利用特征角余弦值检测水蜜桃褐腐病缺陷的方法

摘要

本发明公开了一种利用特征角余弦值检测水蜜桃褐腐病缺陷的方法。提取水蜜桃高光谱图像中660nm、680nm及700nm波段的图像，对680nm波段图像进行单阈值分割，得到水果区域；对这3个波段图像的水果区域进行3×3均值滤波，并对其光谱作均值归一化处理；取水果区域内的一个像素点，以波长值为横坐标，光谱归一化值为纵坐标，以其三点A（λ_A，R_A）、B（λ_B，R_B）、C（λ_C，R_C）所形成的夹角∠ABC为特征角，将特征角的余弦值作为特征值，对图像水果区域内像素进行分类，实现褐腐病缺陷检测。仅用3个波段实现水蜜桃褐腐病缺陷检测，降低检测成本，消除水蜜桃表面着色的干扰，本发明可用于如苹果等含有叶绿素的水果的缺陷检测。

主权项

一种利用特征角余弦值检测水蜜桃褐腐病缺陷的方法，其特征在于，该方法的步骤如下：提取水蜜桃高光谱图像中660nm、680nm及700nm波段图像，对图像进行二值分割去背景、均值滤波和均值归一化后，计算3个波段图像像素构成的特征角的余弦值，以此作为特征值构建LDA像素分类器，实现水蜜桃褐腐病缺陷检测；所述特征角的余弦值计算：选取水果区域内的一个像素点(x，y)，以波长值为横坐标，光谱归一化值为纵坐标作光谱图，分别取该像素点光谱图的三点：A(λ_A，R_A)、B(λ_B，R_B)、C(λ_C，R_C)，以夹角∠ABC为特征角，λ_A＝660nm，λ_B＝680nm，λ_C＝700nm，采用公式计算其余弦值:$\cos \theta =\frac{0.002+(R_A-R_B)(R_C-R_B)}{\sqrt{0.0025+{(R_A-R_b)}^2}\sqrt{0.0016+{(R_C-R_B)}^2}}$所述构建LDA像素分类器：以每个像素的特征角余弦值cosθ为特征值，取正常区和褐腐病区的像素各100个，分为0类和1类：正常区像素为0类，褐腐病区像素为1类，作为训练集，构建LDA像素分类器；所述水蜜桃褐腐病缺陷检测：计算待测水果图像水果区域内每个像素的特征角余弦值cosθ，如果cosθ的值距离0类集群比1类集群近，则判为0类，反之判为1类；根据此原理，利用所述构建的LDA像素分类器对水果区域内的像素进行分类，褐腐病缺陷区域像素值为1，正常区域为0，实现水蜜桃褐腐病缺陷检测。