本發(fā)明實(shí)施例涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種食用油雜質(zhì)的視覺(jué)檢測(cè)方法。

背景技術(shù)：

我國(guó)的花生油生產(chǎn)線自動(dòng)化程度較高，但在花生油質(zhì)檢環(huán)節(jié)基本上還依賴于人工燈檢方式。人工燈檢方式效率和精度都較低，對(duì)檢測(cè)工人的眼睛損害很大。隨著智能制造技術(shù)的發(fā)展，用機(jī)器視覺(jué)替代人眼檢測(cè)已經(jīng)成為亟待解決的問(wèn)題。

機(jī)器視覺(jué)檢測(cè)設(shè)備在國(guó)外發(fā)達(dá)國(guó)家已廣泛使用，如飲料檢測(cè)、口服液檢測(cè)和安瓿檢測(cè)等，主要廠家有德國(guó)seidenada、意大利brevetti、日本esia等。意大利brevetti生產(chǎn)的小容量藥品檢查機(jī)屬于間歇式視覺(jué)檢測(cè)設(shè)備，主要檢測(cè)裝量在1-20毫升之間，速度一般為150-300瓶/分鐘。其獲取的圖像非常穩(wěn)定，但速度較慢。德國(guó)seidenader公司生產(chǎn)的異物檢查機(jī)采取跟蹤式視覺(jué)檢測(cè)，主要用于1-100毫升安瓿、西林瓶等小針制劑。其最大優(yōu)點(diǎn)是速度較快，但其機(jī)械裝置相對(duì)間歇式更復(fù)雜。日本eisai公司生產(chǎn)的全自動(dòng)檢查機(jī)采用光敏傳感器判斷出運(yùn)動(dòng)異物，主要針對(duì)安瓿、口服液和大輸液等不同裝量的試劑。

近幾年，國(guó)內(nèi)的各個(gè)高校、研究院和企業(yè)等機(jī)構(gòu)也開(kāi)始研究機(jī)器視覺(jué)技術(shù)在藥液、酒、飲料等檢測(cè)中的應(yīng)用。湖南大學(xué)與湖南千山制藥機(jī)械股份有限公司聯(lián)合研發(fā)的玻璃瓶大輸液產(chǎn)品質(zhì)量智能檢測(cè)線、勁酒產(chǎn)品質(zhì)量智能檢測(cè)線，湖南正中的安瓿全自動(dòng)智能燈檢機(jī)等。李彬?qū)ΧS閾值分割算法進(jìn)行了改進(jìn)，提高了算法的抗噪性，有效避免了錯(cuò)誤劃分，加強(qiáng)了圖像的分割效果，對(duì)其他的研究者有一定的指導(dǎo)意義。楊福剛、孫同景等針對(duì)大輸液和注射劑的雜質(zhì)檢測(cè)，提出了基于視覺(jué)傳感器異物檢測(cè)方法、航跡關(guān)聯(lián)判斷雜質(zhì)運(yùn)動(dòng)軌跡和基于人工免疫捕捉異物運(yùn)動(dòng)軌跡的檢測(cè)方法。張輝在大輸液視覺(jué)檢測(cè)與識(shí)別技術(shù)的研究中，針對(duì)傳統(tǒng)細(xì)胞神經(jīng)網(wǎng)絡(luò)的分割準(zhǔn)確率低的問(wèn)題，采用了改進(jìn)型模糊細(xì)胞神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并通過(guò)實(shí)驗(yàn)測(cè)試證明其有效地克服了傳統(tǒng)細(xì)胞神經(jīng)網(wǎng)絡(luò)無(wú)法解決的邊緣檢出問(wèn)題，使得異物分割圖像能更好的接近真實(shí)圖像。周博文在保健酒智能檢測(cè)機(jī)器人技術(shù)研究中，提出了基于中值的加權(quán)均值濾波算法，既能有效的濾除噪聲，又能有效的保留運(yùn)動(dòng)目標(biāo)。范彬、楊麗、馮云松、楊華等針對(duì)紅外圖像的特點(diǎn)，提出了一種改進(jìn)的紅外圖像分割算法。

以上所有的研究都是針對(duì)于口服液、保健酒、大輸液、注射劑等液體，由于花生油生產(chǎn)過(guò)程中的異物過(guò)濾技術(shù)、產(chǎn)品包裝、透光性、溶液濃度以及雜質(zhì)標(biāo)準(zhǔn)都與其他液體不同，因此，針對(duì)安瓶瓶、注射劑等的國(guó)內(nèi)外現(xiàn)有的機(jī)器視覺(jué)檢測(cè)設(shè)備并不適用于桶裝花生油。

