本發(fā)明涉及一種利用二維高光譜圖像識別雞胴體表面污染物的方法，屬于圖像處理技術(shù)領(lǐng)域。
背景技術(shù)：
雞的屠宰加工過程中，雞胴體表面極易受到破損腸道內(nèi)糞便污染物的污染。目前，國內(nèi)對于雞胴體表面污染物的檢測主要采用人工視覺的方法。人工檢測無法滿足生產(chǎn)效率要求；對一些小尺度和低濃度的污染物，人眼無法識別，造成漏檢；另外，人工檢測容易產(chǎn)生視覺疲勞，影響檢測效果，可信度較低。目前已有的一些利用機器視覺進行污染物識別的技術(shù)，主要針對的是胴體表面糞便污染檢測，而對于膽汁、血液污染，以及胴體淤血檢測鮮有相關(guān)報道。已有的研究中，都是對直接取自腸道中的污染物進行檢測，而在實際生產(chǎn)中，雞胴體要經(jīng)過噴淋沖洗環(huán)節(jié)，其表面殘留污染物大多被水稀釋，濃度顯著降低，可見度很差，無論人工還是機器視覺都很難檢測到。
技術(shù)實現(xiàn)要素：
為解決現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提供一種利用二維高光譜圖像識別雞胴體表面污染物的方法，將高光譜一維譜拓展至二維譜提高光譜分辨率，從二維高光譜中提取出對污染物最為敏感的特征波段構(gòu)建假彩色圖像，利用顏色分割法識別污染物以及皮膚淤血，實現(xiàn)雙波段的無損快速檢測。
為了實現(xiàn)上述目標，本發(fā)明采用如下的技術(shù)方案：
一種利用二維高光譜圖像識別雞胴體表面污染物的方法，其特征是，包括如下步驟：
1)獲取高光譜圖像：在實驗室內(nèi)室溫條件下，將雞胴體胸腹部向上，放在一個蒙著黑布的托盤上，再將托盤放在高光譜圖像系統(tǒng)電動平臺上，進行高光譜圖像采集；
2)校正圖像：將獲取的高光譜圖像進行校正，校正方程其中I為校正后圖像；I0是從高光譜圖像系統(tǒng)中獲取的原始圖像；在與獲取樣本圖像相同拍攝條件下，拍攝標準白板獲得了白色參考圖像W；B為在相機鏡頭關(guān)閉狀態(tài)下拍攝的暗參考圖像，用于去除相機傳感器暗電流的影響；黑白校正后的圖像用于模型校正以及驗證；
3)分析動態(tài)光譜在不同波段間的相關(guān)性，構(gòu)建高光譜二維相關(guān)譜；
4)對污染物進行檢測；
41)進行假彩色圖像增強；
42)分析假彩色空間中的像素分布；
43)確定顏色分割閾值；
5)識別結(jié)果可視化：將處于R、G、B三個通道閾值限定范圍內(nèi)的像素被標記為識別出的污染區(qū)域像素，利用MATLAB獲取假彩色圖像中被識別像素的坐標，并在識別結(jié)果圖中標記出來。
進一步地，所述步驟1)中采集樣本整體高光譜信息時，同時獲得未加微擾區(qū)域的原始光譜信息part0，以及施加了微擾區(qū)域的變化光譜信息part1,part2,…,partn，n為施加了微擾區(qū)域的個數(shù)。
進一步地，其特征是，所述步驟3)包括如下步驟：
31)采用ENVI4.8軟件導(dǎo)入并打開校正后的高光譜圖像，通過感興趣區(qū)ROI工具手工選取污染ROI、非污染ROI以及背景ROI，構(gòu)成校正集；
其中，污染ROI的選取集中在中心區(qū)域，避免邊緣區(qū)域；這是由于污染物被稀釋后流動性增強，在邊緣區(qū)域形成微量污染物質(zhì)與皮膚的混合像元，不利于污染物質(zhì)的特征光譜的提?。环俏廴綬OI采用線狀的ROI提取，目的是為了用最少量的像素去覆蓋盡量多的雞胴體部位：胸部、雞腿、雞翅、以及它們之間的連接處；
校正集包括240個污染ROI、30個非污染ROI、以及30個背景ROI；
