基于高光譜圖像的過熟藍靛果果實識別方法
【專利摘要】本發(fā)明是一種基于高光譜圖像的過熟藍靛果識別方法，包括步驟：S1：采集藍靛果的高光譜圖像；S2：高光譜圖像中的果實和背景像素采樣，分析并提出去除圖像背景的函數(shù)模型；S3：根據(jù)S2建立的函數(shù)模型去除圖像背景；S4：采用中值濾波、形態(tài)學濾波、空間處理和閾值判斷的方法去除噪聲，確定果實位置；S5：對過熟果和適熟果的像素進行采樣，用逐步向前變量選擇的方法選出最具有判別性的波段，采用線性判別分析法建立判別過熟果像素與適熟果像素的函數(shù)模型；S6：根據(jù)S5建立的判別模型對每一個果實像素進行分類，并分別標記；S7：采用多數(shù)原則對每一個果實進行分類。本發(fā)明提出的方法，不僅利用了對象物的光譜信息，還利用了果實的空間信息，提高了判別率。
【專利說明】基于高光譜圖像的過熟藍靛果果實識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及紅外光譜識別領(lǐng)域，具體涉及一種基于高光譜圖像的過熟藍靛果果實識別方法。
【背景技術(shù)】
[0002]藍靛果為多年生落葉灌木，其果實營養(yǎng)價值很高，含有灰分、蛋白質(zhì)、脂肪、單寧、果膠、揮發(fā)酸、維生素和磷等多種元素，特別是維生素C的含量較高，并且它還含有人類必須從食物中獲取的7種氨基酸和多種微量元素。鮮果可生食，更是釀造果酒和飲料的好原料，是難得的天然色素品。其漿果亦可入藥，有清熱解毒作用。通過機械振動式采摘裝置收獲的藍靛果果實中包含未熟的紅色、青色果實，剛熟和過熟的深藍色果實。其中，未熟的紅色、青色果實可通過普通的RGB圖像處理方法判斷出來；而過熟的果實與適熟的果實表面顏色相同，無法采用上述方法進行區(qū)分。但過熟的果實偏軟，在運輸過程中極易破損導(dǎo)致果漿外漏而影響其他正常果實，降低其市場價值。目前常用的方法是人工用手指判斷果實的硬度，將偏軟的果實挑揀出來，工作量大且效率低。
[0003]高光譜圖像技術(shù)是將成像技術(shù)與光譜探測技術(shù)結(jié)合，在對目標的空間特征成像的同時，對每個空間像元經(jīng)過色散形成幾十個乃至幾百個窄波段以進行連續(xù)的光譜覆蓋。高光譜圖像集圖像信息與光譜信息于一身。圖像信息可以反映成像對象的大小、形狀、缺陷等外部品質(zhì)特征，由于不同成分對光譜吸收也不同，在某個特定波長下圖像對某個缺陷會有較顯著的反映，而光譜信息能充分反映樣品內(nèi)部的物理結(jié)構(gòu)、化學成分的差異。這些特點決定了高光譜圖像技術(shù)在農(nóng)產(chǎn)品內(nèi)部品質(zhì)的檢測方面的獨特優(yōu)勢。

【發(fā)明內(nèi)容】

[0004]基于以上的分析，本發(fā)明的目的是利用高光譜圖像，為過熟藍靛果果實的識別提供一種全新的方法。
[0005]為了解決上述技術(shù)問題，本發(fā)明提供一種基于高光譜圖像的過熟藍靛果果實的識別方法，包括步驟:
[0006]S1:將待識別的藍靛果果實置入高光譜成像裝置，采集高光譜圖像；
[0007]S2:分別對高光譜圖像中的果實像素和背景像素進行采樣，分析其光譜特征，提出去除圖像背景的函數(shù)模型；
[0008]S3:根據(jù)S2中建立的函數(shù)模型去除圖像背景；
[0009]S4:采用中值濾波、形態(tài)學濾波、空間處理和閾值判斷的方法去除噪聲，從而確定果實的位置；