南京匯川圖像視覺(jué)技術(shù)有限公司申請(qǐng)的《一種基于圖像背景概率圖的食用油雜質(zhì)檢測(cè)方法》(申請(qǐng)?zhí)枮?01610278380.4)公開(kāi)了一種基于圖像背景概率圖的食用油雜質(zhì)檢測(cè)方法。該發(fā)明申請(qǐng)主要包括建立背景概率圖以及異物檢測(cè)，背景概率圖用于對(duì)油瓶瓶體紋路進(jìn)行背景建模，然后基于背景和實(shí)測(cè)圖像的差來(lái)進(jìn)行異物檢測(cè)。此方法只能對(duì)固定形狀的桶裝食用油進(jìn)行檢測(cè)，而且不能有效消除食用油泡沫對(duì)雜質(zhì)檢測(cè)的影響。

現(xiàn)有技術(shù)有兩個(gè)主要缺點(diǎn)：1.桶裝食用油瓶體較大，現(xiàn)有技術(shù)的光照方案不能有效穿透瓶體，不能保證瓶體內(nèi)各個(gè)部位的雜質(zhì)被有效檢測(cè)到。2.桶裝食用油在灌裝的過(guò)程中形成大量的氣泡，對(duì)雜質(zhì)的檢測(cè)形成了非常大的干擾，現(xiàn)有技術(shù)一般采用運(yùn)動(dòng)跟蹤的方法來(lái)解決，但由于氣泡數(shù)量巨大，而且形狀各異，此方法在實(shí)際中效果不佳。

技術(shù)實(shí)現(xiàn)要素：

為了克服相關(guān)技術(shù)中存在的技術(shù)問(wèn)題，本發(fā)明提供一種食用油雜質(zhì)的視覺(jué)檢測(cè)方法，以實(shí)現(xiàn)利用基于視覺(jué)注意機(jī)制和水平集分割結(jié)合的雜質(zhì)檢測(cè)方法，避免食用油中的氣泡噪音等干擾，準(zhǔn)確檢測(cè)食用油中包含的雜質(zhì)。

第一方面，本發(fā)明實(shí)施例提供了一種食用油雜質(zhì)的視覺(jué)檢測(cè)方法，所述方法包括：

獲取待檢測(cè)食用油的圖像信息；

對(duì)所述圖像信息進(jìn)行濾波去噪和圖像差分處理，結(jié)合視覺(jué)注意機(jī)制得出所述圖像信息中的顯著區(qū)域；

通過(guò)支持相量機(jī)對(duì)所述圖像信息中的顯著區(qū)域中的雜質(zhì)類型進(jìn)行判斷和辨別，以得到食用油雜質(zhì)的視覺(jué)檢測(cè)結(jié)果。

結(jié)合另一方面，在另一方面的一種可能的實(shí)施方式中，所述獲取待檢測(cè)食用油的圖像信息，包括：

利用紅外攝像、組合鏡頭以及合適的光照條件對(duì)特定位置設(shè)定拍攝參數(shù)，以搭建圖像獲取平臺(tái)；

獲取所述特定位置處的待檢測(cè)食用油的圖像信息。

結(jié)合另一方面，在另一方面的一種可能的實(shí)施方式中，所述對(duì)所述圖像信息進(jìn)行濾波去噪和圖像差分處理，結(jié)合視覺(jué)注意機(jī)制得出所述圖像信息中的顯著區(qū)域，包括：

獲取所述特定位置處的待檢測(cè)食用油的圖像信息，包括：

通過(guò)所述紅外攝像組合鏡頭對(duì)所述特定位置的食用油的不同部位進(jìn)行檢測(cè)，檢測(cè)出出現(xiàn)雜質(zhì)的部位；

對(duì)所述出現(xiàn)雜質(zhì)的部位進(jìn)行標(biāo)記，形成所述顯著區(qū)域，并對(duì)所述顯著區(qū)域進(jìn)行濾波去噪、圖像差分結(jié)合視覺(jué)注意機(jī)制處理。

結(jié)合另一方面，在另一方面的一種可能的實(shí)施方式中，所述對(duì)所述圖像信息進(jìn)行濾波去噪和圖像差分處理，包括：

用一個(gè)m*m模板掃描所述圖像信息中每一個(gè)像素；

在所述m*m模板模板中選擇k個(gè)與待處理像素的灰度值最接近的像素點(diǎn)，其中，k>m；

對(duì)k個(gè)像素點(diǎn)統(tǒng)計(jì)其灰度值之和后取它們的平均值，并用平均值來(lái)替換原來(lái)的像素值。

結(jié)合另一方面，在另一方面的一種可能的實(shí)施方式中，所述對(duì)所述圖像信息進(jìn)行濾波去噪和圖像差分處理，還包括：

利用不同時(shí)間采集的圖像信息進(jìn)行差分，包括：

對(duì)獲得的時(shí)間序列圖像相同位置像素點(diǎn)灰度值求差；

當(dāng)灰度差值大于設(shè)定的閾值，將該像素點(diǎn)對(duì)應(yīng)位置為所述顯著區(qū)域。

結(jié)合另一方面，在另一方面的一種可能的實(shí)施方式中，所述結(jié)合視覺(jué)注意機(jī)制得出所述圖像信息中的顯著區(qū)域包括：

通過(guò)所述圖像信息中的非顯著區(qū)域檢測(cè)所述顯著區(qū)域，利用相位譜替代顯著區(qū)域的圖像信息，基于相位譜的顯著圖計(jì)算模型基于如下算式：