32)將240個污染ROI數(shù)據(jù)構(gòu)建成m個污染ROI集合，相當于對潔凈雞胴體施加了m個微擾，其中第j個污染ROI集合，微擾為tj，在λnm波段下的反射率為Aj(λ)＝A(λ,tj)，j＝1,2,…,m，則動態(tài)光譜可表示為j＝1,2,…，m，其中A0為未被污染ROI的平均光譜，將其作為參考光譜；則同步相關(guān)強度λa,λb是隨機選擇的兩個波段數(shù)值；
33)將動態(tài)光譜相關(guān)性分析的結(jié)果以二維等高線圖或三維圖形的形式表示出來，得到雞胴體皮膚光譜在污染物微擾作用下的高光譜同步二維相關(guān)光譜，代表兩個波段λa和λb處兩個動態(tài)光譜信號之間的關(guān)聯(lián)程度，并且關(guān)于主對角線對稱；
34)高光譜二維同步譜中對角線上出現(xiàn)的自相關(guān)峰總是正峰，其大小代表了反射峰帶對微擾的敏感程度，若某波段下動態(tài)光譜相對于原始光譜有較大程度的改變,則該處顯示出較強的自相關(guān)峰,反之那些保持不變的波段給出極小或沒有自相關(guān)峰，此時自相關(guān)峰出現(xiàn)的波段是對微擾最為敏感的波段，將其提取出來作為后續(xù)分析處理的特征波段；也就是說二維相關(guān)譜中位于(λi,λj)和(λj,λi)的峰為交叉峰，交叉峰可正可負；如果由微擾引起的λi和λj波段處光譜改變是同相位的，則(λi,λj)和(λj,λi)處的交叉峰為正，反之為負。通常，一對交叉峰所對應(yīng)的兩個波段(λi,λj)和(λj,λi)處也對應(yīng)著兩個自動峰，這樣的一對交叉峰和兩個自動峰構(gòu)成一個同步相關(guān)正方形。同步相關(guān)正方形對應(yīng)的兩個波段λi和λj可以被選為特征提取和處理的特征波段。
進一步地，所述步驟31)中將稀釋的污染物看成是干凈皮膚系統(tǒng)的微擾，皮膚淤血區(qū)域沒有被選為校正集。
進一步地，所述步驟41)具體步驟為：在一個真彩色圖像中，每一個像素都包含R(紅)、G(綠)、B(藍)三基色，每一基色成分直接決定了此基色的強度。自然界中所有的顏色都可以由R、G、B三種顏色混合而成；在檢測領(lǐng)域選擇三個非標準的R、G、B波段分別輸入到R、G、B通道，形成一個特殊的顏色環(huán)境，使得被檢測目標具有突出的顏色特征，使得污染物以及皮膚淤血更容易被識別出來；采用ENVI軟件的“可用波段列表”功能，選擇波段并進行假彩色融合。
進一步地，所述步驟42)利用MATLAB軟件中的“im2double”函數(shù)功能將產(chǎn)生的假彩色圖像轉(zhuǎn)換成雙精度圖像，然后將標準化后的R、G、B值輸入RGB空間，其中x軸為紅色通道，y軸為綠色通道，z軸為藍色通道；
分析污染區(qū)域、未污染區(qū)域、以及背景區(qū)域像素在RGB空間的分布規(guī)律及區(qū)別，在R、G、B三個通道設(shè)定恰當?shù)拈撝祵⑽廴緟^(qū)域的特定顏色提取出來，實現(xiàn)污染區(qū)域的識別。
進一步地，所述步驟43)中R、G、B三個通道的閾值采用受試者測試曲線ROC方法確定。
進一步地，所述步驟5)中識別結(jié)果圖中由雞胴體表面的皮膚褶皺或者光照陰影區(qū)引起的假陽性點采用區(qū)域標記法，去除面積小于50個像素的連通區(qū)域，將部分小面積的假陽性點清除。
本發(fā)明所達到的有益效果：本方法將高光譜一維譜拓展至二維譜，從而進一步提高光譜分辨率；從二維高光譜中提取出對污染物最為敏感的特征波段，用于構(gòu)建假彩色圖像，最后利用顏色分割法識別污染物以及皮膚淤血，實現(xiàn)雙波段的無損快速檢測。
具體實施方式
