[發(fā)明專利]一種基于高光譜成像檢測(cè)蝦仁品質(zhì)的目標(biāo)區(qū)域提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410310448.3
• 申請(qǐng)日: 2014-06-30
• 公開(kāi)（公告）號(hào): CN104089925A
• 公開(kāi)（公告）日: 2014-10-08
• 發(fā)明（設(shè)計(jì)）人: 孫大文;代瓊;曾新安;劉丹;成軍虎
• 申請(qǐng)（專利權(quán)）人: 華南理工大學(xué)
• 主分類號(hào): G01N21/359
• 分類號(hào): G01N21/359
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司 44245
• 代理人: 陳文姬

1.一種基于高光譜成像檢測(cè)蝦仁品質(zhì)的目標(biāo)區(qū)域提取方法，其特征在于，包括以下步驟：

(1)利用可見(jiàn)近紅外高光譜成像儀對(duì)蝦仁訓(xùn)練樣本進(jìn)行掃描，獲取蝦仁訓(xùn)練樣本在不同波長(zhǎng)條件下的光譜信息，得到蝦仁訓(xùn)練樣本的高光譜圖像；

(2)對(duì)蝦仁訓(xùn)練樣本的高光譜圖像進(jìn)行分析，將蝦仁訓(xùn)練樣本在特征波長(zhǎng)下的光譜反射率的一階導(dǎo)數(shù)值作為訓(xùn)練特征向量：

(2-1)對(duì)蝦仁訓(xùn)練樣本的高光譜圖像進(jìn)行黑白版校正，均值濾波；

(2-2)分別提取步驟(2-1)處理后的蝦仁訓(xùn)練樣本的高光譜圖像的蝦仁感興趣區(qū)域和背景區(qū)域的像素點(diǎn)的光譜反射率，計(jì)算其一階導(dǎo)數(shù)值；

(2-3)將整個(gè)蝦仁感興趣區(qū)域和背景區(qū)域的光譜反射率的一階導(dǎo)數(shù)的平均值相減，將絕對(duì)值相差最大的波長(zhǎng)作為區(qū)分蝦仁樣本和背景的特征波長(zhǎng)；

(2-4)將蝦仁訓(xùn)練樣本的特征波長(zhǎng)的光譜反射率的一階導(dǎo)數(shù)值作為訓(xùn)練特征向量；

(3)在蝦仁訓(xùn)練樣本的高光譜圖像中的蝦仁感興趣區(qū)域選取多個(gè)點(diǎn)的光譜反射率作為蝦仁訓(xùn)練集，在蝦仁訓(xùn)練樣本的高光譜圖像中的背景區(qū)域選取多個(gè)點(diǎn)的光譜反射率作為背景訓(xùn)練集，利用蝦仁訓(xùn)練集和背景訓(xùn)練集建立基于徑向基核函數(shù)的軟支持向量機(jī)分類模型，其中，徑向基核函數(shù)的公式為：

K(xi,x)=exp(-(x-xi)2σ2)]]>

x為蝦仁待測(cè)樣本的待測(cè)特征向量；x_i為第i個(gè)蝦仁訓(xùn)練樣本的訓(xùn)練特征向量；σ為蝦仁訓(xùn)練樣本的樣本標(biāo)準(zhǔn)差；i＝1,2,…,n；n為蝦仁訓(xùn)練樣本總數(shù)；

定義支持向量機(jī)超平面為：

w^Tx'+b＝0

w為垂直于分割超平面的法向量，x'為自變量；b為常數(shù)項(xiàng)；

則軟支持向量機(jī)分類函數(shù)為：

f(x)=sgn(Σi=1nαiyiK(xi,x)+b)]]>

其中，f(x)為分類預(yù)測(cè)結(jié)果，f(x)＝1為蝦仁感興趣區(qū)域，f(x)＝-1為背景區(qū)域；y_i為對(duì)應(yīng)類的標(biāo)簽值，蝦仁感興趣區(qū)域?yàn)閥_i＝1，背景區(qū)域?yàn)閥_i＝-1；

其中，α_i為下式求解最值中第一項(xiàng)不等式的Lagrange系數(shù)，α_i和b的值可由下式求得：

minw,ξ,b{12||w||2+CΣi=1nξi}s.t.yi(wTxi+b)≥1-ξi,i=1,...,nξi≥0,i=i,...,n]]>

其中，C為懲罰參數(shù)，ξ_i為松弛參數(shù)；

(4)利用可見(jiàn)近紅外高光譜成像儀對(duì)蝦仁待測(cè)樣本進(jìn)行掃描，獲取蝦仁待測(cè)樣本在不同波長(zhǎng)條件下的光譜信息，得到蝦仁訓(xùn)練樣本的高光譜圖像；

(5)對(duì)蝦仁待測(cè)樣本的高光譜圖像進(jìn)行分析，獲取蝦仁待測(cè)樣本在特征波長(zhǎng)下的光譜反射率的一階導(dǎo)數(shù)值作為待測(cè)特征向量；

(6)將步驟(5)得到的待測(cè)特征向量代入步驟(3)得到的基于徑向基核函數(shù)的軟支持向量機(jī)分類模型中，得到蝦仁待測(cè)樣本高光譜圖像分類結(jié)果的二值圖像；

(7)對(duì)步驟(6)得到的蝦仁待測(cè)樣本高光譜圖像分類結(jié)果的二值圖像采用數(shù)學(xué)形態(tài)學(xué)的腐蝕，膨脹操作，去除噪聲，將蝦仁感興趣區(qū)域及邊緣的局部缺失補(bǔ)齊，得到修正后的二值圖像；

(8)對(duì)步驟(7)得到的修正后的二值圖像中的蝦仁感興趣區(qū)域進(jìn)行分割，得到多個(gè)蝦仁區(qū)域，統(tǒng)計(jì)每個(gè)蝦仁區(qū)域的像素面積，將像素面積的最大蝦仁區(qū)域的像素面積設(shè)置為基準(zhǔn)值；對(duì)于像素面積小于基準(zhǔn)值一半的蝦仁區(qū)域，作為噪聲予以刪除，得到最終的蝦仁圖像。