[发明专利]一种基于高光谱成像检测虾仁品质的目标区域提取方法

说明书

技术领域

本发明涉及水产品高光谱检测扫描过程中的目标区域提取领域，特别涉及一种基于高光谱成像检测虾仁品质的目标区域提取方法。

背景技术

虾是中国乃至全世界的一种重要的水产品，味道鲜美，营养丰富，深受消费者喜爱。近年来，由于高光谱检测具有准确、快速、无损的特点，使其在水产品领域飞速发展。高光谱检测方法面临的第一个问题是获取分析测试所需要的目标区域，也就是目标感兴趣区域在高光谱图像上的位置。虾仁具有体积小、形状不规则的特征，当虾仁数量较多时，存在目标区域选取困难，易出错的问题。自动检测虾仁目标区域的方法能够高效，快速地提取虾仁目标区域，减小人工操作带来的误差，故对于基于高光谱成像原理的虾仁品质检测仪器的研发是十分重要的。因此，快速、准确提取虾仁的目标区域，关系着高光谱仪器检测虾仁品质的效率，对于促进虾仁质量控制和产业化有着重要的科学意义和应用价值。

目前提取目标区域的方法主要为机器视觉领域的大津法和图像分割法等。但其只涉及红、绿、蓝三个波段，不能充分分辨高光谱图像中虾仁和背景物体，导致虾仁提取区域提取的准确率下降，难以满足当代水产品行业准确、在线、无损检测的需求。

高光谱成像技术作为一种新型技术，在食品品质及安全领域快速检测中已经表现出极强的优越性。在肉品方面，ElMasry,Kamruzzaman,Feng,Wu等人分别进行了猪肉、羊肉、鸡肉和鱼肉的嫩度、汁液流失、pH值、营养成分，微生物含量的研究，通过光谱变化预测肉品的品质和新鲜度。中国专利CN10269711公布了一种适用于高光谱影像的信息提取方法；中国专利CN102982339公布了一种高光谱特征变量选取的方法；中国专利CN102024153公布了一种高光谱图像监督分类方法。以上发明和研究涉及高光谱图像的数据处理，但针对高光谱图像的在复杂背景下目标区域提取方面少有报道。

发明内容

为了克服现有技术的上述缺点与不足，本发明的目的在于提供一种基于高光谱成像检测虾仁品质的目标区域提取方法，实现虾仁目标区域的自动检测，准确率高。

本发明的目的通过以下技术方案实现：

一种基于高光谱成像检测虾仁品质的目标区域提取方法，包括以下步骤：

(1)利用可见近红外高光谱成像仪对虾仁训练样本进行扫描，获取虾仁训练样本在不同波长条件下的光谱信息，得到虾仁训练样本的高光谱图像；

(2)对虾仁训练样本的高光谱图像进行分析，将虾仁训练样本在特征波长下的光谱反射率的一阶导数值作为训练特征向量：

(2-1)对虾仁训练样本的高光谱图像进行黑白版校正，均值滤波；

(2-2)分别提取步骤(2-1)处理后的虾仁训练样本的高光谱图像的虾仁感兴趣区域和背景区域的像素点的光谱反射率，计算其一阶导数值；

(2-3)将整个虾仁感兴趣区域和背景区域的光谱反射率的一阶导数的平均值相减，将绝对值相差最大的波长作为区分虾仁样本和背景的特征波长；

(2-4)将虾仁训练样本的特征波长的光谱反射率的一阶导数值作为训练特征向量；

(3)在虾仁训练样本的高光谱图像中的虾仁感兴趣区域选取多个点的光谱反射率作为虾仁训练集，在虾仁训练样本的高光谱图像中的背景区域选取多个点的光谱反射率作为背景训练集，利用虾仁训练集和背景训练集建立基于径向基核函数的软支持向量机分类模型，其中，径向基核函数的公式为：

K(xi,x)=exp(-(x-xi)2σ2)]]>

x为虾仁待测样本的待测特征向量；x_i为第i个虾仁训练样本的训练特征向量；σ为虾仁训练样本的样本标准差；i＝1,2,…,n；n为虾仁训练样本总数；

定义支持向量机超平面为：