專利名稱：基于機器視覺的水質(zhì)檢測中多維色譜向量分類方法
技術(shù)領(lǐng)域：
本發(fā)明屬于基于機器視覺的水質(zhì)檢測中多維色譜向量分類方法領(lǐng)域，尤其是一種 具有廣譜多參數(shù)被測水質(zhì)能力的基于機器視覺的水質(zhì)檢測中多維色譜向量分類方法。
背景技術(shù)：
現(xiàn)有技術(shù)中存在的問題為不具有以機器視覺為基礎(chǔ)的廣譜檢測功能，缺乏判別廣 譜多參數(shù)被測水質(zhì)的能力。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種具有廣譜多參數(shù)能力的基于機器視覺的水質(zhì)檢測多維 色譜向量分類方法。本發(fā)明的技術(shù)方案是基于機器視覺的水質(zhì)檢測中多維色譜向量分類方法，其特 征是包括下列步驟(1)讀取M個樣本水體數(shù)字圖像，將M個樣本水體數(shù)字圖像和待測水體數(shù)字圖像分 別形成圖像對，進而獲得所述圖像對的R、G、B三基色圖像對；(2)在R、G、B三基色圖像對中的每個基色圖像對上提取一對L維特征向量，以此 為基礎(chǔ)形成3組二級特征距離量，根據(jù)所述的3組二級特征距離量構(gòu)造3-維向量，實現(xiàn)L 維特征向量向3-維二級特征向量的映射；(3)計算各基色圖像向量模，然后計算各基色向量模的和，以獲取樣本水體數(shù)字圖 像和待測水體數(shù)字圖像的向量模之和，選擇M個樣本水體數(shù)字圖像產(chǎn)生的M個向量模之和 的最小值，根據(jù)該最小值關(guān)聯(lián)判定待測水體與樣本水體是否同類以及被測水體及其相應(yīng)污 染物濃度。所述實現(xiàn)L維特征向量向3-維二級特征向量的映射，具體包括下列步驟(1)在每個基色圖像對上提取一對L維特征向量；(2)分別計算相對于三個基色圖像的一對L維特征向量的二級特征距離量，如下相對于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 ，對于以上各式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)
根據(jù)三個基色圖像的對稱特性，同樣計算基色G和基色B的二級特征距離量； (3)根據(jù)二級特征距離量構(gòu)造3-維向量，形成二級“特征向量簽字點”，實現(xiàn)L維
特征向量向3-維二級特征向量的映射，具體包括下列步驟
R基色圖像上的特征向量簽字點< =(V^li，VK2i，VK3i)，其中，
Ve11=dist^ ；. . (7.1)vE2i=distE2i ；. . (7.2)vE3i=distE3i ；. . (7.3)
G基色圖像上有特征向量簽字點Vei = (Veli, Ve2i，Ve3i)，其中，
Vcli=Clistcli ；. . (7.4)vG2i=distG2i ；. . (7.5)Vc3i=distG3i ；. . (7.6)
B基色圖像上的特征向量簽字點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。所述對各基色圖像求其向量模，并計算各基色向量模之和，具體包括下列步驟(1)首先對于每個三基色圖像上的二級“特征向量簽字點”計算二級特征向量之模 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個樣本水體數(shù)字圖像產(chǎn)生的M個向量模之和數(shù)值中，尋求向量模之和的最 小值，公式如下IvegbminI =MiniI IvegM (8. 5)其中i = 1，2，...，M;(8.5)式中給出向量模之和最小值對應(yīng)于樣本水體數(shù)字圖像i，由向量模之和最 小值關(guān)聯(lián)判定待測水體與樣本水體i是否同類，則可以判斷被測水體及其相應(yīng)污染物濃度 與樣本水體i是否相同。本發(fā)明的效果是采用機器視覺手段對水質(zhì)檢測智能分光光度法中的被測水體試 樣經(jīng)色譜向量分類進行檢測歸類。其方法是首先選取M個樣本水體數(shù)字圖像，然后以此和 待測水體數(shù)字圖像形成圖像對，進而獲得R，G，B三基色圖像對。在每個基色圖像對上提取 一對L維特征向量(L通常為7)，以此為基礎(chǔ)形成3組二級特征距離量，并構(gòu)造3-維向量，實 現(xiàn)L維特征向量向3-維二級特征向量的映射，進而對各基色圖像求其向量模(magnitude)。 經(jīng)過對各基色向量模求和，獲取樣本水體數(shù)字圖像和待測水體數(shù)字圖像的向量模之和。對 于M個樣本水體數(shù)字圖像產(chǎn)生的M個向量模之和尋求最小值，由最小值關(guān)聯(lián)判定待測水體 與樣本水體同類，從而實現(xiàn)判斷被測水體及其相應(yīng)污染物的目的。下面結(jié)合附圖和實施例對本發(fā)明做進一步的說明。


附圖是本發(fā)明的程序框圖。
