[发明专利]一种基于图像背景概率图的食用油杂质检测方法

摘要

本发明公开了一种基于图像背景概率图的食用油杂质检测方法，属于杂质检测技术领域。本发明主要包括建立背景概率图以及异物检测，背景概率图用于对油瓶瓶体纹路进行背景建模，其步骤为：对图像进行ROI提取；继而进行图像预处理与阈值分割突出纹路部分；采用基于学习函数学习序列图像更新背景图的方式重建背景，并将最终所得背景图像归一化得背景概率图；在获得背景概率图后可进行异物检测，其步骤为：对待测图像做ROI提取与预处理；与背景概率图相乘并作阈值分割提取候选对象；选取多特征，采用基于SVM分类器的方式排除干扰，识别异物。本发明能排除拍摄图片中油瓶周围环境的干扰，准确并最大程度提取油体检测区域，提取油体中的可见异物。

主权项

1.一种基于图像背景概率图的食用油杂质检测方法，其特征在于，其步骤为：建立背景概率图：1)对采集图像进行目标检测油体区域ROI提取；具体为：采用Meanshift图像分割算法，将彩色图像分割并标记为不同类别Mi，继而计算每个类别的面积，及其中轴线相对于图像中轴线的偏移量，提取属于目标检测油体区域的类别，最终通过形态学处理，去除空洞与干扰，获得完整准确的油体区域；其中：图像中轴线为：Mi的横向中轴线为：Mi的横向中轴线相对于图像中轴线的偏移量为：上式中，N_image、分别代表图像的像素个数及M_i的像素个数，x_n、分别为图像中的第n个像素点的横坐标及M_i中第k个像素点的横坐标；2)对提取的油体区域进行背景重建前的图像预处理，包括：将图像转为灰度图，并进行横向图像配准与矫正，使油体区域居于图像中间位置；对图像进行平滑滤波，继而与横向配准与矫正后的图像做差，提取需进行背景重建的部分；其中，图像的平滑滤波过程为：对横向图像配准与矫正后图像R'(i,j)的每个像素点，设定(2a+1)×(2a+1)大小的窗口，定义窗口内图像的能量值均值为平滑后图像中对应像素点的灰度值，具体公式为：上式中，μ(i,j)为平滑后图像的灰度值，nW为窗口中灰度值不为0的像素点的个数；3)对步骤2)所得图像进行阈值分割，进一步突出纹路部分；进行阈值分割后图像C(i，j)：上式中，D(i,j)为平滑前后的差分图像，T的取值范围为20～30；4)取100‑300张经步骤1)～3)处理后图像作为样本图像集，采用基于学习函数更新背景图的方式重建背景，并将最终所得背景图像归一化得背景概率图；获取背景概率图的步骤如下：(a)设定背景图初始图像每个像素点的起始值为255；(b)定义背景图学习函数，并基于该学习函数更新背景图：G(i,j)＝255时，G(i,j)＝0时，上式中，B(i,j)为当前背景图，B'(i,j)为下一背景图；(c)对所有样本集图像进行背景学习后，对所得背景图归一化得到背景概率图P(i,j)；进行异物检测：i)对待检测图像进行步骤1)和2)所述ROI提取以及预处理操作；ii)将步骤i)所得图像与已得背景概率图相乘，并作阈值分割，去除瓶身纹路干扰，提取候选对象；iii)对每一个候选对象，继续选取灰度值、对比度、形状以及位置特征作为SVM分类器的输入向量，经过分类器训练和分类后，最终去除干扰部分，识别可见异物。