳腺组织在该乳区的超声图像中所占比例。
步骤S110,利用奶牛乳腺组织分布区域的上下边界的三维描述,以及每个乳区乳腺组织所占体积的比例计算每个乳区的乳腺组织的实际体积。
奶牛一般要经历几个产奶周期后才能达到最高产奶量,因此在此之前,其乳腺的体积可能一直在增加,仅利用内部组织比例关系还不能很好地描述各组织在不同生理时期的发育状况。为此,利用***外形三维模型、由超声图像获取的乳腺组织分布区域识别点及主要组织分布比例数据等测算乳腺腺体等内部组织的实际体积,为分析***内部发育特征提供更全面的指标数据。
需要说明的是,某一成份在平面的面积密度AA等于其在三维结构中的体积密度VV,且VV=LL和VV=PP。其中,LL为线密度,PP为点密度。根据体视学第一定律:
VV=AA, (4)
已知***的体积及超声图像中乳腺组织的面积密度,可以计算得到奶牛乳腺组织的体积。
其中,***的体积指分布有乳腺组织部分的体积。该体积的测量可以利用图8中测量出的乳腺组织分布区域的深度信息,即图像上边界与下部折线间的平均距离d。将***表层点云沿其法向量方向平移上述距离d,即可得到乳腺分布区域的下层点云。然后利用基于点云的体积测量方法计算分布有乳腺组织部分的体积。
在图8中,超声图像的上边界对应***表皮,超声图像下部的折线对应乳腺组织分布区域的内边界,因此超声图像中乳腺组织的面积可由该区域内白色像素数量表征,记为AC;上边界与下部折线间图像区域的总像素数记为AX。由此两部分的比值可以求得乳腺组织的面积密度AA。
利用乳腺组织的面积密度以及***表层与乳腺下层之间的体积VX,通过下式得到乳腺组织的体积。
具体地,通过以下公式计算乳区的乳腺组织的实际体积,
VC=VXAA, (5)
其中,Vc为乳区的乳腺组织的实际体积,Vx为***表层与乳腺下层之间的体积,AA为乳腺组织的面积密度。
其中,乳腺组织的面积密度AA根据图像中乳腺组织区域的白色像素的数据与超声图像的上边界与下部折线间图像区域的总像素数量的比值计算得到。
由于超声图像采集位置不同可能会使计算得到的乳腺面积密度有所不同,因此采用多张超声图像测定其面积密度,然后以多张图像中面积密度的平均值作为最终的面积密度。
综上可以看出,利用计算机视觉技术构建试验牛***三维模型,并在该模型中采集***外貌评价指标数据;随后利用该模型计算***的外部体积,并度量该三维模型外形特征参数,为基于***外部形态特征的发育水平评价提供数据。
为了更全面地获得***内部组织分布特征并考虑到乳腺内部组织分布特征,在以奶牛***为中心的若干同心圆上,确定一组超声图像采集位置并加以标记。随后在标记点处采集超声图像,并基于体视学理论,利用从不同乳区不同位置采集的多幅超声图像中内部主要组织所占比例的分析数据,计算***整体的组织分布比例。
同时,从超声图像中提取出腺体分布区域标记点,并测量标记点位置,通过与体表标记点结合,计算乳腺分布区域标记点的三维坐标。然后,利用***外形的三维模型和乳腺分布区域标记点确定***内的腺体组织分布区域的三维模型并测量该区域的体积。
并且,将主要组织分布比例数据与乳腺分布区域的体积结合,测算各内部组织的实际体积,从而便于使不同生理阶段腺体组织总量的测算及比较分析。
通过分析***内部主要组织的构成比例特征,建立奶牛乳腺分型指标体系。利用上述***内外部性状指标数据,从外部形态及内部组织分布两方面研究奶牛***的发育规律,并通过不同饲养方案下***的发育及产奶性能变化规律的研究,建立***发育与饲养方案、产奶性能间的关系模型,为符合奶牛生理规律的饲养方案的确立及高产奶牛的选种选育奠定基础。
根据本发明实施例的奶牛乳腺组织体积的测量方法,利用计算机双目视觉获取奶牛***外形的三维信息,并利用超声图像分析及体视学理论,将外部形态特征和内部组织分布特征相结合,从而计算奶牛乳腺组织的体积。通过动态跟踪并总结奶牛***内外部性状随生理过程变化规律及其与产奶性能间的关系,建立奶牛乳腺的形态与功能间的关系模型,为奶牛精细化饲养奠定基础。并且,基于体视学理论对超声图像获取的乳腺组织分布数据进行分析以测算不同生理阶段奶牛乳腺实质的发育状况,建立***内部性状变化规律模型,并研究不同营养条件下乳腺实质等所占比例的变化情况,为揭示乳腺发育与饲养方案间的关系奠定基础。
通过对超声图像中乳腺实质、纤维***和脂肪的构成比例分析,建立奶牛的乳腺分型指标体系,并探索乳腺分型与产奶性能间可能的联系。同时,对一个产奶周期内各关键生理时点各内外部性状指标的观测数据分布的性质进行分析,确定各时点指标值变化的敏感程度,为成年泌乳牛和参加初配的育成牛饲养关键期的确定提供理论依据。
