专利名称：基于机器视觉的水质检测中多维色谱向量分类方法
技术领域：
本发明属于基于机器视觉的水质检测中多维色谱向量分类方法领域，尤其是一种 具有广谱多参数被测水质能力的基于机器视觉的水质检测中多维色谱向量分类方法。
背景技术：
现有技术中存在的问题为不具有以机器视觉为基础的广谱检测功能，缺乏判别广 谱多参数被测水质的能力。
发明内容
本发明的目的是提供一种具有广谱多参数能力的基于机器视觉的水质检测多维 色谱向量分类方法。本发明的技术方案是基于机器视觉的水质检测中多维色谱向量分类方法，其特 征是包括下列步骤(1)读取M个样本水体数字图像，将M个样本水体数字图像和待测水体数字图像分 别形成图像对，进而获得所述图像对的R、G、B三基色图像对；(2)在R、G、B三基色图像对中的每个基色图像对上提取一对L维特征向量，以此 为基础形成3组二级特征距离量，根据所述的3组二级特征距离量构造3-维向量，实现L 维特征向量向3-维二级特征向量的映射；(3)计算各基色图像向量模，然后计算各基色向量模的和，以获取样本水体数字图 像和待测水体数字图像的向量模之和，选择M个样本水体数字图像产生的M个向量模之和 的最小值，根据该最小值关联判定待测水体与样本水体是否同类以及被测水体及其相应污 染物浓度。所述实现L维特征向量向3-维二级特征向量的映射，具体包括下列步骤(1)在每个基色图像对上提取一对L维特征向量；(2)分别计算相对于三个基色图像的一对L维特征向量的二级特征距离量，如下相对于R基色dist^ = [aEι (xEii"E \ 2 , -X iq) +(1-RwR R \ "a 1/ VX 2i_X 2q/2]1/2··.(3.1)
其中0 < Be1< 1 ，
distE2 = [aE(xR - 2、A 3iR \ 2, -X 3q) +(1-EwE E \ 2) 4i_X 4q/2]1/2··.(3.2)
其中0 < aE2< 1 ，
distE3 =
+0. 3aE3) (xE7iE \ -X 7q)2I 」1/2· · ■(3, 3)
其中0 < A< 1 ，对于以上各式i = 1，2，...，M;且χΕπ = Ve11,
5
VR2I
3i
Vli
V 3i
XE = VE
A 七V 4i ？
N-I VM-I VLmi χ=0Lu y=0vK2i，N-IM-IΣΣχ=0y 二ιVK3i，N-I VM-I VLu =0L·^ y=0
(4. 1)
(4. 2)
.Sw、
N-I M-I
VR4i= Σ Σ 2xy PRi (χ, y)/Vli11 ；
x=0 y=0
(4. 4)
= VE
、5i v 5i'
V'
5:i
N-I M-I =Σ Σ X2 PRi (χ, y) /Ψ χ二O y=0
(4. 5)
= Ve 、6i ν 6i'
N-I M-I Vlifii = Σ Σ y2 PR, (χ, y) /Ψ χ=0 y=0
(4. 6)
Xe = Ve 7i ν 7i
VE7i = VE4i/(VE5i-VE6i) ；. . . (4. 7)
根据三个基色图像的对称特性，同样计算基色G和基色B的二级特征距离量； (3)根据二级特征距离量构造3-维向量，形成二级“特征向量签字点”，实现L维
特征向量向3-维二级特征向量的映射，具体包括下列步骤
R基色图像上的特征向量签字点< =(V^li，VK2i，VK3i)，其中，
Ve11=dist^ ；. . (7.1)vE2i=distE2i ；. . (7.2)vE3i=distE3i ；. . (7.3)
G基色图像上有特征向量签字点Vei = (Veli, Ve2i，Ve3i)，其中，
Vcli=Clistcli ；. . (7.4)vG2i=distG2i ；. . (7.5)Vc3i=distG3i ；. . (7.6)
B基色图像上的特征向量签字点VBi = (νΒ ，νΒ2 ，ν\)，其中，
veli=Clisteli ；. . (7.7)
ve2i=distB2i ；. . (7.8)
ve3i=distB3i ；. . (7.9)公式(7.1)-公式(7.9)中，i = 1，2，…，m。所述对各基色图像求其向量模，并计算各基色向量模之和，具体包括下列步骤(1)首先对于每个三基色图像上的二级“特征向量签字点”计算二级特征向量之模 并求和，公式如下I Ve1 I=11 (VE1VE VE ) i' v 2i' v 3i/…(8.1)
