一种利用二维高光谱图像识别鸡胴体表面污染物的方法与流程

技术特征：

1.一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，包括如下步骤：

1)获取高光谱图像：将鸡胴体胸腹部向上，放在一个蒙着黑布的托盘上，再将托盘放在高光谱图像系统电动平台上，进行高光谱图像采集；

2)校正图像：将获取的高光谱图像进行校正，校正方程其中I为校正后图像；I₀是从高光谱图像系统中获取的原始图像；在与获取样本图像相同拍摄条件下，拍摄标准白板获得了白色参考图像W；B为在相机镜头关闭状态下拍摄的暗参考图像，用于去除相机传感器暗电流的影响；

3)分析动态光谱在不同波段间的相关性，构建高光谱二维相关谱；

4)对污染物进行检测；

41)进行假彩色图像增强；

42)分析假彩色空间中的像素分布；

43)确定颜色分割阈值；

5)识别结果可视化：将处于R、G、B三个通道阈值限定范围内的像素被标记为识别出的污染区域像素，利用MATLAB获取假彩色图像中被识别像素的坐标，并在识别结果图中标记出来。

2.根据权利要求1所述的一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，所述步骤1)中采集样本整体高光谱信息时，同时获得未加微扰区域的原始光谱信息part₀，以及施加了微扰区域的变化光谱信息part₁,part₂,…,part_n。

3.根据权利要求1所述的一种利用二维高光谱图像识别鸡胴体表面污染物 的方法，其特征是，所述步骤3)包括如下步骤：

31)采用ENVI4.8软件导入并打开校正后的高光谱图像，通过感兴趣区ROI工具手工选取污染ROI、非污染ROI以及背景ROI，构成校正集；

其中，污染ROI的选取集中在中心区域，避免边缘区域；

非污染ROI采用线状的ROI提取；

校正集包括240个污染ROI、30个非污染ROI、以及30个背景ROI；

32)将240个污染ROI数据构建成m个污染ROI集合，相当于对洁净鸡胴体施加了m个微扰，其中第j个污染ROI集合，微扰为t_j，在λnm波段下的反射率为A_j(λ)＝A(λ,t_j)，j＝1,2,…,m，则动态光谱可表示为j＝1,2,…,m，其中A₀为未被污染ROI的平均光谱，将其作为参考光谱；则同步相关强度λ_a,λ_b是随机选择的两个波段数值；

33)将动态光谱相关性分析的结果以二维等高线图或三维图形的形式表示出来，得到鸡胴体皮肤光谱在污染物微扰作用下的高光谱同步二维相关光谱，代表两个波段λ_a和λ_b处两个动态光谱信号之间的关联程度，并且关于主对角线对称；

34)高光谱二维同步谱中对角线上出现的自相关峰总是正峰，其大小代表了反射峰带对微扰的敏感程度，若某波段下动态光谱相对于原始光谱有较大程度的改变,则该处显示出较强的自相关峰,反之那些保持不变的波段给出极小或没有自相关峰，此时自相关峰出现的波段是对微扰最为敏感的波段，将其提取出来作为后续分析处理的特征波段。

4.根据权利要求3所述的一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，所述步骤31)中将稀释的污染物看成是干净皮肤系统的微 扰。

5.根据权利要求1所述的一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，所述步骤41)具体步骤为：在检测领域选择三个非标准的R、G、B波段分别输入到R、G、B通道，形成一个特殊的颜色环境，使得被检测目标具有突出的颜色特征，使得污染物以及皮肤淤血更容易被识别出来。

6.根据权利要求1所述的一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，所述步骤42)利用MATLAB软件中的“im2double”函数功能将产生的假彩色图像转换成双精度图像，然后将标准化后的R、G、B值输入RGB空间，其中x轴为红色通道，y轴为绿色通道，z轴为蓝色通道；

分析污染区域、未污染区域、以及背景区域像素在RGB空间的分布规律及区别，在R、G、B三个通道设定恰当的阈值将污染区域的特定颜色提取出来，实现污染区域的识别。

7.根据权利要求1所述的一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，所述步骤43)中R、G、B三个通道的阈值采用受试者测试曲线ROC方法确定。

8.根据权利要求1所述的一种利用二维高光谱图像识别鸡胴体表面污染物的方法，其特征是，所述步骤5)中识别结果图中由鸡胴体表面的皮肤褶皱或者光照阴影区引起的假阳性点采用区域标记法，去除面积小于50个像素的连通区域，将部分小面积的假阳性点清除。