其中m是顯著區(qū)域，g是高斯濾波算子，k是大于等于2的整數(shù)，*是卷積，是圖像x相位譜的反變換，

結(jié)合另一方面，在另一方面的一種可能的實(shí)施方式中，根據(jù)所述計(jì)算模型中模型參數(shù)的選擇，模型的計(jì)算包括：

對(duì)輸入的顯著區(qū)域的圖像信息適當(dāng)變換，縮小其尺寸，消除圖像的紋理細(xì)節(jié)；

所述參數(shù)k是以hadamard積相乘，帶有顯著區(qū)域的圖像信息的灰度在[0,1]區(qū)間變化時(shí)，所述參數(shù)k使所述顯著區(qū)域包含的像素的突顯程度拉開(kāi)距離，所述參數(shù)k增大，則所述顯著區(qū)域中的顯著度的像素點(diǎn)顯著度更高，所述顯著區(qū)域中的顯著度的像素點(diǎn)顯著度低的點(diǎn)逐漸消失，以篩選出顯著度最高的像素點(diǎn)；

其中，卷積模板大小和標(biāo)準(zhǔn)差δ的參數(shù)決定了包含有顯著區(qū)域的圖像信息中的顯著區(qū)域顯示的形狀。

結(jié)合另一方面，在另一方面的一種可能的實(shí)施方式中，所述方法還包括：

利用mumford-shah模型對(duì)所述非顯著區(qū)域進(jìn)行二次濾波。

9、根據(jù)權(quán)利要求8所述的方法，其特征在于，所述mumford-shah模型的能量函數(shù)是：

其中，μ,v是非負(fù)常數(shù)，ω表示圖像區(qū)域，i0表示初始圖像，i表示逼近原始圖像i0的一個(gè)分段光滑圖像，曲線c表示圖像區(qū)域的邊界；

利用水平集方法，通過(guò)最小化能量函數(shù)求解，活動(dòng)輪廓曲線c將圖像區(qū)域ω分為曲線內(nèi)外兩部分，曲線內(nèi)和曲線外分別表示為i⁺和i^-，同時(shí)，使用水平集函數(shù)替代活動(dòng)輪廓曲線c(t)，水平集函數(shù)依舊采用sdf函數(shù)形式。

結(jié)合另一方面，在另一方面的一種可能的實(shí)施方式中，所述獲取待檢測(cè)食用油的圖像信息之前，還包括：

對(duì)所述待檢測(cè)的食用油進(jìn)行雜質(zhì)均勻操作，以使所述待檢測(cè)食用油中形成的顯著區(qū)域均勻顯示。

本發(fā)明通過(guò)若干工業(yè)相機(jī)以及紅外攝像機(jī)、適合的光照條件等搭建出食用油雜質(zhì)的檢測(cè)環(huán)境，光電部分針對(duì)食用油尤其是桶裝食用油的桶狀、體積和光學(xué)折射特性，保證食用油桶內(nèi)各部位的雜質(zhì)較清晰的呈現(xiàn)出來(lái)，而對(duì)于顯示的食用油中的圖像信息中的顯著區(qū)域則通過(guò)算法實(shí)現(xiàn)了食用油桶壁陰影、氣泡和其它雜質(zhì)干擾的濾波，實(shí)現(xiàn)了雜質(zhì)的準(zhǔn)確分割和辨識(shí)。

應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。

附圖說(shuō)明

此處的附圖被并入說(shuō)明書(shū)中并構(gòu)成本說(shuō)明書(shū)的一部分，示出了符合本發(fā)明的實(shí)施例，并與說(shuō)明書(shū)一起用于解釋本發(fā)明的原理。