本发明实施例的奶牛乳腺组织体积的测量方法的创新之处在于:
(1)利用计算机视觉技术构建奶牛***外形三维模型并进行外貌评定指标数据及体积的测量,利用超声图像分析器官内部组织分布,对奶牛***内部组织分布的比例关系的实时测量。首次提出将***三维模型与超声图像所描述的内部组织分布相结合,测算内部组织实际体积的方法。
(2)利用数学方法对采集的***内外部性状指标数据进行***分析,探索在一个产奶周期内乳腺内部组织分布的生理变化规律,并从一个崭新的视角研究奶牛***发育与营养水平、产奶性能间的关系,为奶牛精细化饲养方案的确定提供依据。
(3)创立奶牛乳腺超声分型指标体系,并实现对高产奶牛及易患乳腺炎奶牛的乳腺超声分型特征的分析。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求极其等同限定。
Claims (9)
1.一种奶牛乳腺组织体积的测量方法,其特征在于,包括如下步骤:
在围栏两侧的多个预设位置分别安置两个拍摄设备,其中,所述预设位置为与待测奶牛的***高度平行的区域;
对所述拍摄设备进行标定,并且所述拍摄设备在完成标定之后采集图像以作为背景图像;
所述拍摄设备在所述待测奶牛进入围栏且状态稳定后,同时采集图像以作为原始图像;
对每台所述拍摄设备采集的所述背景图像和所述原始图像进行处理以去除背景区域,获取所述待测奶牛的奶牛***图像;
对相邻位置的所述拍摄设备的奶牛***图像进行特征点检测与匹配,并根据得到的匹配特征点完成对所述待测奶牛的***外形的三维描述的构建,以及将上述三维点云集置于以地面为X-Y平面,且垂直所述X-Y平面指向所述待测奶牛的头部的方向为Z轴的三维空间内;
将所述待测奶牛的***外形三维点云集进行四分区以得到四个乳区,分别在每个所述乳区以垂直于***表面的方向采集超声图像,并分别计算每个所述乳区的乳腺组织分布区域的上界深度和下界深度;
利用所述待测奶牛的***外部三维点云的每个点与该点的k个邻近点所述构建的曲面,计算该点的法向量,并根据所述三维点云所处乳区的乳腺组织分布区域的上界深度和下界深度,获得上述外部三维点云的法向量方向上乳腺组织分布区域的上边界的三维坐标和下边界的三维坐标;
将所述上边界的三维坐标和下边界的三维坐标的集合构成所述待测奶牛的奶牛乳腺组织分布区域的内外部三维描述;
获取每个所述乳区的超声图像中乳腺组织所占比例,并将每个所述乳区的超声图像中乳腺组织所占比例作为该乳区乳腺组织所占体积的比例;
利用奶牛乳腺组织分布区域的上下边界的三维描述以及每个所述乳区乳腺组织所占体积的比例计算每个所述乳区的乳腺组织的实际体积。
2.如权利要求1所述的奶牛乳腺组织体积的测量方法,其特征在于,采用尺度不变特征变换SIFT算法对相邻位置的所述拍摄设备的奶牛***图像进行特征点检测与匹配。
3.如权利要求1所述的奶牛乳腺组织体积的测量方法,其特征在于,所述利用所述待测奶牛的***外部三维点云的每个点与该点的k个邻近点所述构建的曲面,计算该点的法向量,包括如下步骤:
对每个点P进行遍历,计算该点P到其他点的距离;
对点P到其他点的距离进行排序以确认k个邻近点;
利用椭球面近似上述k个邻近点的二次曲面,获得点P在椭球面的法向量,其中,椭球的方程为:
F(x,y,z)=m0x2+m1y2+m2z2+m3x+m4y+m5z+m6,
其中,(x,y,z)为点P的坐标,根据椭球方程计算得到点P的法向量为:
4.如权利要求1所述的奶牛乳腺组织体积的测量方法,其特征在于,所述获取每个所述乳区的超声图像中乳腺组织所占比例,包括如下步骤:
对所述超声图像进行分析,并对所述超声图像进行分割以将乳腺组织从所述超声图像中分离出来;
计算乳腺组织在***内部所占比例以获得所述乳腺组织在该乳区的超声图像中所占比例。
5.如权利要求4所述的奶牛乳腺组织体积的测量方法,其特征在于,对所述超声图像进行分割以将乳腺组织从所述超声图像中分离出来,包括如下步骤:以所述乳腺组织为目标区域,其他组织为背景区域,对所述超声图像进行分割。
6.如权利要求5所述的奶牛乳腺组织体积的测量方法,其特征在于,采用局部聚类算法对所述超声图像进行分割。
7.如权利要求6所述的奶牛乳腺组织体积的测量方法,其特征在于,在对所述超声图像进行分割之后,还包括如下步骤:
采用基于区域增长的方法对所述分割后的超声图像进行标记以对所述超声图像去噪。
8.如权利要求1所述的奶牛乳腺组织体积的测量方法,其特征在于,通过以下公式计算乳区的乳腺组织的实际体积,
VC=VXAA,
其中,Vc为乳区的乳腺组织的实际体积,Vx为***表层与乳腺下层之间的体积,AA为乳腺组织的面积密度。