IvciI=I I (Vg1Vg Vg ) i' v 2i' v 3i/…(8.2)
IvM=I I (VB1i，VB2i vB3i)…(8·3)
于是
IVEGB1=IVe,11 + 1 IvMI +IvM |.(2)在M个样本水体数字图像产生的M个向量模之和数值中，寻求向量模之和的最 小值，公式如下IvegbminI =MiniI IvegM (8. 5)其中i = 1，2，...，M;(8.5)式中给出向量模之和最小值对应于样本水体数字图像i，由向量模之和最 小值关联判定待测水体与样本水体i是否同类，则可以判断被测水体及其相应污染物浓度 与样本水体i是否相同。本发明的效果是采用机器视觉手段对水质检测智能分光光度法中的被测水体试 样经色谱向量分类进行检测归类。其方法是首先选取M个样本水体数字图像，然后以此和 待测水体数字图像形成图像对，进而获得R，G，B三基色图像对。在每个基色图像对上提取 一对L维特征向量(L通常为7)，以此为基础形成3组二级特征距离量，并构造3-维向量，实 现L维特征向量向3-维二级特征向量的映射，进而对各基色图像求其向量模(magnitude)。 经过对各基色向量模求和，获取样本水体数字图像和待测水体数字图像的向量模之和。对 于M个样本水体数字图像产生的M个向量模之和寻求最小值，由最小值关联判定待测水体 与样本水体同类，从而实现判断被测水体及其相应污染物的目的。下面结合附图和实施例对本发明做进一步的说明。
附图是本发明的程序框图。
具体实施例方式本发明是采用机器视觉手段对水质检测智能分光光度法中的被测水体试样经色 谱向量分类进行检测归类，其方法是首先选取M个样本水体数字图像，然后以此和待测水 体数字图像形成图像对，进而获得R、G、B三基色图像对。在每个基色图像对上提取一对L 维特征向量(L通常为7)，以此为基础形成3组二级特征距离量，并构造3-维向量，实现L 维特征向量向3-维二级特征向量的映射，进而对各基色图像求其向量模(magnitude)。然 后对各基色向量模求和，获取样本水体数字图像和待测水体数字图像的向量模之和，对于M个样本水体数字图像产生的M个向量模之和寻求最小值，由最小值关联判定待测水体与样 本水体同类，从而实现判断被测水体及其相应污染物的目的。附图中，机器视觉环境检测中L-维色谱向量分类技术步骤如下一、以样本水体数字图像和待测水体数字图像形成图像对，进而获得R、G、B三基 色图像对；二、在每个基色图像对上提取一对L维特征向量(L通常为7)，以此为基础形成3 组二级特征距离量，并构造3-维向量，实现L维特征向量向3-维二级特征向量的映射；三、进而对各基色图像求其向量模(magnitude)。经过对各基色向量模求和，获取 样本水体数字图像和待测水体数字图像的向量模之和，对于M个样本水体数字图像产生的 M个向量模之和寻求最小值，由最小值关联判定待测水体与样本水体同类，实现判断被测水 体及其相应污染物浓度。该技术的实现步骤详细描述如下—、以样本水体数字图像和待测水体数字图像形成图像对，进而获得R，G，B三基 色图像对。样本数字图像IsampleiU, y)和待测水体数字图像ITest(x，y)形成图像对，i = 1， 2，...，M ；进而获得R，G，B三基色图像对如下基色R图像对IsampleKi (X，y)和待测水体 ITestK(x，y) ；. . . (1. 1)基色G图像对Isampleci (x, y)和待测水体 ITestG(x，y) ；. . . (1. 2)基色B图像对Isampleei (x, y)和待测水体 ITestB (x, y) ；. . . (1. 3)二、在每个基色图像对上提取一对L维特征向量(L通常为7)，以此为基础形成3 组二级特征距离量，并构造3-维向量，实现L维特征向量向3-维二级特征向量的映射。1、在每个基色图像对上提取一对L维特征向量(L通常为7)如下在R基色图像对上提取一对L (L = 7)维特征向量(XKn, XE2i, XE3i, XE4i, XE5i, XE6i, Xe71) . . . (2. 