圖1是根據(jù)一示例性實(shí)施例示出的一種食用油雜質(zhì)的視覺(jué)檢測(cè)方法的方法流程圖。

圖2是根據(jù)一示例性實(shí)施例示出的一種食用油雜質(zhì)的視覺(jué)檢測(cè)方法的囤積簡(jiǎn)易流程圖。

圖3是根據(jù)一示例性實(shí)施例示出的一種食用油雜質(zhì)的視覺(jué)檢測(cè)方法的濾波去噪流程圖。

圖4是根據(jù)一示例性實(shí)施例示出的一種食用油雜質(zhì)的視覺(jué)檢測(cè)方法的計(jì)算過(guò)程圖。

圖5是根據(jù)一示例性實(shí)施例示出的在雜質(zhì)檢測(cè)時(shí)的圖像信息圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。可以理解的是，此處所描述的具體實(shí)施例僅僅用于解釋本發(fā)明，而非對(duì)本發(fā)明的限定。另外還需要說(shuō)明的是，為了便于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部結(jié)構(gòu)。

在更加詳細(xì)地討論示例性實(shí)施例之前應(yīng)當(dāng)提到的是，一些示例性實(shí)施例被描述成作為流程圖描繪的處理或方法。雖然流程圖中將各步驟描述成順序的處理，但是其中的許多步驟可以并行地、并發(fā)地或者同時(shí)實(shí)施。此外，各步驟的順序可以被重新安排，當(dāng)其操作完成時(shí)所述處理可以被終止，但是還可以具有未包括在附圖內(nèi)的其它步驟。處理可以對(duì)應(yīng)于方法、函數(shù)、規(guī)程、子例程、子程序等。

本發(fā)明涉及一種食用油雜質(zhì)的視覺(jué)檢測(cè)方法，其主要運(yùn)用于對(duì)食用油中的雜質(zhì)進(jìn)行檢測(cè)的場(chǎng)景中，其基本思想是：通過(guò)若干工業(yè)相機(jī)、紅外攝像機(jī)以及適合的光照條件等搭建出食用油雜質(zhì)的檢測(cè)環(huán)境，光電部分針對(duì)食用油尤其是桶裝食用油的桶狀、體積和光學(xué)折射特性，能夠檢測(cè)出較大體積的食用油桶內(nèi)盛裝的食用油各部位的雜質(zhì)較清晰的呈現(xiàn)，進(jìn)而對(duì)于顯示的食用油中的圖像信息中的顯著區(qū)域則通過(guò)算法實(shí)現(xiàn)了食用油桶壁陰影、氣泡和其它雜質(zhì)干擾的濾波，對(duì)雜質(zhì)準(zhǔn)確分割和辨識(shí)。

本發(fā)明中還涉及在利用若干工業(yè)相機(jī)、紅外攝像機(jī)以及適合的光照條件等搭建出食用油雜質(zhì)的檢測(cè)環(huán)境的檢測(cè)裝置，以及可能存在的抓取在食用油生產(chǎn)線上生活的桶裝食用油的機(jī)械手，雖然未于圖中進(jìn)行結(jié)構(gòu)上的說(shuō)明，但其檢測(cè)裝置以能夠?qū)崿F(xiàn)本發(fā)明的食用油雜質(zhì)的視覺(jué)檢測(cè)方法而設(shè)立的，該檢測(cè)裝置可設(shè)置于油類自動(dòng)生產(chǎn)線在成品油裝桶之后的任一環(huán)節(jié)，通過(guò)機(jī)械手臂抓取任意體積、何意桶已生成完成的油放置入本發(fā)明的檢測(cè)位置即可進(jìn)行檢測(cè)，因此，該檢測(cè)裝置還能夠?qū)崿F(xiàn)對(duì)油品進(jìn)行質(zhì)量上的檢驗(yàn)。

圖1為本發(fā)明實(shí)施例一提供的方法流程圖，結(jié)合圖2所示的在具體應(yīng)用時(shí)的方法步驟圖，該方法可以由檢測(cè)裝置中的上位機(jī)執(zhí)行，所述方法具體包括如下步驟：

在步驟110中，獲取待檢測(cè)食用油的圖像信息；

一般地，通過(guò)攝像裝置對(duì)待檢測(cè)食用油進(jìn)行拍攝即可得到所述圖像信息，在本公開(kāi)示例性實(shí)施例的一種實(shí)施場(chǎng)景中，利用紅外攝像、組合鏡頭以及合適的光照條件對(duì)特定位置設(shè)定拍攝參數(shù)，以搭建圖像獲取平臺(tái)；其中適合的光照條件能夠使食用油在光照下呈現(xiàn)出更為清晰的雜質(zhì)，將待檢測(cè)食用油放置于特定位置，并加入合適光照，從而能夠獲取出更優(yōu)質(zhì)的圖像信息，若干組合鏡頭可以為工業(yè)相機(jī)或svm(supportvectormachine，支持向量機(jī))搭配紅外攝像對(duì)圖像信息攝取，以最大限度地得到待檢測(cè)食用油更為清晰的圖像信息。