[0010]S5:分別對過熟果像素和適熟果像素進行采樣，利用逐步向前變量選擇(Forwardstepwise variable selection)的方法對光譜信息進行分析,從而優(yōu)選出最具有判別性的波段，再采用線性判別分析(Linear discriminant analysis)法建立判別過熟果像素與適熟果像素的函數(shù)模型；[0011]S6:根據(jù)S5建立的判別模型對每一個果實的每一個像素進行計算和判別分類，并分別標記為過熟果像素或適熟果像素；
[0012]S7:采用多數(shù)原則對每一個果實進行分類，當判別為過熟的像素數(shù)超過一個果實50%的像素數(shù)時，則該果實判為過熟果，否則為適熟果。
[0013]將每類果實的全部樣本隨機分成兩個部分，一部分樣本用于建模，另一部分樣本用于測試；
[0014]設(shè)高光譜圖像包含P個連續(xù)的波段，任一像素在任意波段q的亮度值I,;
[0015]其中，所述步驟S2的去除圖像背景的函數(shù)模型的獲取方法為:
[0016]分別對高光譜圖像中的果實像素和背景像素進行采樣，對各個波段的取各自在果實像素和背景像素的平均亮度值，得到果實像素和背景像素的光譜特性曲線，分別尋找這兩條曲線的亮度最大值所在波段，設(shè)果實像素的光譜特性曲線的最大亮度值所在波段為m，背景像素的光譜特性曲線的最大亮度值所在波段為n，由此提出去除圖像背景的模型為:
[0017]Vb = Iffl/In
[0018]通過試驗研究確定一個閾值V，當Vb > V時，該像素屬于果實像素，否則，該像素屬于背景像素，從而獲得初步去除背景的二值圖像；
[0019]其中，所述步驟S4中的閾值判斷為:
[0020]根據(jù)具體成像裝置的分辨率以及與果實的距離，進行試驗分析，確定一個閾值A(chǔ)，當圖像中某區(qū)域的像素數(shù)大于A，則將其判定為果實區(qū)域，否則，判定為噪聲區(qū)域并處理；
[0021]其中，所述步驟S5中建立判別過熟果像素與適熟果像素的函數(shù)模型的方法為:
[0022]S51:分別對過熟果像素和適熟果像素進行采樣；
[0023]S52:利用逐步向前變量選擇(Forward stepwise variable selection)的方法對所有P個波段的光譜信息進行分析，從而優(yōu)選出最具有判別性的k個波段Xl、X2.....xk；
[0024]S53:利用上述k個波段的光譜信息，采用線性判別分析(Lineardiscriminant analysis)法建立判別過熟果像素與適熟果像素的判別函數(shù)模型:y =
bo+bj^-bj^+...+bkIxk，y是判別值，b0是常數(shù)項，bj為第j (j = 1,2.....k)個波段的判
別系數(shù)。
[0025]本發(fā)明提出的方法，不僅利用了對象物的光譜信息，還利用了果實的空間信息，并將這兩類信息結(jié)合起來，提高判別率。與現(xiàn)有的人工手指判斷果實的硬度從而決定其是否過熟的方法相比，本發(fā)明提出的方法，對果實沒有傷害，為無損檢測，且準備率高，具有科學依據(jù)，并可利用該方法所選擇的特征波段開發(fā)相應(yīng)的分選設(shè)備，具有很強的技術(shù)優(yōu)勢。
【專利附圖】

【附圖說明】
[0026]圖1為本發(fā)明基于高光譜圖像的過熟藍靛果果實識別方法的流程圖；
[0027]圖2為高光譜圖像中果實與背景的光譜特性曲線；