1)(X lq, X 2qj x 3q，x 4q，X 5q，X 6q' X 7q) · · · (2. 2)其中(2. 1)为取自样本数字图像，(2. 2)为取自待测水体数字图像。在G基色图像对上提取一对L (L = 7)维特征向量(χ ι” X 2i，X 3i，X 4i，X 5i，X 6i，X 7i) · · · (2· 3)(Xcu，xG2q, xG3q, xG4qJ xG5qJ xG6q' xG7q) · · · (2· 4)其中(2.3)为取自样本数字图像，(2.4)为取自待测水体数字图像。在B基色图像对上提取一对L (L = 7)维特征向量(χ ι” X 2i，X 3i，X 4i，X 5i，X 6i，X 7 ) · · · (2. 5)(xB1(1，xB2q, xB3q, xB4q, xB5q, xB6q, xB7q)... (2. 6)其中(2.5)为取自样本数字图像，(2.6)为取自待测水体数字图像。2、分别计算相对于三个基色图像的一对L维特征向量的二级特征距离量，如下相对于R基色
8 其中0<G a ！< 1 ；常见值取a^ = 0. 5 ；
distG2 =[aG2(xG3i-xG3(1)2+(l-aG2) (xG4i-xG4q)2]1/2. · · (5. 2)
其中0<G a 2< 1 ；常见值取ae2 = 0. 5 ；
0122]Clistc3 =
0. 35aG3 (xG6i-xG6q)2+
0124]0. 3aG3) (xG7i-xG7q)2] "2。。。(5. 3)
0125]其中0 < aG3 < 1 ；常见值取 aG3 = 0. 5 ；
0126]对于以上各式i = 1，2，· · ·，M ;
0127]以及，Cliste1 = [aE/ B B N 2,/1 B 1(X ii"X iq) +(!-a)(Χβ2 B \ 2"| 1/2.(6.1)
其中0 < J1< 1 ；常见值取aB=0.5 ；
distB2 = [aE/ B B N 2,/1 B 2U 3i_x 3q) +(!"a)(xB4iB \ 2"| 1/2 一X 4q/ J · ·.(6.2)
其中0 < aB2< 1 ；常见值取=0.5 ；
distB3 =
0. 35aB3 (xB6i-B 、2丄 -X 6q) +
0. 3aB3) (xB7i-A)2]172··· (6· 3)
其中ο < aB3< 1 ；常见值取aB5 = 0.5 ；
对于以上各式i = 1，2，. . .，M 3、根据二级特征距离量构造3-维向量，达到L维特征向量向3-维二级特征向量 的映射，具体运算如下
0138]Ve11=dist^ ；. . (7.1)0139]vE2i=distE2i ；. . (7.2)0140]vE3i=distE3i ；. . (7.3)
0141] 于是在R基色图像上有Vk1 = (VE11, VE21, VE31)；
0142]又，0143]Vcli=Clistcli ；. . (7.4)0144]Vc2i=distG2i ；. . (7.5)0145]Vc3i=distG3i ；. . (7.6)
0146] 于是有在G基色图像上有特征向量签字点Vei = (Vcli, VG2i, Ve3i)；以及，
0147]Veli=Clisteli ；. . (7.7)0148]VB2i=distB2i ；. . (7.8)0149]VB3i=distB3i ；. . (7.9) 于是在B基色图像上的特征向量签字点A = (VBn，VB2i，VB3i)；对于以上各式i =
1 j 2 j · · · j Μ ο 第三、对各基色图像求其向量模(magnitude)，并计算各基色向量模之和，对于M 个样本水体数字图像产生的M个向量模之和寻求最小值，由最小值关联判定待测水体与样 本水体同类，实现判断被测水体及其相应污染物浓度。具体计算如下
1、首先对于每个三基色图像上的二级“特征向量签字点”计算二级特征向量之模， 并求和，如下
10
