[發明專利]一種基于高光譜成像檢測蝦仁品質的目標區域提取方法

有效

• 申請號: 201410310448.3
• 申請日: 2014-06-30
• 公開（公告）號: CN104089925A
• 公開（公告）日: 2014-10-08
• 發明（設計）人: 孫大文;代瓊;曾新安;劉丹;成軍虎
• 申請（專利權）人: 華南理工大學
• 主分類號: G01N21/359
• 分類號: G01N21/359
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 陳文姬

1.一種基于高光譜成像檢測蝦仁品質的目標區域提取方法，其特征在于，包括以下步驟：

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

(2)對蝦仁訓練樣本的高光譜圖像進行分析，將蝦仁訓練樣本在特征波長下的光譜反射率的一階導數值作為訓練特征向量：

(2-1)對蝦仁訓練樣本的高光譜圖像進行黑白版校正，均值濾波；

(2-2)分別提取步驟(2-1)處理后的蝦仁訓練樣本的高光譜圖像的蝦仁感興趣區域和背景區域的像素點的光譜反射率，計算其一階導數值；

(2-3)將整個蝦仁感興趣區域和背景區域的光譜反射率的一階導數的平均值相減，將絕對值相差最大的波長作為區分蝦仁樣本和背景的特征波長；

(2-4)將蝦仁訓練樣本的特征波長的光譜反射率的一階導數值作為訓練特征向量；

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

K(xi,x)=exp(-(x-xi)2σ2)]]>

x為蝦仁待測樣本的待測特征向量；x_i為第i個蝦仁訓練樣本的訓練特征向量；σ為蝦仁訓練樣本的樣本標準差；i＝1,2,…,n；n為蝦仁訓練樣本總數；

定義支持向量機超平面為：

w^Tx'+b＝0

w為垂直于分割超平面的法向量，x'為自變量；b為常數項；

則軟支持向量機分類函數為：

f(x)=sgn(Σi=1nαiyiK(xi,x)+b)]]>

其中，f(x)為分類預測結果，f(x)＝1為蝦仁感興趣區域，f(x)＝-1為背景區域；y_i為對應類的標簽值，蝦仁感興趣區域為y_i＝1，背景區域為y_i＝-1；

其中，α_i為下式求解最值中第一項不等式的Lagrange系數，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，ξ_i為松弛參數；

(4)利用可見近紅外高光譜成像儀對蝦仁待測樣本進行掃描，獲取蝦仁待測樣本在不同波長條件下的光譜信息，得到蝦仁訓練樣本的高光譜圖像；

(5)對蝦仁待測樣本的高光譜圖像進行分析，獲取蝦仁待測樣本在特征波長下的光譜反射率的一階導數值作為待測特征向量；

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

(7)對步驟(6)得到的蝦仁待測樣本高光譜圖像分類結果的二值圖像采用數學形態學的腐蝕，膨脹操作，去除噪聲，將蝦仁感興趣區域及邊緣的局部缺失補齊，得到修正后的二值圖像；

(8)對步驟(7)得到的修正后的二值圖像中的蝦仁感興趣區域進行分割，得到多個蝦仁區域，統計每個蝦仁區域的像素面積，將像素面積的最大蝦仁區域的像素面積設置為基準值；對于像素面積小于基準值一半的蝦仁區域，作為噪聲予以刪除，得到最終的蝦仁圖像。