[发明专利]一种基于红外图像的禽蛋品质鉴别方法

权利要求书

1.一种基于红外图像的禽蛋品质鉴别方法，其特征在于：包括以下步骤：

步骤1：利用红外热像仪采集禽蛋的红外图像并将红外图像输入给计算机；

步骤2：对红外图像进行预处理，然后进行二值化，得到二值图像；

步骤3：对二值图像的白色区域进行连通性检测，得到若干个白色连通区域，并根据禽蛋外形特征对白色连通区域进行约束，去除掉不符合要求的连通区域，得到禽蛋的位置分布图；

步骤4：对位置分布图进行降噪，得到表征禽蛋区域的连通区域图像，每一个连通区域对应一个禽蛋，从1到n对各连通区域进行编号；

步骤5：根据红外图像和连通区域图像，计算禽蛋分割图；

步骤6：根据禽蛋分割图计算每个禽蛋区域的灰度均值μ_i、均方差σ_i以及面积s_i，构成特征向量x_i＝[μ_i,σ_i,s_i]^T，i＝{1,2,...n}；

步骤7：将特征向量x_i带入采用训练样本预先训练好的判决模型，计算出模型值N_i；

判决模型为采用品质合格禽蛋训练得到的一个三维空间的高斯模型：

其中，为样本特征向量均值，

Σ为样本特征向量协方差，

步骤8：将计算出的模型值N_i与判决阈值进行比较，从而完成对禽蛋品质的鉴别。

2.根据权利要求1所述的基于红外图像的禽蛋品质鉴别方法，其特征在于：训练样本中包含品质合格禽蛋、品质差禽蛋以及品质更差禽蛋；判决阈值包括N_t、N_r，其中，N_t为训练样本中品质差禽蛋按照判决模型所计算出的模型值；N_r为训练样本中品质更差禽蛋按照判决模型所计算出的模型值；当N_i＞N_t，则为品质良好禽蛋；当N_t≥N_i≥N_r，则为品质较差禽蛋；当N_i＜N_r，则为变质禽蛋。

3.根据权利要求2所述的基于红外图像的禽蛋品质鉴别方法，其特征在于：判决模型按照如下步骤训练：

步骤201：收集已知品质的禽蛋作为训练样本，令禽蛋的样本特征向量为变量x，按照所述步骤1～6计算出训练样本中各个禽蛋的样本特征向量；其中，训练样本中包含品质合格禽蛋、品质差禽蛋以及品质更差禽蛋；

步骤202：采用品质合格禽蛋训练一个三维空间的高斯模型，并计算模型参数以及∑，为样本特征向量均值，∑为样本特征向量协方差，

步骤203：将模型参数以及∑代入由品质合格禽蛋训练的高斯模型，得到判决模型如下：

步骤204：将品质差禽蛋以及品质更差禽蛋的特征向量代入判决模型，计算出若干模型值，选取品质差禽蛋模型值的平均值作为判决阈值N_t，选取品质更差禽蛋模型值的平均值作为判决阈值N_r。

4.根据权利要求1所述的基于红外图像的禽蛋品质鉴别方法，其特征在于：步骤2中图像预处理按照如下步骤进行：首先，对红外图像进行均值滤波降噪；然后对红外图像中各像素点的灰度值进行线性变换，将灰度值变换到0～255范围内，保证亮度和对比度的统一。

5.根据权利要求3所述的基于红外图像的禽蛋品质鉴别方法，其特征在于：红外图像进行线性变换的方法如下：

找到红外图像中灰度值最大的像素点以及灰度值最小的像素点，获取红外图像的最大灰度值h_max和最小灰度值h_min；令线性变换前的灰度值为h，变换后的灰度值为g，构造如下方程组以求解线性变换参数k和b：

根据求解到的线性变换参数k和b，得到线性变换方程g＝kh+b，按照该线性变换方程对红外图像中各像素点的灰度值进行线性变换。