装在灯箱I的上方中间，在相机前加装一个8个滤波器的8转轮，安放8个波长的窄带滤波片，波长分别为365、404、410、420、435、450、546、577nm。相机4和计算机11通过USB连接，可将拍摄的图像实时传输给计算机处理。
[0021]结合图2说明本发明所公开的海洋溢油油种识别方法:
[0022]1.图像采集:图像采集包括两个部分，训练集图像采集，准备多种样(如准备I汽油、2柴油、3煤油、4机油、5原油、6植物油六种类)分别放在圆形玻璃皿中，每个品种50个样，分别在254反射、302透射、365反射光光源下，转动滤波器转轮在577-365共8种滤波片下，每个样品拍摄两张照片；拍摄后，对图像进行编号(如5机油，光源254nm，滤波片577nm，第I张，编号为5-254-577-1.jpg)，共采集样品照片为1140副(6个油种*3个波长光源*8种滤波片*2副*50个样)，将图像保存。
[0023]2.图像预处理:预处理主要是对油样的有效光斑信息进行提取，I)由于图像采集的像素比较大，为3000*4000 = 12000像素，而油样主要分布在中间位置，所以优先将图像进行裁剪中间1500*1500像素，这样图像压缩为原来的四分之一 ；2)对比度拉增强、取自适应阈值，二值化图像，并进行孔洞填充和开闭运算；3)图像联通区标记后，如果能提取出大于10000像素点的联通区，则提取最大联通区外接矩形四个角坐标，并以此为四个点将子图像抠出来。如果不能提取，则什么也不做；4)将图像拉伸到800*800，5)图像预处理的结果是将图像光斑外界矩形图像提取出来，大小为800*800像素，然而该光斑图像包括了背景、玻璃皿等信息，应去除，所以首先取略小于光斑圆的内接矩形为信息区500*500 ；6)将光斑图像按照原图像的名字存储。
[0024]3.图像特征提取:由于每个油样重复了两次拍摄，所以每个品种50个油样可以得到100副子图像，分别求50个样本的24个状态下(3种光源，8个滤波片)的RGB、HSV6个分量的均值特征。由此得到6个油种，每个油种50个样本，每个样本24个状态的，每个状态6个颜色均值特征的特征矩阵Data，保存到Excel表格中，以备后面识别使用。
[0025]4.图像特征优化:在进行识别，首先需要对数据Data进行标准化(中心化和白化)，然后进行PCA变换，按照主分分量的贡献率进行排序，得到按照特征映射features，在使用K-1CA之间随机生成初始混合矩阵W，得到混合向量X = features*W ;使用K-1CA求得解混合矩阵Wcca，求得sestimate = Wcca*features’，然后使用支持向量机进行分类。
[0026]5.图像识别:图像识别方法采用支持向量机模型，选用的核函数是径向基RBF核函数，其中的两个参数C和ga_a可由系统网格法寻优给出给出。通过上述过程得到训练模型。对于待测样品(如某违法溢油源)重复上述1-5的过程，对图像采集、预处理、特征提取与优化，得到测试数据，将测试数据输入训练模型得到该油的油种标签。
【主权项】
1.一种紫外诱导荧光多光谱成像的海洋溢油油种识别方法，其特征在于，该方法包括一套紫外诱导荧光多光谱成像装置和海洋溢油油种识别方法，所述的海洋溢油油种识别方法包括图像的采集、图像的预处理、特征提取、特征优化和图像识别五个步骤。2.根据权利要求1所述的紫外诱导荧光多光谱成像装置，其特征在于:包括一个灯箱，灯箱内安装254、302、365nm三种波长的紫外光源，灯管前方分别放置相应波长的滤波片，相机前加装一个8个滤波器的转轮，窄带滤波片波长分别为365、404、410、420、435、450、546、577nm，通过相机采集图像传给计算机处理。3.根据权利要求1所述海洋溢油油种识别方法的第一步图像的采集，其特征在于:准备6种以上油样，包括汽油、煤油、柴油、机油、原油、植物油，每个品种50个样，分别放在圆形玻璃皿中，分别在三种光源下，相机前分别加装8种滤波片情况下，每个样品拍摄两张照片，对图像进行编号、保存。4.根据权利要求1所述的海洋溢油油种识别方法的第二步图像的预处理，其特征在于:先将图像中间油油样位置像素裁剪出来，图像压缩为原来的四分之一，然后对比度拉增强、自适应阈值二值化图像、进行孔洞填充和开闭运算、图像联通区标记，如果能提取出大于10000像素点的联通区，提取联通区外接矩形图像，若无此联通区，则什么也不做，将图像拉伸到相同大小，然后略小于取此图像内接最大圆内接正方形的子图像，将光斑图像按照原图像的名字存储。5.据权利要求1所述的海洋溢油油种识别方法的第三步特征提取，其特征在于:由于每个油样重复了两次拍摄，所以每个品种50个油样可以得到100副子图像，分别求50个样本的24个状态下(3种光源，8个滤波片)的RGB、HSV6个分量的均值特征，由此得到6个油种，每个油种50个样本，每个样本24个状态的，每个状态6个颜色均值特征的特征矩阵Data，保存到Excel表格中，以备后面识别使用。6.据权利要求1所述的海洋溢油油种识别方法的第四步特征优化，其特征在于:首先需要对数据Data进行标准化(中心化和白化)，然后进行PCA变换，按照主分分量的贡献率进行排序，得到按照特征映射features，在使用K-1CA之间随机生成初始混合矩阵W，得到混合向量X = features*W ;使用K-1CA求得解混合矩阵Wcca，求得sestimate =Wcca*features’，然后使用支持向量机进行分类。7.据权利要求1所述的海洋溢油油种识别方法的第五步图像识别，其特征在于:图像识别方法采用支持向量机模型，选用的核函数是径向基RBF核函数，其中的两个参数C和ga_a可由系统网格法寻优给出给出，通过上述过程得到训练模型，对于待测样品(如某违法溢油源)重复上述1-5的过程，对图像采集、预处理、特征提取与优化，得到测试数据，将测试数据输入训练模型得到该油的油种标签。
【专利摘要】本发明公开了一种对海洋溢油的种类进行快速鉴别的方法，包括通过紫外光源诱导荧光光源系统、多光谱相机系统和图像识别系统组成，紫外光源诱导荧光光源系统的包括紫外区三个波长的光源分别为254、302、365nm，多光谱相机系统是在普通相机前加装在8个滤波片实现，滤波片的波长分别为365、404、410、420、435、450、546、577，通过滤波片相机采集图像，图像识别系统，通过相机采集的6个油品(汽油、柴油、煤油、机油、原油、植物油)以采集到的图像光斑的RGBHSV颜色均值作为特征进行油种的识别，然后采用PCA优化和ICA特征优化后的K-mean聚类和SVM识别进行油种识别。该方法经济简单，可实现对海洋溢油的油种的快速识别。
【IPC分类】G01N21/64
【公开号】CN104914082
【申请号】CN201510260542
【发明人】万剑华, 韩仲志
【申请人】中国石油大学(华东)
【公开日】2015年9月16日
【申请日】2015年5月20日