9.如权利要求8所述的奶牛乳腺组织体积的测量方法,其特征在于,所述乳腺组织的面积密度AA是根据所述图像中乳腺组织区域的白色像素的数据与所述超声图像的上边界与下部折线间图像区域的总像素数量的比值计算得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310655579.0A CN103908258A (zh) | 2013-12-09 | 2013-12-09 | 一种奶牛乳腺组织体积的测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310655579.0A CN103908258A (zh) | 2013-12-09 | 2013-12-09 | 一种奶牛乳腺组织体积的测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103908258A true CN103908258A (zh) | 2014-07-09 |
Family
ID=51034502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310655579.0A Pending CN103908258A (zh) | 2013-12-09 | 2013-12-09 | 一种奶牛乳腺组织体积的测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103908258A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108369736A (zh) * | 2015-10-14 | 2018-08-03 | 西门子股份公司 | 用于根据2d/2.5d术中图像数据计算切除的组织体积的方法和*** |
CN108550150A (zh) * | 2018-04-17 | 2018-09-18 | 上海联影医疗科技有限公司 | 乳腺密度的获取方法、设备及可读存储介质 |
CN110766704A (zh) * | 2019-10-22 | 2020-02-07 | 深圳瀚维智能医疗科技有限公司 | ***点云分割方法、装置、存储介质及计算机设备 |
CN110786887A (zh) * | 2019-10-22 | 2020-02-14 | 深圳瀚维智能医疗科技有限公司 | 乳腺超声筛查方法、装置及*** |
CN112087970A (zh) * | 2018-05-23 | 2020-12-15 | Eizo株式会社 | 信息处理装置、信息处理方法、计算机程序 |
CN112419414A (zh) * | 2020-12-07 | 2021-02-26 | 河南科技大学 | 一种获取奶畜***区域三维点云的装置 |
-
2013
- 2013-12-09 CN CN201310655579.0A patent/CN103908258A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108369736A (zh) * | 2015-10-14 | 2018-08-03 | 西门子股份公司 | 用于根据2d/2.5d术中图像数据计算切除的组织体积的方法和*** |
CN108369736B (zh) * | 2015-10-14 | 2023-08-15 | 西门子医疗有限公司 | 用于根据术中图像流计算切除的组织的体积的方法及设备 |
CN108550150A (zh) * | 2018-04-17 | 2018-09-18 | 上海联影医疗科技有限公司 | 乳腺密度的获取方法、设备及可读存储介质 |
CN112087970A (zh) * | 2018-05-23 | 2020-12-15 | Eizo株式会社 | 信息处理装置、信息处理方法、计算机程序 |
CN112087970B (zh) * | 2018-05-23 | 2023-08-08 | Eizo株式会社 | 信息处理装置、信息处理方法以及记录介质 |
US11810293B2 (en) | 2018-05-23 | 2023-11-07 | Eizo Corporation | Information processing device, information processing method, and computer program |