IvM = Il(VVVU3i)II... (8.1)和IvciI = 11 (Vcli，vG2i，vG3i) 11... (8.2)以及IIvbJI = |(νΒπ,νΒ2 ,νΒ3 )||... (8.3)于是IvegM = IVkJ M Id M |vBJ I... (8.4)2、对于M个样本水体数字图像产生的M个向量模之和寻求最小值，如下IvegbminI =MiniI IvegM (8.5)其中i = 1，2，. . .，Μ。(8. 5)式中给出最小值对应于样本水体数字图像i，由最小值关联判定待测水体 与样本水体i同类，则被测水体及其相应污染物浓度与样本水体i相同。
权利要求
基于机器视觉的水质检测中多维色谱向量分类方法，其特征是包括下列步骤(1)读取M个样本水体数字图像，将M个样本水体数字图像和待测水体数字图像分别形成图像对，进而获得所述图像对的R、G、B三基色图像对；(2)在R、G、B三基色图像对中的每个基色图像对上提取一对L维特征向量，以此为基础形成3组二级特征距离量，根据所述的3组二级特征距离量构造3 维向量，实现L维特征向量向3 维二级特征向量的映射；(3)计算各基色图像向量模，然后计算各基色向量模的和，以获取样本水体数字图像和待测水体数字图像的向量模之和，选择M个样本水体数字图像产生的M个向量模之和的最小值，根据该最小值关联判定待测水体与样本水体是否同类以及被测水体及其相应污染物浓度。
2.根据权利要求1所述的基于机器视觉的水质检测中多维色谱向量分类方法，其特征 是所述实现L维特征向量向3-维二级特征向量的映射，具体包括下列步骤(1)在每个基色图像对上提取一对L维特征向量；(2)分别计算相对于三个基色图像的一对L维特征向量的二级特征距离量，如下相对于R基色 其中0 < Be1< 1 > 其中ο < aE2< 1 > 其中0 < A< 1 >对于以上各式i = 1,2, . . .，M ；且 ΧΕΠ = VEn, 根据三个基色图像的对称特性，同样计算基色G和基色B的二级特征距离量； (3)根据二级特征距离量构造3-维向量，形成二级“特征向量签字点”，实现L维特征 向量向3-维二级特征向量的映射，具体包括下列步骤R基色图像上的特征向量签字点A = (VKn，VE2i, VK3i)，其中， G基色图像上有特征向量签字点Vei = (Vcli, VG2i, Ve3i)，其中， B基色图像上的特征向量签字点VBi = (VBn，VB2i，VB3i)，其中，Veli=Clisteli ；. . (7.7)vB2i=distB2i ；. . (7.8)Ve3i=distB3i ；. . (7.9)公式(7. 1)-公式(7.9)中，i = 1,2, . . .，M。
3.根据权利要求2所述的基于机器视觉的水质检测中多维色谱向量分类方法，其特征 是所述对各基色图像求其向量模，并计算各基色向量模之和，具体包括下列步骤(1)首先对于每个三基色图像上的二级“特征向量签字点”计算二级特征向量之模并求 和，公式如下IvM = 11 (VVVU3i) 11··· (8.1)(2)在M个样本水体数字图像产生的M个向量模之和数值中，寻求向量模之和的最小 值，公式如下Il VegbminI =MiniI IvegM (8.5) 其中 i = 1,2, . . . ,M ；(8. 5)式中给出向量模之和最小值对应于样本水体数字图像i，由向量模之和最小值 关联判定待测水体与样本水体i是否同类，则可以判断被测水体及其相应污染物浓度与样 本水体i是否相同。
全文摘要
一种具有广谱多参数被测水质能力的基于机器视觉的水质检测中多维色谱向量分类方法。技术方案是(1)读取M个样本水体数字图像，将M个样本水体数字图像和待测水体数字图像分别形成图像对，进而获得所述图像对的R、G、B三基色图像对；(2)在R、G、B三基色图像对中的每个基色图像对上提取一对L维特征向量，以此为基础形成3组二级特征距离量，根据所述的3组二级特征距离量构造3-维向量，实现L维特征向量向3-维二级特征向量的映射；(3)计算各基色图像向量模，然后计算各基色向量模的和，以获取样本水体数字图像和待测水体数字图像的向量模之和，选择M个样本水体数字图像产生的M个向量模之和的最小值，根据该最小值关联判定待测水体与样本水体是否同类以及被测水体及其相应污染物浓度。
文档编号G01N21/31GK101915739SQ20101022237
公开日2010年12月15日 申请日期2010年6月30日 优先权日2010年6月30日
发明者李华 申请人:李华