[发明专利]基于模糊能量主动轮廓模型的高光谱图像分割方法

说明书

技术领域

本发明涉及高光谱图像处理和农产品无损检测技术领域，尤其涉及一种基于模糊能量主动轮廓模型的高光谱图像分割方法及其在农产品产地与纯度无损检测中的应用。

背景技术

高光谱图像技术融合了光谱技术和图像技术的优势，在一幅高光谱图像中可以同时包含待测对象的光谱信息和图像信息，能够反映待测对象的外部特征和内部物理结构及化学成分特征，在信息丰富程度上与单纯的光谱技术或图像技术相比，具有不可比拟的优势，已经被广泛应用到遥感、农业、医学、石油、地质等军用和民用领域。

与传统的数字图像不同，高光谱图像通常是包含了数百个光谱波段的三维数据块，数据量大，这给高光谱图像的后期处理带来了一定的困难。高光谱图像分割的目的是将图像中的感兴趣区域从图像背景中分离出来，它直接关系到感兴趣特征提取的充分性和准确性，在高光谱图像分析中是至关重要的一步。传统的分割方法比如阈值分割，无法对信噪比较低的波段图像实现目标区域的精确提取；主动轮廓模型具有较好的抗噪性能，但分割结果对初始轮廓的设定异常敏感，且分割过程需要迭代求解欧拉-拉格朗日方程，计算量大，分割时间长。在农产品无损检测工业应用等应用领域中，通常需要实现在线、实时检测。因此，寻找一种快速、准确的高光谱图像分割方法是亟待解决的问题。

发明内容

本发明的目的在于，针对上述方法中存在的不足，提出了一种基于模糊能量主动轮廓模型的高光谱图像分割方法，克服了传统主动轮廓模型中对初始轮廓敏感及计算量大的问题，实现了高光谱图像的快速、准确分割。

本发明的另一个目的在于，提供了一种基于模糊能量主动轮廓模型的高光谱图像分割方法在农产品无损检测中的应用。在利用基于模糊能量主动轮廓模型的高光谱图像分割方法，对玉米种子高光谱图像实现快速分割的基础上，通过建模分析，实现了玉米种子产地与纯度的快速、无损、高精度检测。

为了实现上述目的，本发明的技术方案，基于模糊能量主动轮廓模型的高光谱图像分割方法，具体分割步骤包括：a、在待分割高光谱图像上设定初始轮廓，定义轮廓内部和外部区域的初始隶属度值；b、计算轮廓内部和外部区域的平均强度；c、重新计算所有像素点的隶属度值，并计算隶属度变化前后的能量差，如果能量差小于零，则更新该像素点的隶属度；d、重复步骤b到步骤d，直到图像总能量最小。

进一步的，所述基于模糊能量的主动轮廓模型分割方法，具体描述，包括：

首先定义待分割图像的模糊能量泛函为：