CN110766704A (zh) * | 2019-10-22 | 2020-02-07 | 深圳瀚维智能医疗科技有限公司 | ***点云分割方法、装置、存储介质及计算机设备 |
CN110786887A (zh) * | 2019-10-22 | 2020-02-14 | 深圳瀚维智能医疗科技有限公司 | 乳腺超声筛查方法、装置及*** |
CN110766704B (zh) * | 2019-10-22 | 2022-03-08 | 深圳瀚维智能医疗科技有限公司 | ***点云分割方法、装置、存储介质及计算机设备 |
CN112419414A (zh) * | 2020-12-07 | 2021-02-26 | 河南科技大学 | 一种获取奶畜***区域三维点云的装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103908258A (zh) | 一种奶牛乳腺组织体积的测量方法 | |
Halachmi et al. | Cow body shape and automation of condition scoring | |
JP7016549B2 (ja) | 肝臓境界の識別方法及びシステム | |
Salau et al. | Feasibility of automated body trait determination using the SR4K time-of-flight camera in cow barns | |
Weber et al. | Estimation of backfat thickness using extracted traits from an automatic 3D optical system in lactating Holstein-Friesian cows | |
KR101913976B1 (ko) | 검출영역을 선택하는 방법 및 장치 및 탄성 검출 시스템 | |
CN109671086A (zh) | 一种基于三维超声的胎儿头部全自动分割方法 | |
CN101673413B (zh) | 基于表面数据的植物枝体三维形态建模***及方法 | |
CN113470106B (zh) | 一种无接触式奶牛体尺信息采集方法 | |
CN109978047B (zh) | 一种田间小麦茎蘖数提取方法 | |
CN106510760B (zh) | 基于双截面超声探头的标定***及标定方法 | |
CN100998511A (zh) | 一种实时自由臂三维超声成像***及其方法 | |
CN101947103B (zh) | 全光学生物发光断层成像方法 | |
CN113920106B (zh) | 一种基于rgb-d相机的玉米长势三维重构及茎粗测量方法 | |
CN100423695C (zh) | 一种确定感兴趣区域的装置及方法 | |
CN103307978A (zh) | 一种测量鸡蛋体积和表面积的方法 | |
CN108257120A (zh) | 一种基于ct图像的三维肝脏包围盒的自动提取方法 | |
CN108670301B (zh) | 一种基于超声影像的脊柱横突定位方法 | |
Taşdemir et al. | Determination of body measurements of a cow by image analysis | |
CN114677322A (zh) | 基于注意力引导点云特征学习的奶牛体况自动评分方法 | |
CN112508890A (zh) | 一种基于二级评测模型的奶牛体脂率检测方法 | |
CN103919556A (zh) | 一种基于三维测量的奶牛体型性状指标的数据采集方法 | |
CN104809688A (zh) | 基于仿射变换配准算法的羊体体尺测量方法及*** | |
CN113610726B (zh) | 一种区域限定的改进三次b样条插值修补方法 | |
Tao et al. | Development and implementation of a training dataset to ensure clear boundary value of body condition score classification of dairy cows in automatic system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140709 |
|
WD01 | Invention patent application deemed withdrawn after publication |