在檢測(cè)時(shí)通過(guò)所述紅外攝像組合鏡頭對(duì)所述特定位置的食用油的不同部位進(jìn)行檢測(cè)，檢測(cè)出出現(xiàn)雜質(zhì)的部位；對(duì)所述出現(xiàn)雜質(zhì)的部位進(jìn)行標(biāo)記，形成所述顯著區(qū)域，并對(duì)所述顯著區(qū)域進(jìn)行濾波去噪、圖像差分結(jié)合視覺(jué)注意機(jī)制處理。

在進(jìn)行本步驟之前，還可以包括：對(duì)所述待檢測(cè)的食用油進(jìn)行雜質(zhì)均勻操作，以使所述待檢測(cè)食用油中形成的顯著區(qū)域均勻顯示，使得后續(xù)步驟中檢測(cè)出的雜質(zhì)辨識(shí)的精確度更高。

在步驟120中，對(duì)所述圖像信息進(jìn)行濾波去噪和圖像差分處理，結(jié)合視覺(jué)注意機(jī)制得出所述圖像信息中的顯著區(qū)域；

在本公開(kāi)示例性實(shí)施例的一種實(shí)施場(chǎng)景中，對(duì)于本發(fā)明的桶裝食用油所處的光電環(huán)境，工業(yè)相機(jī)在圖像的采集過(guò)程中，引入的噪聲主要為高斯和脈沖噪聲，這兩種噪聲會(huì)導(dǎo)致圖像出現(xiàn)孤立點(diǎn)和模糊現(xiàn)象。本發(fā)明采用用k近鄰均值濾波法對(duì)圖像進(jìn)行去噪處理。

k近鄰均值濾波法是在中值濾波算法的基礎(chǔ)上進(jìn)行改進(jìn)的一種濾波算法，相比于中值濾波，這種算法能去除一些由噪聲干擾造成在圖像上表現(xiàn)較強(qiáng)視覺(jué)效果的孤立像素點(diǎn)和像素塊，使圖像像素得到更均勻的處理。算法步驟如下：

如圖3所示，在步驟121中，用一個(gè)m*m模板掃描所述圖像信息中每一個(gè)像素；

用一個(gè)m*m模板掃描待處理圖像中每一個(gè)像素，本發(fā)明中m取值為5。

在步驟122中，在所述m*m模板模板中選擇k個(gè)與待處理像素的灰度值最接近的像素點(diǎn)，其中，k>m；

在該m*m模板中選擇k個(gè)與待處理像素的灰度值最接近的像素點(diǎn)，本發(fā)明中k取值為7。

在步驟123中，對(duì)k個(gè)像素點(diǎn)統(tǒng)計(jì)其灰度值之和后取它們的平均值，并用平均值來(lái)替換原來(lái)的像素值。

將這k＝7個(gè)像素點(diǎn)統(tǒng)計(jì)其灰度值之和后取它們的平均值，并用平均值來(lái)替換原來(lái)的像素值。

所述對(duì)所述圖像信息進(jìn)行濾波去噪和圖像差分處理，還包括：

利用不同時(shí)間采集的圖像信息進(jìn)行差分，包括：

對(duì)獲得的時(shí)間序列圖像相同位置像素點(diǎn)灰度值求差；

當(dāng)灰度差值大于設(shè)定的閾值，將該像素點(diǎn)對(duì)應(yīng)位置為所述顯著區(qū)域。

在本公開(kāi)示例性實(shí)施例的一種實(shí)施場(chǎng)景中，利用不同時(shí)間采集的圖像進(jìn)行差分，即對(duì)工業(yè)相機(jī)獲得的時(shí)間序列圖像相同位置像素點(diǎn)灰度值求差，如果灰度差值大于設(shè)定的閾值，就可以認(rèn)為該像素點(diǎn)對(duì)應(yīng)位置存在運(yùn)動(dòng)目標(biāo)，圖像差分能夠達(dá)到的有益效果是消除食用油瓶體本身陰影和外附物造成的干擾。

對(duì)于結(jié)合視覺(jué)注意機(jī)制，人類在看一個(gè)場(chǎng)景時(shí)，往往會(huì)在很短時(shí)間內(nèi)找到幾個(gè)顯著區(qū)，然后再細(xì)看顯著區(qū)域的內(nèi)容。視覺(jué)注意機(jī)制就是模擬人類視覺(jué)的這個(gè)原理，利用計(jì)算圖像的顯著圖，對(duì)大場(chǎng)景內(nèi)目標(biāo)進(jìn)行初步定位的方法。

在步驟130中，通過(guò)支持相量機(jī)對(duì)所述圖像信息中的顯著區(qū)域中的雜質(zhì)類型進(jìn)行判斷和辨別，以得到食用油雜質(zhì)的視覺(jué)檢測(cè)結(jié)果。

