一种利用二维高光谱图像识别鸡胴体表面污染物的方法技术

本发明专利技术公开了一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，包括如下步骤：1)获取高光谱图像；2)校正图像；3)分析动态光谱在不同波段间的相关性，构建高光谱二维相关谱；4)对污染物进行检测；41)进行假彩色图像增强；42)分析假彩色空间中的像素分布；43)确定颜色分割阈值；5)识别结果可视化。本发明专利技术所达到的有益效果：本方法将高光谱一维谱拓展至二维谱，从而进一步提高光谱分辨率；从二维高光谱中提取出对污染物最为敏感的特征波段，用于构建假彩色图像，最后利用颜色分割法识别污染物以及皮肤淤血，实现双波段的无损快速检测。

Method for identifying chicken carcass surface pollutant by using two-dimensional hyperspectral image

The invention discloses a method for using two-dimensional hyperspectral image recognition of chicken carcass contamination on the surface, and is characterized in comprising the following steps: 1) to obtain high spectral image; image correction; 2) 3) correlation analysis of dynamic spectrum in different bands between the construction of high spectral correlation spectrum; 4) to detect 41) of pollutants; false color image enhancement; 42) analysis of false color pixel distribution in space; 43) to determine the color segmentation threshold; 5) recognition result visualization. Beneficial effects: the method of high spectral spectrum is extended to two-dimensional spectrum, so as to further improve the spectral resolution of hyperspectral; extraction from 2D to pollutants most sensitive characteristic bands, for the construction of false color image, finally using color segmentation method to identify the pollutants and skin congestion, to achieve rapid and nondestructive detection of double band.