具體實施例方式本發(fā)明是采用機器視覺手段對水質(zhì)檢測智能分光光度法中的被測水體試樣經(jīng)色 譜向量分類進行檢測歸類，其方法是首先選取M個樣本水體數(shù)字圖像，然后以此和待測水 體數(shù)字圖像形成圖像對，進而獲得R、G、B三基色圖像對。在每個基色圖像對上提取一對L 維特征向量(L通常為7)，以此為基礎(chǔ)形成3組二級特征距離量，并構(gòu)造3-維向量，實現(xiàn)L 維特征向量向3-維二級特征向量的映射，進而對各基色圖像求其向量模(magnitude)。然 后對各基色向量模求和，獲取樣本水體數(shù)字圖像和待測水體數(shù)字圖像的向量模之和，對于M個樣本水體數(shù)字圖像產(chǎn)生的M個向量模之和尋求最小值，由最小值關(guān)聯(lián)判定待測水體與樣 本水體同類，從而實現(xiàn)判斷被測水體及其相應(yīng)污染物的目的。附圖中，機器視覺環(huán)境檢測中L-維色譜向量分類技術(shù)步驟如下一、以樣本水體數(shù)字圖像和待測水體數(shù)字圖像形成圖像對，進而獲得R、G、B三基 色圖像對；二、在每個基色圖像對上提取一對L維特征向量(L通常為7)，以此為基礎(chǔ)形成3 組二級特征距離量，并構(gòu)造3-維向量，實現(xiàn)L維特征向量向3-維二級特征向量的映射；三、進而對各基色圖像求其向量模(magnitude)。經(jīng)過對各基色向量模求和，獲取 樣本水體數(shù)字圖像和待測水體數(shù)字圖像的向量模之和，對于M個樣本水體數(shù)字圖像產(chǎn)生的 M個向量模之和尋求最小值，由最小值關(guān)聯(lián)判定待測水體與樣本水體同類，實現(xiàn)判斷被測水 體及其相應(yīng)污染物濃度。該技術(shù)的實現(xiàn)步驟詳細(xì)描述如下—、以樣本水體數(shù)字圖像和待測水體數(shù)字圖像形成圖像對，進而獲得R，G，B三基 色圖像對。樣本數(shù)字圖像IsampleiU, y)和待測水體數(shù)字圖像ITest(x，y)形成圖像對，i = 1， 2，...，M ；進而獲得R，G，B三基色圖像對如下基色R圖像對IsampleKi (X，y)和待測水體 ITestK(x，y) ；. . . (1. 1)基色G圖像對Isampleci (x, y)和待測水體 ITestG(x，y) ；. . . (1. 2)基色B圖像對Isampleei (x, y)和待測水體 ITestB (x, y) ；. . . (1. 3)二、在每個基色圖像對上提取一對L維特征向量(L通常為7)，以此為基礎(chǔ)形成3 組二級特征距離量，并構(gòu)造3-維向量，實現(xiàn)L維特征向量向3-維二級特征向量的映射。1、在每個基色圖像對上提取一對L維特征向量(L通常為7)如下在R基色圖像對上提取一對L (L = 7)維特征向量(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)為取自樣本數(shù)字圖像，(2. 2)為取自待測水體數(shù)字圖像。在G基色圖像對上提取一對L (L = 7)維特征向量(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)為取自樣本數(shù)字圖像，(2.4)為取自待測水體數(shù)字圖像。在B基色圖像對上提取一對L (L = 7)維特征向量(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)為取自樣本數(shù)字圖像，(2.6)為取自待測水體數(shù)字圖像。2、分別計算相對于三個基色圖像的一對L維特征向量的二級特征距離量，如下相對于R基色
8 其中0<G a ！< 1 ；常見值取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 ；常見值取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 ；常見值取 aG3 = 0. 5 ；
0126]對于以上各式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 ；常見值取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 ；常見值取=0.5 ；
distB3 =
0. 35aB3 (xB6i-B 、2丄 -X 6q) +
0. 3aB3) (xB7i-A)2]172··· (6· 3)
其中ο < aB3< 1 ；常見值取aB5 = 0.5 ；
對于以上各式i = 1，2，. . .，M 3、根據(jù)二級特征距離量構(gòu)造3-維向量，達(dá)到L維特征向量向3-維二級特征向量 的映射，具體運算如下
0138]Ve11=dist^ ；. . (7.1)0139]vE2i=distE2i ；. . (7.2)0140]vE3i=distE3i ；. . (7.3)
0141] 于是在R基色圖像上有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基色圖像上有特征向量簽字點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基色圖像上的特征向量簽字點A = (VBn，VB2i，VB3i)；對于以上各式i =