下面對本發(fā)明作進一步描述。以下實施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，而不能以此來限制本發(fā)明的保護范圍。
本發(fā)明涉及一種利用二維高光譜圖像識別雞胴體表面污染物的方法，包括如下步驟：
1)獲取高光譜圖像，同時獲得未加微擾區(qū)域的原始光譜信息part0，以及施加了微擾區(qū)域的變化光譜信息part1,part2,…,partn：在實驗室內(nèi)室溫條件下，將雞胴體胸腹部向上，放在一個蒙著黑布的托盤上，再將托盤放在高光譜圖像系統(tǒng)電動平臺上，進行高光譜圖像采集；
2)校正圖像：將獲取的高光譜圖像進行校正，校正方程其中I為校正后圖像；I0是從高光譜圖像系統(tǒng)中獲取的原始圖像；在與獲取樣本圖像相同拍攝條件下，拍攝標準白板獲得了白色參考圖像W；B為在相機鏡頭關(guān)閉狀態(tài)下拍攝的暗參考圖像，用于去除相機傳感器暗電流的影響；黑白校正后的圖像用于模型校正以及驗證；
3)分析動態(tài)光譜在不同波段間的相關(guān)性，構(gòu)建高光譜二維相關(guān)譜：具體步驟為：
31)采用ENVI4.8軟件導(dǎo)入并打開校正后的高光譜圖像，通過感興趣區(qū)ROI工具手工選取污染ROI、非污染ROI以及背景ROI，構(gòu)成校正集；
其中，污染ROI的選取集中在中心區(qū)域，避免邊緣區(qū)域；這是由于污染物被稀釋后流動性增強，在邊緣區(qū)域形成微量污染物質(zhì)與皮膚的混合像元，不利于污染物質(zhì)的特征光譜的提??；非污染ROI采用線狀的ROI提取，目的是為了用最少量的像素去覆蓋盡量多的雞胴體部位：胸部、雞腿、雞翅、以及它們之間的連接處；
校正集包括240個污染ROI、30個非污染ROI、以及30個背景ROI；
將稀釋的污染物看成是干凈皮膚系統(tǒng)的微擾。
32)將240個污染ROI數(shù)據(jù)構(gòu)建成m個污染ROI集合，相當于對潔凈雞胴體施加了m個微擾，其中第j個污染ROI集合，微擾為tj，在λnm波段下的反射率為Aj(λ)＝A(λ,tj)，j＝1,2,…,m，則動態(tài)光譜可表示為j＝1,2,…，m，其中A0為未被污染ROI的平均光譜，將其作為參考光譜；則同步相關(guān)強度λa,λb是隨機選擇的兩個波段數(shù)值；
33)將動態(tài)光譜相關(guān)性分析的結(jié)果以二維等高線圖或三維圖形的形式表示出來，得到雞胴體皮膚光譜在污染物微擾作用下的高光譜同步二維相關(guān)光譜，代表兩個波段λa和λb處兩個動態(tài)光譜信號之間的關(guān)聯(lián)程度，并且關(guān)于主對角線對稱；
34)高光譜二維同步譜中對角線上出現(xiàn)的自相關(guān)峰總是正峰，其大小代表了反射峰帶對微擾的敏感程度，若某波段下動態(tài)光譜相對于原始光譜有較大程度的改變,則該處顯示出較強的自相關(guān)峰,反之那些保持不變的波段給出極小或沒有自相關(guān)峰，此時自相關(guān)峰出現(xiàn)的波段是對微擾最為敏感的波段，將其提取出來作為后續(xù)分析處理的特征波段；二維相關(guān)譜中位于(λi,λj)和(λj,λi)的峰為交叉峰，交叉峰可正可負；如果由微擾引起的λi和λj波段處光譜改變是同相位的，則(λi,λj)和(λj,λi)處的交叉峰為正，反之為負。通常，一對交叉峰(λi,λj)和(λj,λi)所對應(yīng)的兩個波段λi和λj處也對應(yīng)著兩個自動峰，這樣的一對交叉峰和兩個自動峰構(gòu)成一個同步相關(guān)正方形。同步相關(guān)正方形對應(yīng)的兩個波段λi和λj可以被選為特征提取和處理的最優(yōu)波段。
4)對污染物進行檢測；
