[发明专利]一种多光谱成像的智能识别方法及系统

权利要求书

1.一种多光谱成像的智能识别方法，其特征在于，包括：

在大于或等于一个的成像设备中预置环境条件与成像光谱的对照表以及大于或等于两个的成像光谱，在启用所述成像设备时，根据所述成像设备实时监测的环境条件从所述对照表中选取对应的成像光谱，分别调取所述对应的成像光谱，其中，在所述环境条件与成像光谱的对照表中，每种环境条件对应至少两个成像光谱；

启用所述成像设备对目标成像区域进行拍摄，从而获取目标成像区域的多个光谱区间的谱段图像；

结合预设的目标物体的光谱特征信息利用多光谱成像融合算法模型分割谱段图像，利用机器学习算法对分割后的多个光谱区间谱段图像进行处理，实现对所述分割后的多个光谱区间谱段图像的特征增强及特征融合，生成融合图像；

通过预设的判别策略从所述融合图像中选取与所述判别策略中信息一致的图像作为识别图像。

2.根据权利要求1所述的多光谱成像的智能识别方法，其特征在于，结合预设的目标物体的光谱特征信息利用多光谱成像融合算法模型分割谱段图像，利用机器学习算法对分割后的多个光谱区间谱段图像进行处理，实现对所述分割后的多个光谱区间谱段图像的特征增强及特征融合，生成融合图像，为：

将所述多个光谱区间的谱段图像分别进行融合得到预处理图像，根据预设的目标物体的光谱特征信息获取所述预处理图像中的目标物体预处理图像，计算所述目标物体预处理图像与其它物体的图像差异度并从大到小排序，按所述排序选取一幅预处理图像进行网络训练得到精准的目标物体图像；结合所述目标物体在所述多个光谱区间的谱段图像中的位置信息将所述目标物体图像融合至所述多个光谱区间的谱段图像中得到融合图像。

3.根据权利要求1所述的多光谱成像的智能识别方法，其特征在于，结合预设的目标物体的光谱特征信息利用多光谱成像融合算法模型分割谱段图像，利用机器学习算法对分割后的多个光谱区间谱段图像进行处理，实现对所述分割后的多个光谱区间谱段图像的特征增强及特征融合，生成融合图像，为：

采取平均灰度判断策略，描绘出所有的所述谱段图像的灰度分布直方图，计算各所述谱段图像的灰度平均值，选取灰度平均值与所述平均灰度判断策略中预设的灰度平均值一致的所述谱段图像作为背景图像，结合所述目标物体在所述谱段图像中的位置信息将所述目标物体图像融合至所述背景图像中得到融合图像。

4.根据权利要求1所述的多光谱成像的智能识别方法，其特征在于，还包括：

在所述成像设备中，预设物体与成像光谱的对应关系，当选定所述目标物体时，根据所述预设物体与成像光谱的对应关系以及所述目标物体，对比得到所述目标物体的成像光谱，利用所述目标物体的成像光谱对所述目标成像区域进行拍摄。

5.根据权利要求1至4中任意一项所述的多光谱成像的智能识别方法，其特征在于，所述成像光谱的波长范围从紫外光谱、可见光谱、近红外光谱、中红外光谱、远红外光谱中进行选择。

6.一种多光谱成像的智能识别系统，其特征在于，包括：启动设置器、拍摄器、图像处理器及图像判别器；其中，

所述启动设置器，与所述拍摄器相连接，用于在大于或等于一个的成像设备中预置环境条件与成像光谱的对照表以及大于或等于两个的成像光谱，在启用所述成像设备时，根据所述成像设备实时监测的环境条件从所述对照表中选取对应的成像光谱，分别调取所述对应的成像光谱，其中，在所述环境条件与成像光谱的对照表中，每种环境条件对应至少两个成像光谱；

所述拍摄器，与所述启动设置器及图像处理器相连接，用于启用所述成像设备对目标成像区域进行拍摄，从而获取目标成像区域的多个光谱区间的谱段图像；

所述图像处理器，与所述拍摄器及图像判别器相连接，用于结合预设的目标物体的光谱特征信息利用多光谱成像融合算法模型分割谱段图像，利用机器学习算法对分割后的多个光谱区间谱段图像进行处理，实现对分割后的所述多个光谱区间谱段图像的特征增强及特征融合，生成融合图像；

所述图像判别器，与所述图像处理器相连接，用于通过预设的判别策略从所述融合图像中选取与所述判别策略中信息一致的图像作为识别图像。