【技术实现步骤摘要】

本专利技术涉及一种利用二维高光谱图像识别鸡胴体表面污染物的方法，属于图像处理

技术介绍
鸡的屠宰加工过程中，鸡胴体表面极易受到破损肠道内粪便污染物的污染。目前，国内对于鸡胴体表面污染物的检测主要采用人工视觉的方法。人工检测无法满足生产效率要求；对一些小尺度和低浓度的污染物，人眼无法识别，造成漏检；另外，人工检测容易产生视觉疲劳，影响检测效果，可信度较低。目前已有的一些利用机器视觉进行污染物识别的技术，主要针对的是胴体表面粪便污染检测，而对于胆汁、血液污染，以及胴体淤血检测鲜有相关报道。已有的研究中，都是对直接取自肠道中的污染物进行检测，而在实际生产中，鸡胴体要经过喷淋冲洗环节，其表面残留污染物大多被水稀释，浓度显著降低，可见度很差，无论人工还是机器视觉都很难检测到。
技术实现思路
为解决现有技术的不足，本专利技术的目的在于提供一种利用二维高光谱图像识别鸡胴体表面污染物的方法，将高光谱一维谱拓展至二维谱提高光谱分辨率，从二维高光谱中提取出对污染物最为敏感的特征波段构建假彩色图像，利用颜色分割法识别污染物以及皮肤淤血，实现双波段的无损快速检测。为了实现上述目标，本专利技术采用如下的技术方案：一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，包括如下步骤：1)获取高光谱图像：在实验室内室温条件下，将鸡胴体胸腹部向上，放在一个蒙着黑布的托盘上，再将托盘放在高光谱图像系统电动平台上，进行高光谱图像采集；2)校正图像：将获取的高光谱图像进行校正，校正方程其中I为校正后图像；I0是从高光谱图像系统中获取的原始图像；在与获取样本图像相同拍摄条件下，拍摄标准白板获得了白色参考图像W；B为在相机镜头关闭状态下拍摄的暗参考图像，用于去除相机传感器暗电流的影响；黑白校正后的图像用于模型校正以及验证；3)分析动态光谱在不同波段间的相关性，构建高光谱二维相关谱；4)对污染物进行检测；41)进行假彩色图像增强；42)分析假彩色空间中的像素分布；43)确定颜色分割阈值；5)识别结果可视化：将处于R、G、B三个通道阈值限定范围内的像素被标记为识别出的污染区域像素，利用MATLAB获取假彩色图像中被识别像素的坐标，并在识别结果图中标记出来。进一步地，所述步骤1)中采集样本整体高光谱信息时，同时获得未加微扰区域的原始光谱信息part0，以及施加了微扰区域的变化光谱信息part1,part2,…,partn，n为施加了微扰区域的个数。进一步地，其特征是，所述步骤3)包括如下步骤：31)采用ENVI4.8软件导入并打开校正后的高光谱图像，通过感兴趣区ROI工具手工选取污染ROI、非污染ROI以及背景ROI，构成校正集；其中，污染ROI的选取集中在中心区域，避免边缘区域；这是由于污染物被稀释后流动性增强，在边缘区域形成微量污染物质与皮肤的混合像元，不利于污染物质的特征光谱的提取；非污染ROI采用线状的ROI提取，目的是为了用最少量的像素去覆盖尽量多的鸡胴体部位：胸部、鸡腿、鸡翅、以及它们之间的连接处；校正集包括240个污染ROI、30个非污染ROI、以及30个背景ROI；32)将240个污染ROI数据构建成m个污染ROI集合，相当于对洁净鸡胴体施加了m个微扰，其中第j个污染ROI集合，微扰为tj，在λnm波段下的反射率为Aj(λ)＝A(λ,tj)，j＝1,2,…,m，则动态光谱可表示为j＝1,2,…，m，其中A0为未被污染ROI的平均光谱，将其作为参考光谱；则同步相关强度λa,λb是随机选择的两个波段数值；33)将动态光谱相关性分析的结果以二维等高线图或三维图形的形式表示出来，得到鸡胴体皮肤光谱在污染物微扰作用下的高光谱同步二维相关光谱，代表两个波段λa和λb处两个动态光谱信号之间的关联程度，并且关于主对角线对称；34)高光谱二维同步谱中对角线上出现的自相关峰总是正峰，其大小代表了反射峰带对微扰的敏感程度，若某波段下动态光谱相对于原始光谱有较大程度的改变,则该处显示出较强的自相关峰,反之那些保持不变的波段给出极小或没有自相关峰，此时自相关峰出现的波段是对微扰最为敏感的波段，将其提取出来作为后续分析处理的特征波段；也就是说二维相关谱中位于(λi,λj)和(λj,λi)的峰为交叉峰，交叉峰可正可负；如果由微扰引起的λi和λj波段处光谱改变是同相位的，则(λi,λj)和(λj,λi)处的交叉峰为正，反之为负。通常，一对交叉峰所对应的两个波段(λi,λj)和(λj,λi)处也对应着两个自动峰，这样的一对交叉峰和两个自动峰构成一个同步相关正方形。同步相关正方形对应的两个波段λi和λj可以被选为特征提取和处理的特征波段。进一步地，所述步骤31)中将稀释的污染物看成是干净皮肤系统的微扰，皮肤淤血区域没有被选为校正集。进一步地，所述步骤41)具体步骤为：在一个真彩色图像中，每一个像素都包含R(红)、G(绿)、B(蓝)三基色，每一基色成分直接决定了此基色的强度。自然界中所有的颜色都可以由R、G、B三种颜色混合而成；在检测领域选择三个非标准的R、G、B波段分别输入到R、G、B通道，形成一个特殊的颜色环境，使得被检测目标具有突出的颜色特征，使得污染物以及皮肤淤血更容易被识别出来；采用ENVI软件的“可用波段列表”功能，选择波段并进行假彩色融合。进一步地，所述步骤42)利用MATLAB软件中的“im2double”函数功能将产生的假彩色图像转换成双精度图像，然后将标准化后的R、G、B值输入RGB空间，其中x轴为红色通道，y轴为绿色通道，z轴为蓝色通道；分析污染区域、未污染区域、以及背景区域像素在RGB空间的分布规律及区别，在R、G、B三个通道设定恰当的阈值将污染区域的特定颜色提取出来，实现污染区域的识别。进一步地，所述步骤43)中R、G、B三个通道的阈值采用受试者测试曲线ROC方法确定。进一步地，所述步骤5)中识别结果图中由鸡胴体表面的皮肤褶皱或者光照阴影区引起的假阳性点采用区域标记法，去除面积小于50个像素的连通区域，将部分小面积的假阳性点清除。本专利技术所达到的有益效果：本方法将高光谱一维谱拓展至二维谱，从而进一步提高光谱分辨率；从二维高光谱中提取出对污染物最为敏感的特征波段，用于构建假彩色图像，最后利用颜色分割法识别污染物以及皮肤淤血，实现双波段的无损快速检测。具体实施方式下面对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。本专利技术涉及一种利用二维高光谱图像识别鸡胴体表面污染物的方法，包括如下步骤：1)获取高光谱图像，同时获得未加微扰区域的原始光谱信息part0，以及施加了微扰区域的变化光谱信息part1,part2,…,partn：在实验室内室温条件下，将鸡胴体胸腹部向上，放在一个蒙着黑布的托盘上，再将托盘放在高光谱图像系统电动平台上，进行高光谱图像采集；2)校正图像：将获取的高光谱图像进行校正，校正方程其中I为校正后图像；I0是从高光谱图像系统中获取的原始图像；在与获取样本图像相同拍摄条件下，拍摄标准白板获得了白色参考图像W；B为在相机镜头关闭状态下拍摄的暗参考图像，用于去除相机传感器暗电流的影响；黑白校正后的图像用于模型校正以及验证；3)分析动态光谱在不同波段间的相关性，构建高光谱二维相本文档来自技高网...