41)進行假彩色圖像增強：在一個真彩色圖像中，每一個像素都包含R(紅)、G(綠)、B(藍)三基色，每一基色成分直接決定了此基色的強度。自然界中所有的顏色都可以由R、G、B三種顏色混合而成；在檢測領(lǐng)域選擇三個非標準的R、G、B波段分別輸入到R、G、B通道，形成一個特殊的顏色環(huán)境，使得被檢測目標具有突出的顏色特征，使得污染物以及皮膚淤血更容易被識別出來；采用ENVI軟件的“可用波段列表”功能，選擇波段并進行假彩色融合。
42)分析假彩色空間中的像素分布：利用MATLAB軟件中的“im2double”函數(shù)功能將產(chǎn)生的假彩色圖像轉(zhuǎn)換成雙精度圖像，然后將標準化后的R、G、B值輸入RGB空間，其中x軸為紅色通道，y軸為綠色通道，z軸為藍色通道；分析污染區(qū)域、未污染區(qū)域、以及背景區(qū)域像素在RGB空間的分布規(guī)律及區(qū)別，在R、G、B三個通道設(shè)定恰當?shù)拈撝祵⑽廴緟^(qū)域的特定顏色提取出來，實現(xiàn)污染區(qū)域的識別。
43)確定顏色分割閾值，R、G、B三個通道的閾值采用受試者測試曲線ROC方法確定。本步驟中ROC分析方法廣泛地應(yīng)用于評估二值分類器隨分類閾值改變時的分類性能。一個二維ROC圖像的橫坐標為假陽性率FPR，縱坐標為真陽性率TPR。
本方法中假陽性點是那些原本是皮膚的像素，被算法判定為污染區(qū)的像素，F(xiàn)PR就是假陽性點的數(shù)量與非污染區(qū)域總像素之比。真陽性率采取區(qū)域定義的方法。由于污染物被稀釋后，流動性增強，少量的污染物質(zhì)擴散至周圍區(qū)域，由于皮膚表面殘留水分的稀釋作用，污染物濃度進一步降低，無法將一個污染區(qū)域的所有像素全部識別。因此如果一個污染區(qū)域中有大于50個像素被判定為污染點，則這個區(qū)域被標志為污染區(qū)域。真陽性率就定義為識別出的污染區(qū)域數(shù)量占總污染區(qū)域數(shù)量的百分比。
在假彩色圖像中，污染區(qū)域像素的R、G、B通道取值在某一特定范圍內(nèi)，當改變決定這一范圍的閾值時，相應(yīng)的TPR和FPR都隨之改變。因此需要通過ROC分析法來平衡FPR和TPR之間的關(guān)系，使得選取的閾值在保證獲得高TPR的同時最大程度地降低FPR。ROC坐標圖左上方的頂點(TPR＝1，F(xiàn)PR＝0)對應(yīng)最理想的檢測結(jié)果。
本方法涉及多閾值(R、G、B三通道閾值)的確定，每幅ROC圖像上不同點對應(yīng)的是R、G兩個通道的閾值保持不變的前提下，B通道取不同閾值所得到的TPR與FPR兩個量之間的相對變化關(guān)系；而不同ROC圖像對應(yīng)不同的R、G閾值。然后在所有的ROC圖像中找到與(FPR＝0，TPR＝1)距離最近的點，這個點對應(yīng)的R、G、B通道閾值即為最佳閾值。
5)識別結(jié)果可視化：將處于R、G、B三個通道閾值限定范圍內(nèi)的像素標記為識別出的污染區(qū)域像素，利用MATLAB獲取假彩色圖像中被識別像素的坐標，并在識別結(jié)果圖中標記出來。識別結(jié)果圖中由雞胴體表面的皮膚褶皺或者光照陰影區(qū)引起的假陽性點采用區(qū)域標記法，去除面積小于50個像素的連通區(qū)域，將部分小面積的假陽性點清除。
本實例在步驟1)中設(shè)定電移動平臺速度為1.3mm/s，相機曝光時間為380ms，進行逐行掃描，采集得到40只雞胴體表面的362個污染點圖像樣本，以raw格式存儲于計算機。每個高光譜圖像都包含空間信息(x，y)和光譜信息(z)。x方向像素為1632個；由于雞胴體大小不同，所需掃描時間不同，因此y方向的像素在600-1000范圍內(nèi)；z方向從358nm到1021nm，一共有1232個波段。