[0028]圖3為基于高光譜圖像的過熟藍靛果果實識別過程；其中(a)為藍靛果果實的RGB圖像，奇數(shù)列為過熟果，偶數(shù)列為適熟果；(b)為(a)中所示果實的高光譜圖像在波段35(751nm)處的灰度圖；(c)為根據(jù)步驟S2中建立的函數(shù)模型去除背景后的圖像，白色表示被判別為果實像素，黑色表示被判別為背景像素；(d)為采用中值濾波、形態(tài)學濾波、空間處理和閾值判斷的方法去除噪聲后的果實位置圖像；(e)為根據(jù)(d)中所示果實位置提取的果實高光譜圖像在波段35(751nm)處的灰度圖；(f)為根據(jù)步驟S5建立的過熟果像素與適熟果像素的判別分類模型對每一個果實像素進行判別分類后的結(jié)果，其中灰色像素為過熟果像素，白色像素為適熟果像素；(g)為根據(jù)步驟S7的多數(shù)原則確定的果實類別，灰色表示被判別為過熟果，白色表示被判別為適熟果；(h)為實際的果實類別，灰色表示實際為過熟果，白色表示實際為適熟果。
【具體實施方式】
[0029]下面結(jié)合附圖和實施例，對本發(fā)明的【具體實施方式】做進一步詳細描述。
[0030]如圖1所示，本發(fā)明所述的基于高光譜圖像的過熟藍靛果果實識別方法包括:
[0031]步驟SI，將采集的藍靛果果實置入高光譜成像裝置中，采集高光譜圖像，本實例的光譜波長范圍為369-1042nm，包含60個波段，每個波段的范圍為llnm，每個波段的中心波長的計算公式為:
[0032]W1 = 0.000324 (8wn+l) 2+l.273 (8wn+l) +367.7
[0033]其中W1為中心波長，Wn為波段號，η的取值為0,1,2,...,59;
[0034]步驟S2:分別對高光譜圖像中的果實像素和背景像素進行采樣，獲得如圖2所示的光譜特性曲線，其中果實在波段35 (751nm)時取得最大值，背景在波段28 ^71nm)時取得最大值，因此提出去除圖像背景的模型為:
[0035]Vb — 135/工28
[0036]其中I35是像素在波段35 (75Inm)處的亮度值，I28是像素在波段28 (67Inm)處的
亮度值；
[0037]步驟S3:根據(jù)S2中建立的函數(shù)模型，取圖像中每個像素在波段35(751nm)和波段28(671nm)處的亮度值，相比后獲得\，以試驗研究獲得的Vb = 1.0為閾值，當Vb > 1.0時，該像素屬于果實像素，否則，該像素屬于背景像素，從而獲得初步去除背景的二值圖像，如圖3(b)所示，白色表示被判別為果實像素，黑色表示被判別為背景像素；
[0038]步驟S4，針對上述二值圖像，采用9X9的算子進行中值濾波后進行腐蝕操作，再應(yīng)用空間處理的方法即將連接的像素區(qū)域用相同的數(shù)字進行標記，不連接的像素用不同的數(shù)字進行標記，從而獲取圖像內(nèi)的區(qū)域數(shù)及每個區(qū)域的像素數(shù)，最后以實驗研究確定的400像素為閾值，將像素數(shù)小于400的區(qū)域作為噪聲并去除，由此確定圖像內(nèi)的果實數(shù)量和位置，以及每個果實的像素數(shù)，如圖3(d)中所示的白色區(qū)域即為果實的位置；
[0039]步驟S5，分別對過熟果像素和適熟果像素進行采樣，利用逐步向前變量選擇的方法對光譜信息進行分析，從而優(yōu)選出最具有判別性的波段為波段35(751nm)和波段5 (420nm)，再采用線性判別分析法建立判別過熟果像素與適熟果像素的函數(shù)模型為
[0040]y = 2.317X Ι35_4.057X Ι5_5.593
[0041]其中I35是像素在波段35 (75Inm)處的亮度值，I5是像素在波段5 (420nm)處的亮
度值；