對(duì)于一個(gè)場(chǎng)景時(shí)，人類往往會(huì)在很短時(shí)間內(nèi)找到幾個(gè)顯著區(qū)，然后再細(xì)看顯著區(qū)域的內(nèi)容，視覺(jué)注意機(jī)制就是模擬人類視覺(jué)的這個(gè)原理，利用計(jì)算圖像的顯著圖，對(duì)大場(chǎng)景內(nèi)目標(biāo)進(jìn)行初步定位的方法。

在圖像的fourier表示式中,幅度譜和相位譜分別代表不同的意義。相位譜包含圖像各頻率成分的相互位置信息，而幅度譜包含各頻率成分的功率信息，相位譜對(duì)圖像分析起著非常重要的作用。已有文獻(xiàn)利用壓縮感知原理，從理論上證明了在稀疏背景條件下，利用相位譜可以替代顯著圖，更加有效的檢測(cè)顯著區(qū)域。本發(fā)明把桶裝食用油中的雜質(zhì)視為顯著區(qū)域，而可能存在的氣泡則作為非顯著區(qū)域，即以大量的氣泡作為背景信息，利用視覺(jué)注意機(jī)制可以有效的過(guò)濾氣泡干擾，有效檢測(cè)到雜質(zhì)。

基于相位譜的顯著圖計(jì)算模型基于如下算式：

其中m是顯著圖，g是高斯濾波算子，k是大于等于2的整數(shù)，*是卷積，是圖像x相位譜的反變換，

根據(jù)模型參數(shù)的選擇過(guò)程，我們把模型的計(jì)算分為三個(gè)步驟：

對(duì)輸入的顯著區(qū)域的圖像信息適當(dāng)變換，縮小其尺寸，消除圖像的紋理細(xì)節(jié)；

為了使輸入圖像滿足稀疏性要求，需要對(duì)輸入的圖像適當(dāng)變換，縮小其尺寸，消除圖像的紋理細(xì)節(jié)。在求得圖像的顯著圖后，為了與輸入圖像相比對(duì)，可以使顯著圖恢復(fù)至輸入圖像尺寸。

所述參數(shù)k是以hadamard積相乘，帶有顯著區(qū)域的圖像信息的灰度在[0,1]區(qū)間變化時(shí)，所述參數(shù)k使所述顯著區(qū)域包含的像素的突顯程度拉開(kāi)距離，所述參數(shù)k增大，則所述顯著區(qū)域中的顯著度的像素點(diǎn)顯著度更高，所述顯著區(qū)域中的顯著度的像素點(diǎn)顯著度低的點(diǎn)逐漸消失，以篩選出顯著度最高的像素點(diǎn)；

對(duì)于參數(shù)k的選擇，這里的k次方指的是以hadamard積相乘。圖像的灰度在[0,1]區(qū)間變化時(shí)，參數(shù)k的作用是使圖像的顯著點(diǎn)的突顯程度拉開(kāi)距離，隨著k的增大，顯著度高的點(diǎn)更顯著，而顯著度低的點(diǎn)逐漸消失，最后可以篩選出顯著度最高的點(diǎn)。

卷積模板大小和標(biāo)準(zhǔn)差δ的參數(shù)決定了包含有顯著區(qū)域的圖像信息中的顯著區(qū)域顯示的形狀；

guass卷積模板大小和標(biāo)準(zhǔn)差δ的選擇。這兩個(gè)參數(shù)決定了顯著圖中的顯著區(qū)域顯示的形狀。

結(jié)合圖4及圖5所示，對(duì)于水平食分割雜質(zhì)，本發(fā)明采用水平集分割方法提取雜質(zhì)特征，具有分割準(zhǔn)確、速度快、對(duì)上步?jīng)]能濾除的氣泡有二次濾波作用。該方法不使用梯度信息，直接通過(guò)最小化能量函數(shù)來(lái)實(shí)現(xiàn)圖像分割，具有全局最優(yōu)特性。

mumford-shah模型的能量函數(shù)是：

其中，μ,v是非負(fù)常數(shù)，ω表示圖像區(qū)域，i0表示初始圖像，i表示逼近原始圖像i0的一個(gè)分段光滑圖像，曲線c表示圖像區(qū)域的邊界。該算法是利用水平集方法，通過(guò)最小化能量函數(shù)來(lái)求解?；顒?dòng)輪廓曲線c將圖像區(qū)域ω分為曲線內(nèi)外兩部分，曲線內(nèi)和曲線外分別表示為i⁺和i^-。為了利用水平集方法求解該模型，使用水平集函數(shù)替代活動(dòng)輪廓曲線c(t)，水平集函數(shù)依舊采用sdf函數(shù)形式，即：如果當(dāng)前點(diǎn)在曲線上，那么當(dāng)前點(diǎn)在活動(dòng)輪廓曲線內(nèi)，那么反之那么式(2)變?yōu)椋?/p>