1 j 2 j · · · j Μ ο 第三、對各基色圖像求其向量模(magnitude)，并計算各基色向量模之和，對于M 個樣本水體數(shù)字圖像產(chǎn)生的M個向量模之和尋求最小值，由最小值關(guān)聯(lián)判定待測水體與樣 本水體同類，實現(xiàn)判斷被測水體及其相應(yīng)污染物濃度。具體計算如下
1、首先對于每個三基色圖像上的二級“特征向量簽字點”計算二級特征向量之模， 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、對于M個樣本水體數(shù)字圖像產(chǎn)生的M個向量模之和尋求最小值，如下IvegbminI =MiniI IvegM (8.5)其中i = 1，2，. . .，Μ。(8. 5)式中給出最小值對應(yīng)于樣本水體數(shù)字圖像i，由最小值關(guān)聯(lián)判定待測水體 與樣本水體i同類，則被測水體及其相應(yīng)污染物濃度與樣本水體i相同。
權(quán)利要求
基于機器視覺的水質(zhì)檢測中多維色譜向量分類方法，其特征是包括下列步驟(1)讀取M個樣本水體數(shù)字圖像，將M個樣本水體數(shù)字圖像和待測水體數(shù)字圖像分別形成圖像對，進而獲得所述圖像對的R、G、B三基色圖像對；(2)在R、G、B三基色圖像對中的每個基色圖像對上提取一對L維特征向量，以此為基礎(chǔ)形成3組二級特征距離量，根據(jù)所述的3組二級特征距離量構(gòu)造3 維向量，實現(xiàn)L維特征向量向3 維二級特征向量的映射；(3)計算各基色圖像向量模，然后計算各基色向量模的和，以獲取樣本水體數(shù)字圖像和待測水體數(shù)字圖像的向量模之和，選擇M個樣本水體數(shù)字圖像產(chǎn)生的M個向量模之和的最小值，根據(jù)該最小值關(guān)聯(lián)判定待測水體與樣本水體是否同類以及被測水體及其相應(yīng)污染物濃度。
2.根據(jù)權(quán)利要求1所述的基于機器視覺的水質(zhì)檢測中多維色譜向量分類方法，其特征 是所述實現(xiàn)L維特征向量向3-維二級特征向量的映射，具體包括下列步驟(1)在每個基色圖像對上提取一對L維特征向量；(2)分別計算相對于三個基色圖像的一對L維特征向量的二級特征距離量，如下相對于R基色 其中0 < Be1< 1 > 其中ο < aE2< 1 > 其中0 < A< 1 >對于以上各式i = 1,2, . . .，M ；且 ΧΕΠ = VEn, 根據(jù)三個基色圖像的對稱特性，同樣計算基色G和基色B的二級特征距離量； (3)根據(jù)二級特征距離量構(gòu)造3-維向量，形成二級“特征向量簽字點”，實現(xiàn)L維特征 向量向3-維二級特征向量的映射，具體包括下列步驟R基色圖像上的特征向量簽字點A = (VKn，VE2i, VK3i)，其中， G基色圖像上有特征向量簽字點Vei = (Vcli, VG2i, Ve3i)，其中， B基色圖像上的特征向量簽字點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.根據(jù)權(quán)利要求2所述的基于機器視覺的水質(zhì)檢測中多維色譜向量分類方法，其特征 是所述對各基色圖像求其向量模，并計算各基色向量模之和，具體包括下列步驟(1)首先對于每個三基色圖像上的二級“特征向量簽字點”計算二級特征向量之模并求 和，公式如下IvM = 11 (VVVU3i) 11··· (8.1)(2)在M個樣本水體數(shù)字圖像產(chǎn)生的M個向量模之和數(shù)值中，尋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)式中給出向量模之和最小值對應(yīng)于樣本水體數(shù)字圖像i，由向量模之和最小值 關(guān)聯(lián)判定待測水體與樣本水體i是否同類，則可以判斷被測水體及其相應(yīng)污染物濃度與樣 本水體i是否相同。
全文摘要
一種具有廣譜多參數(shù)被測水質(zhì)能力的基于機器視覺的水質(zhì)檢測中多維色譜向量分類方法。技術(shù)方案是(1)讀取M個樣本水體數(shù)字圖像，將M個樣本水體數(shù)字圖像和待測水體數(shù)字圖像分別形成圖像對，進而獲得所述圖像對的R、G、B三基色圖像對；(2)在R、G、B三基色圖像對中的每個基色圖像對上提取一對L維特征向量，以此為基礎(chǔ)形成3組二級特征距離量，根據(jù)所述的3組二級特征距離量構(gòu)造3-維向量，實現(xiàn)L維特征向量向3-維二級特征向量的映射；(3)計算各基色圖像向量模，然后計算各基色向量模的和，以獲取樣本水體數(shù)字圖像和待測水體數(shù)字圖像的向量模之和，選擇M個樣本水體數(shù)字圖像產(chǎn)生的M個向量模之和的最小值，根據(jù)該最小值關(guān)聯(lián)判定待測水體與樣本水體是否同類以及被測水體及其相應(yīng)污染物濃度。
文檔編號G01N21/31GK101915739SQ20101022237
公開日2010年12月15日 申請日期2010年6月30日 優(yōu)先權(quán)日2010年6月30日
發(fā)明者李華 申請人:李華