[0042]步驟S6:針對S4確定的每一個果實像素，提取其在波段35(751nm)和波段5 (420nm)處的亮度值，應(yīng)用S5確定的判別式模型對每一個果實像素進行分類，當y > O時，該像素被判斷為過熟果像素，否則，該像素被判斷為適熟果像素，如圖3(f)所示，其中灰色像素為過熟果像素，白色像素為適熟果像素；[0043]步驟S7:針對每一個果實，采用多數(shù)原則對其進行最終分類，當一個果實的過熟果像素數(shù)超過該果實總像素數(shù)的50%時，則該果實判斷為過熟果，否則，該果實判斷為適熟果，如圖3(g)所示，灰色表示被判別為過熟果，白色表示被判別為適熟果。
【權(quán)利要求】
1.一種基于高光譜圖像的過熟藍靛果果實識別方法，其特征在于，包括步驟: S1:將待識別的藍靛果果實置入高光譜成像裝置，采集高光譜圖像； S2:分別對高光譜圖像中的果實像素和背景像素進行采樣，分析其光譜特征，提出去除圖像背景的函數(shù)模型； S3:根據(jù)S2中建立的函數(shù)模型去除圖像背景； S4:采用中值濾波、形態(tài)學濾波、空間處理和閾值判斷的方法去除噪聲，從而確定果實的位置； 55:分別對過熟果像素和適熟果像素進行采樣，利用逐步向前變量選擇的方法對光譜信息進行分析，從而優(yōu)選出最具有判別性的波段，再采用線性判別分析法建立判別過熟果像素與適熟果像素的函數(shù)模型； 56:根據(jù)S5建立的判別模型對每一個果實的每一個像素進行計算和判別分類，并分別標記為過熟果像素或適熟果像素； 57:采用多數(shù)原則對每一個果實進行分類，當判別為過熟的像素數(shù)超過一個果實50%的像素數(shù)時，則該果實判為過熟果，否則為適熟果。
2.如權(quán)利要求1所述的一種基于高光譜圖像的過熟藍靛果果實識別方法，其特征在于: 設(shè)高光譜圖像包含P個連續(xù)的波段，任一像素在任意波段q的亮度值I,; 其中，所述步驟S2的去除`圖像背景的函數(shù)模型的獲取方法為: 分別對高光譜圖像中的果實像素和背景像素進行采樣，對各個波段的取各自在果實像素和背景像素的平均亮度值，得到果實像素和背景像素的光譜特性曲線，分別尋找這兩條曲線的亮度最大值所在波段，設(shè)果實像素的光譜特性曲線的最大亮度值所在波段為m，背景像素的光譜特性曲線的最大亮度值所在波段為n，由此提出去除圖像背景的模型為:
\ = In/In 通過試驗研究確定一個閾值V，當Vb > V時，該像素屬于果實像素，否則，該像素屬于背景像素，從而獲得初步去除背景的二值圖像。
3.如權(quán)利要求1所述的一種基于高光譜圖像的過熟藍靛果果實識別方法，其特征在于，其中所述步驟S4中的閾值判斷為: 根據(jù)具體成像裝置的分辨率以及與果實的距離，進行試驗分析，確定一個閾值A(chǔ)，當圖像中某區(qū)域的像素數(shù)大于A，則將其判定為果實區(qū)域，否則，判定為噪聲并處理。
4.如權(quán)利要求1所述的一種基于高光譜圖像的過熟藍靛果果實識別方法，其特征在于，其中所述步驟S5中建立判別過熟果像素與適熟果像素的函數(shù)模型的方法為: 551:分別對過熟果像素和適熟果像素進行采樣； 552:利用逐步向前變量選擇的方法對所有P個波段的光譜信息進行分析，從而優(yōu)選出最具有判別性的k個波段Xp x2、...、Xk ; 553:利用上述k個波段的光譜信息，采用線性判別分析法建立判別過熟果像素與適熟果像素的判別函數(shù)模型:y = b0+b1Ixl-b2Ix2+...+bkIxk, y是判別值，b0是常數(shù)項，b」為第j (j=1、2、...、k)個波段的判別系數(shù)。
【文檔編號】G01N21/25GK103528967SQ201310463530
【公開日】2014年1月22日 申請日期:2013年9月25日 優(yōu)先權(quán)日:2013年9月25日
【發(fā)明者】傅隆生, 李 瑞 申請人:西北農(nóng)林科技大學