將上式最小化，可得到相應(yīng)的水平集演化方程為：

其中，是heaviside函數(shù)，是dirac函數(shù)，定義為：

具體算法流程如圖4所示。我們首先進(jìn)行初始化，根據(jù)桶裝花生油圖像的灰度直方圖特征，確定c1＝30,c2＝130。計(jì)算圖像的相位譜顯著圖，根據(jù)閾值設(shè)定顯著區(qū)域?yàn)?1，其他區(qū)域?yàn)?1，即初始化水平集函數(shù)：然后進(jìn)行迭代，時(shí)間步長(zhǎng)δt＝1，每次迭代后通過(guò)對(duì)水平集函數(shù)重新二值化：和高斯濾波：來(lái)正則化。最后根據(jù)收斂與否或預(yù)定迭代次數(shù)來(lái)決定程序結(jié)束或循環(huán)。

如圖5所示，為在通過(guò)檢測(cè)裝置進(jìn)行圖像信息的獲取時(shí)對(duì)圖像信息的篩選圖，其中的ng為圖像信息不合格，而其中的ok則表示圖像信息可以用于對(duì)食用油進(jìn)行雜質(zhì)檢測(cè)，其中的顯著區(qū)域?yàn)閳D中雜質(zhì)區(qū)域較多的部分。

本發(fā)明的方法，通過(guò)若干工業(yè)相機(jī)以及紅外攝像機(jī)、適合的光照條件等搭建出食用油雜質(zhì)的檢測(cè)環(huán)境，光電部分針對(duì)食用油尤其是桶裝食用油的桶狀、體積和光學(xué)折射特性，保證食用油桶內(nèi)各部位的雜質(zhì)較清晰的呈現(xiàn)出來(lái)，而對(duì)于顯示的食用油中的圖像信息中的顯著區(qū)域則通過(guò)算法實(shí)現(xiàn)了食用油桶壁陰影、氣泡和其它雜質(zhì)干擾的濾波，實(shí)現(xiàn)了雜質(zhì)的準(zhǔn)確分割和辨識(shí)。

將意識(shí)到的是，本發(fā)明也擴(kuò)展到適合于將本發(fā)明付諸實(shí)踐的計(jì)算機(jī)程序，特別是載體上或者載體中的計(jì)算機(jī)程序。程序可以以源代碼、目標(biāo)代碼、代碼中間源和諸如部分編譯的形式的目標(biāo)代碼的形式，或者以任何其它適合在按照本發(fā)明的方法的實(shí)現(xiàn)中使用的形式。也將注意的是，這樣的程序可能具有許多不同的構(gòu)架設(shè)計(jì)。例如，實(shí)現(xiàn)按照本發(fā)明的方法或者系統(tǒng)的功能性的程序代碼可能被再分為一個(gè)或者多個(gè)子例程。

用于在這些子例程中間分布功能性的許多不同方式將對(duì)技術(shù)人員而言是明顯的。子例程可以一起存儲(chǔ)在一個(gè)可執(zhí)行文件中，從而形成自含式的程序。這樣的可執(zhí)行文件可以包括計(jì)算機(jī)可執(zhí)行指令，例如處理器指令和/或解釋器指令(例如，java解釋器指令)。可替換地，子例程的一個(gè)或者多個(gè)或者所有子例程都可以存儲(chǔ)在至少一個(gè)外部庫(kù)文件中，并且與主程序靜態(tài)地或者動(dòng)態(tài)地(例如在運(yùn)行時(shí)間)鏈接。主程序含有對(duì)子例程中的至少一個(gè)的至少一個(gè)調(diào)用。子例程也可以包括對(duì)彼此的函數(shù)調(diào)用。涉及計(jì)算機(jī)程序產(chǎn)品的實(shí)施例包括對(duì)應(yīng)于所闡明方法中至少一種方法的處理步驟的每一步驟的計(jì)算機(jī)可執(zhí)行指令。這些指令可以被再分成子例程和/或被存儲(chǔ)在一個(gè)或者多個(gè)可能靜態(tài)或者動(dòng)態(tài)鏈接的文件中。

另一個(gè)涉及計(jì)算機(jī)程序產(chǎn)品的實(shí)施例包括對(duì)應(yīng)于所闡明的系統(tǒng)和/或產(chǎn)品中至少一個(gè)的裝置中每個(gè)裝置的計(jì)算機(jī)可執(zhí)行指令。這些指令可以被再分成子例程和/或被存儲(chǔ)在一個(gè)或者多個(gè)可能靜態(tài)或者動(dòng)態(tài)鏈接的文件中。