應(yīng)用以上方法構(gòu)建的高光譜二維相關(guān)譜，以及通過同步相關(guān)圖獲取的特征波段，可得到在對角線上存在兩個強的自動峰，單獨提取對角線上自動峰與波長關(guān)系圖，兩個自動峰分別位于474nm和656nm處，同時一對交叉峰出現(xiàn)在相應(yīng)的波段上，即(474nm,656nm)和(656nm,474nm)。
這意味著未被污染的皮膚光譜在474nm和656nm兩個波段對微擾最為敏感，并且在這兩個波段光譜改變是同相位的。因此選取474nm和656nm作為識別污染物的特征波段。
在RGB空間中，將656nm波段數(shù)據(jù)同時賦予R通道和G通道，474nm波段輸入B通道，構(gòu)建假彩色圖像。這種融合方法的好處是能夠?qū)⑽廴緟^(qū)域以及皮膚淤血在假彩色圖像中映射成黃色，而干凈的皮膚區(qū)域則呈現(xiàn)出藍白色。根據(jù)這一特性，利用顏色分割就可以將污染及存在淤血區(qū)域識別出來。
根據(jù)污染區(qū)域、干凈皮膚區(qū)域和背景區(qū)域像素在RGB空間的分布規(guī)律，采用ROC分析方法獲得三個顏色通道的分割閾值。R和G通道取閾值取j＝0.5，且B通道取i＝0.3是顏色分割的最佳閾值組合，對應(yīng)的TPR＝100％以及FPR＝1.209％是最接近理想分類器(TPR＝100％、FPR＝0％)的閾值選擇。即如果規(guī)定假彩色圖象中那些R和G通道分量大于0.5，且B通道分量小于0.3的像素點為污染區(qū)的像素，這種判斷準則所對應(yīng)的識別結(jié)果中真陽性率最高，而假陽性率最低。
利用顏色分割以及識別結(jié)果可視化的方法得到檢測結(jié)果，對比真彩色圖像，假彩色圖像中胴體表面異常區(qū)域都呈現(xiàn)出偏黃色，檢測結(jié)果可視化后，在本實施例的數(shù)據(jù)下，圖中13個污染區(qū)域中12個被成功標記出來了，而且翅膀尖部的淤血也被標記出來。其中一個血液污染點由于被檢測出的像素少于50個，在去噪的過程中當成皮膚表面的假陽性點被去除了，造成漏檢。檢測結(jié)果中的假陽性點都集中在雞胸上部，是由光照不足造成的陰影區(qū)被誤判為污染點的結(jié)果。
將上述識別算法應(yīng)用到40個雞胴體表面共362個污染區(qū)樣本，檢測結(jié)果如下。
表1污染物的檢測結(jié)果
可見，362個污染區(qū)域中有344個區(qū)域被正確識別出來，總體識別率為95.03％。十二指腸糞便污染區(qū)域的識別率最低，其中有5個區(qū)域漏檢的原因是十二指腸糞便顏色與雞胴體的皮膚相近，稀釋后可見度更低，單個污染區(qū)域中識別出的像素個數(shù)少于50個，在去除假陽性點過程中該區(qū)域被忽略了。有一個漏檢區(qū)是因為位置處于雞腿部，光照不足，顏色特征不明顯，從而漏檢。盲腸糞便污染區(qū)域識別率最高是由于盲腸糞便本身顏色較深，并且其中有不溶于水的顆粒狀物質(zhì)，顏色特征明顯，因此可識別度較高。兩個血液和三個膽汁所在區(qū)域漏檢的原因是稀釋后濃度過低而造成的識別失敗。
表2統(tǒng)計了皮膚淤血的檢測結(jié)果，可見，皮膚淤血的檢出率為94.12％。40只雞胴體樣本中有34只皮膚表面有明顯的淤血，其中只有兩個位于雞胴體腿部的淤血區(qū)域由于光照不足的原因未能被檢測出來。
表2皮膚淤血的檢測結(jié)果
以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明技術(shù)原理的前提下，還可以做出若干改進和變形，這些改進和變形也應(yīng)視為本發(fā)明的保護范圍。