[发明专利]高光谱反射图像采集系统及基于该系统的玉米种子纯度无损检测方法

权利要求书

1.基于高光谱反射图像采集系统的玉米种子纯度无损检测方法，其特征在于，包括：

a、将玉米种子样本，放置在高光谱反射图像采集系统中，采集并获取相应玉米种子样本在M个波段下的M个高光谱反射图像；在所得M个高光谱反射图像中，提取每个波段的图像作为相应高光谱反射图像的子图像，M为自然数；

b、在每个波段下，利用图像分割方法对步骤a所得相应子图像进行轮廓提取，得到玉米种子轮廓图像；

基于所得玉米种子轮廓图像，提取至少包含面积、周长、长轴、短轴、离心率、当量直径、长宽比、圆形度、矩形度、内切圆半径、离散度与紧凑度的12个形状特征参数；

将所得M个波段下的12M个形状特征参数，作为判断相应玉米种子样本所属类别的特征参数；

c、将步骤b所得12M个形状特征参数，输入预先建立的检测模型进行检测处理，获取相应玉米种子样本所属纯度类别的检测结果。

2.根据权利要求1所述的基于高光谱反射图像采集系统的玉米种子纯度无损检测方法，其特征在于，在步骤b中，所述利用图像分割方法对步骤a所得相应子图像进行轮廓提取的操作具体包括：

利用步骤a所得相应子图像，基于区域主动轮廓模型、结合水平集的方法，提取多目标条件下的玉米种子轮廓图像；该模型的能量泛函形式为：

        ⑴

其中，是目标区域在灰度值，是背景区域的灰度值，每次轮廓曲线演化时，和都要重新估计，参数、均为正的权重系数，；

在轮廓曲线演化过程中，假设初始水平集函数是根据初始曲线构造的内正外负的符号距离函数，长度项和面积项分别表示成：

                    ⑵

其中，为原始图像的定义域，为Heaviside函数，为Dirac函数；

根据公式⑵，将公式⑴扩展为：

            ⑶

为了得到最小的能量泛函，假设不变，求得参数和的极小值，通过构造Euler-Lagrange方程，得出以函数表示的偏微分方程，按照泰勒展开式表示为：

       ⑷

每次轮廓曲线演化时，该区域主动轮廓模型通过对和的重新估计，代入公式⑷进行不断的迭代，实现函数的更新后，通过函数的零水平集函数，即可获得更新后的演化轮廓曲线，如此不断的循环，直到演化曲线到达最终的目标边界，得到最终的分割结果。

3.根据权利要求2所述的基于高光谱反射图像采集系统的玉米种子纯度无损检测方法，其特征在于，在步骤b中，获取所述最终的分割结果的算法的主要步骤，包括：

初始化参数，构建演化的初始演化轮廓曲线，得到零水平集函数；

离散化各变量的值和当前演化曲线的曲率；

通过迭代，求取水平集函数的值；

演化曲线达到迭代次数，停止迭代，输出最终的目标轮廓，显示分割图像；

通过区域主动轮廓模型结合水平集的方法，确定M个波段图像中玉米种子图像轮廓，从而提取出M个波段下共12M个形状特征参数，作为判断相应玉米种子样本所属类别的特征参数。

4.根据权利要求1所述的基于高光谱反射图像采集系统的玉米种子纯度无损检测方法，其特征在于，在步骤c中，所述预先建立的检测模型具体包括：

利用偏最小二乘判别分析法，作为构建检测模型的工具，构建不同品种的玉米种子样本的检测模型。

5.根据权利要求4所述的基于高光谱反射图像采集系统的玉米种子纯度无损检测方法，其特征在于，在步骤c中，所述获取相应玉米种子样本所属纯度类别的检测结果的操作，即利用不同品种的玉米种子样本的检测模型进行判别的过程，具体包括：

基于所述不同品种的玉米种子样本的检测模型，建立样本的分类标签，并将样本划分为两组，其中一组为训练集，另一组为测试集；

建立训练集样本中分类标签与形状特征参数的PLS回归模型；

根据训练集建立的模型，计算测试集的分类变量的值Y，如果Y=类别标签，则判定样本属于该类，否则不属于该类；最后统计该类别的正确分类率。