計(jì)算機(jī)程序的載體可以是能夠運(yùn)載程序的任何實(shí)體或者裝置。例如，載體可以包含存儲(chǔ)介質(zhì)，諸如(rom例如cdrom或者半導(dǎo)體rom)或者磁記錄介質(zhì)(例如軟盤或者硬盤)。進(jìn)一步地，載體可以是可傳輸?shù)妮d體，諸如電學(xué)或者光學(xué)信號(hào)，其可以經(jīng)由電纜或者光纜，或者通過(guò)無(wú)線電或者其它手段傳遞。當(dāng)程序具體化為這樣的信號(hào)時(shí)，載體可以由這樣的線纜或者其它裝置或者裝置組成?？商鎿Q地，載體可以是其中嵌入有程序的集成電路，所述集成電路適合于執(zhí)行相關(guān)方法，或者供相關(guān)方法的執(zhí)行所用。

應(yīng)該留意的是，上文提到的實(shí)施例是舉例說(shuō)明本發(fā)明，而不是限制本發(fā)明，并且本領(lǐng)域的技術(shù)人員將能夠設(shè)計(jì)許多可替換的實(shí)施例，而不會(huì)偏離所附權(quán)利要求的范圍。在權(quán)利要求中，任何放置在圓括號(hào)之間的參考符號(hào)不應(yīng)被解讀為是對(duì)權(quán)利要求的限制。動(dòng)詞“包括”和其詞形變化的使用不排除除了在權(quán)利要求中記載的那些之外的元素或者步驟的存在。在元素之前的冠詞“一”或者“一個(gè)”不排除復(fù)數(shù)個(gè)這樣的元素的存在。本發(fā)明可以通過(guò)包括幾個(gè)明顯不同的元件的硬件，以及通過(guò)適當(dāng)編程的計(jì)算機(jī)而實(shí)現(xiàn)。在列舉幾種裝置的裝置權(quán)利要求中，這些裝置中的幾種可以通過(guò)硬件的同一項(xiàng)來(lái)體現(xiàn)。在相互不同的從屬權(quán)利要求中陳述某些措施的單純事實(shí)并不表明這些措施的組合不能被用來(lái)獲益。

如果期望的話，這里所討論的不同功能可以以不同順序執(zhí)行和/或彼此同時(shí)執(zhí)行。此外，如果期望的話，以上所描述的一個(gè)或多個(gè)功能可以是可選的或者可以進(jìn)行組合。

如果期望的話，上文所討論的各步驟并不限于各實(shí)施例中的執(zhí)行順序，不同步驟可以以不同順序執(zhí)行和/或彼此同時(shí)執(zhí)行。此外，在其他實(shí)施例中，以上所描述的一個(gè)或多個(gè)步驟可以是可選的或者可以進(jìn)行組合。

雖然本發(fā)明的各個(gè)方面在獨(dú)立權(quán)利要求中給出，但是本發(fā)明的其它方面包括來(lái)自所描述實(shí)施方式的特征和/或具有獨(dú)立權(quán)利要求的特征的從屬權(quán)利要求的組合，而并非僅是權(quán)利要求中所明確給出的組合。

這里所要注意的是，雖然以上描述了本發(fā)明的示例實(shí)施方式，但是這些描述并不應(yīng)當(dāng)以限制的含義進(jìn)行理解。相反，可以進(jìn)行若干種變化和修改而并不背離如所附權(quán)利要求中所限定的本發(fā)明的范圍。

本領(lǐng)域普通技術(shù)人員應(yīng)該明白，本發(fā)明實(shí)施例的裝置中的各模塊可以用通用的計(jì)算裝置來(lái)實(shí)現(xiàn)，各模塊可以集中在單個(gè)計(jì)算裝置或者計(jì)算裝置組成的網(wǎng)絡(luò)組中，本發(fā)明實(shí)施例中的裝置對(duì)應(yīng)于前述實(shí)施例中的方法，其可以通過(guò)可執(zhí)行的程序代碼實(shí)現(xiàn)，也可以通過(guò)集成電路組合的方式來(lái)實(shí)現(xiàn)，因此本發(fā)明并不局限于特定的硬件或者軟件及其結(jié)合。

本領(lǐng)域普通技術(shù)人員應(yīng)該明白，本發(fā)明實(shí)施例的裝置中的各模塊可以用通用的移動(dòng)終端來(lái)實(shí)現(xiàn)，各模塊可以集中在單個(gè)移動(dòng)終端或者移動(dòng)終端組成的裝置組合中，本發(fā)明實(shí)施例中的裝置對(duì)應(yīng)于前述實(shí)施例中的方法，其可以通過(guò)編輯可執(zhí)行的程序代碼實(shí)現(xiàn)，也可以通過(guò)集成電路組合的方式來(lái)實(shí)現(xiàn)，因此本發(fā)明并不局限于特定的硬件或者軟件及其結(jié)合。