【技术保护点】
一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，包括如下步骤：1)获取高光谱图像：将鸡胴体胸腹部向上，放在一个蒙着黑布的托盘上，再将托盘放在高光谱图像系统电动平台上，进行高光谱图像采集；2)校正图像：将获取的高光谱图像进行校正，校正方程其中I为校正后图像；I0是从高光谱图像系统中获取的原始图像；在与获取样本图像相同拍摄条件下，拍摄标准白板获得了白色参考图像W；B为在相机镜头关闭状态下拍摄的暗参考图像，用于去除相机传感器暗电流的影响；3)分析动态光谱在不同波段间的相关性，构建高光谱二维相关谱；4)对污染物进行检测；41)进行假彩色图像增强；42)分析假彩色空间中的像素分布；43)确定颜色分割阈值；5)识别结果可视化：将处于R、G、B三个通道阈值限定范围内的像素被标记为识别出的污染区域像素，利用MATLAB获取假彩色图像中被识别像素的坐标，并在识别结果图中标记出来。

【技术特征摘要】
1.一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，包括如下步骤：1)获取高光谱图像：将鸡胴体胸腹部向上，放在一个蒙着黑布的托盘上，再将托盘放在高光谱图像系统电动平台上，进行高光谱图像采集；2)校正图像：将获取的高光谱图像进行校正，校正方程其中I为校正后图像；I0是从高光谱图像系统中获取的原始图像；在与获取样本图像相同拍摄条件下，拍摄标准白板获得了白色参考图像W；B为在相机镜头关闭状态下拍摄的暗参考图像，用于去除相机传感器暗电流的影响；3)分析动态光谱在不同波段间的相关性，构建高光谱二维相关谱；4)对污染物进行检测；41)进行假彩色图像增强；42)分析假彩色空间中的像素分布；43)确定颜色分割阈值；5)识别结果可视化：将处于R、G、B三个通道阈值限定范围内的像素被标记为识别出的污染区域像素，利用MATLAB获取假彩色图像中被识别像素的坐标，并在识别结果图中标记出来。2.根据权利要求1所述的一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，所述步骤1)中采集样本整体高光谱信息时，同时获得未加微扰区域的原始光谱信息part0，以及施加了微扰区域的变化光谱信息part1,part2,…,partn。3.根据权利要求1所述的一种利用二维高光谱图像识别鸡胴体表面污染物 的方法，其特征是，所述步骤3)包括如下步骤：31)采用ENVI4.8软件导入并打开校正后的高光谱图像，通过感兴趣区ROI工具手工选取污染ROI、非污染ROI以及背景ROI，构成校正集；其中，污染ROI的选取集中在中心区域，避免边缘区域；非污染ROI采用线状的ROI提取；校正集包括240个污染ROI、30个非污染ROI、以及30个背景ROI；32)将240个污染ROI数据构建成m个污染ROI集合，相当于对洁净鸡胴体施加了m个微扰，其中第j个污染ROI集合，微扰为tj，在λnm波段下的反射率为Aj(λ)＝A(λ,tj)，j＝1,2,…,m，则动态光谱可表示为j＝1,2,…,m，其中A0为未被污染ROI的平均光谱，将其作为参考光谱；则同步相关强度λa,λb是随机选择的两个波...

【专利技术属性】
技术研发人员：吴威，陈坤杰，
申请(专利权)人：南京农业大学，
类型：发明
国别省市：江苏;32