技术领域
[0001] 本
发明涉及光学特征领域，尤其是一种基于光学频率特征的图像特征识别方法。
背景技术
[0002] 众所周知的：传统光学成像基于
光源、光传输介质、被成像物体以及像面；光源有多种，但是大部分利用的是可见光波段对物体进行反射成像。然而不同介质对相同
波长的光吸收效率不同，反射光波长随之产生差异：光吸收是光(电磁
辐射)通过材料时，与材料发生相互作用，
电磁辐射能量被部分地转化为其他能量形式的物理过程。当被吸收的光能量以
热能的形式被释放，即形成了光热转化；当未被吸收的光能量被物体反射、散射或透射，便影响着我们看到的物体的色彩，进而成像效果存在差异。
[0003] 然而多
光谱光源照射，不同频率之间的光会对成像
质量不同，在图像灰度图或二值化处理时后效果不同，最终影响物体的成像质量、识别效果和检测结果。传统成像中通过滤镜对其产生优化，但是滤镜的工作
频率范围有限，常用的滤镜波长有550nm、590nm、630nm、 690nm、720nm、760nm、850nm、950nm，且部分频率波长的滤镜加工制造成本昂贵，成像方式单一，难以实现对多种物质的特征做有效识别。
[0004] 对光强度(辐射通量)调制的应用现在基本都局限于通信领域，便于对光
信号的传递。目前还没有利用光学强度调制的频率特征对图像进行特征识别。
[0005] 在如今食品、药品、工业、军事、科研等各领域需要对种类繁多的物质进行快速识别检测，对传统成像识别方法提出了艰巨挑战。基于光学频率特征的
图像识别方法通过不同物质光学频率特征不同、不同辐射通量、照射时间、照射
位置进行调制，形成复合光学频率特征，进而产生基于光学频率特征的多种图像识别方法，可有效对探测物质进行识别。
发明内容
[0006] 本发明所要解决的技术问题是提供一种能够有效解决常规图像识别中不同物质在固定频率波长、固
定位置光照射情况下成像质量差异大的
缺陷，可以有效提高对同种介质中不同物质的成像质量，提高图像识别率、检测率、极大减小图像识别
软件算法计算时间的基于光学频率特征的图像特征识别方法。
[0007] 本发明解决其技术问题所采用的技术方案是：一种基于光学频率特征的图像特征识别方法，采用光学频率特征图像特征识别系统；所述气泡识别系统包括摄像机、光源；
[0008] 所述光源包括第一光源、第二光源、第三光源；所述第一光源安装在第一安装板上，所述第二光源安装在第二安装板上，所述第三光源安装在第三安装板上；
[0009] 所述第一光源通过第一工控机控制，所述第二光源通过第二工控机控制，所述第三光源通过第三工控机控制；
[0010] 所述摄像机上连接有PC
控制器；所述光源上连接有工控机；所述光源用于发出特定光学频率、特定发光时长、特定位置、特定形状光源；所述光源发出的光射向被测物体；所述摄像机用于拍摄被测物体；所述PC控制器用于采集图像、识别被测物体的气泡空间光学特征；
[0011] 并且包括以下步骤：
[0012] S1、通过对单一频率的光源对辐射能通量的调制，产生不同能量幅度的光对目标物体进行照明，产生不同光学特征的图像，通过对一系列图像的特征进行筛选达到识别目标物的目的；对单一光源的辐射能通量进行连续调制，得到连续变化的模拟量图像数据，对目标物体在对辐射能通量连续调制状态下形成连续变化的光学特征图像进行采集和识别；
[0013] S2、通过对单一频率的光源进行时间调制，控制光源
开关调整光源照明时间和非照明时间进而得到不同照明时间下亮背景和暗背景的物体光学特征的图像；
[0014] S3、通过可调立体空间中三维坐标X/Y/Z以及
俯仰角θ1和旋转角θ2的光源调整
支架对单一光源的照射位置进行调节，不同照射方位和距离得到相同目标的不同照射方位下的光学特征，通过对这些特征的识别进而实现对目标物体的识别；
[0015] S4、利用多种频率光源进照射，根据格拉斯曼
颜色混合定律，可适用于色光相加混色, 即不同波长的光线进行
叠加，通过不同波长的光叠加对
指定波长颜色进行明暗变化，实现对指定颜色的物体进行性过滤和筛选；
[0016] 蓝光(460nm)+黄光(580nm)＝白光
[0017] 红光(660nm)+青光(480nm)＝白光
[0018] 不同物质成像质量不同，利用组合频率的光源过滤掉背景噪声，增强图像
对比度，提高识别率；
[0019] S5、基于步骤S1、S2、S3、S4的特性，通过对多频率的光源进行辐射能通量的调制、照射时间的调制、分布式照射位置等参数进行组合匹配，形成特定组合的结构光，对目标物体形成特定的光学特征；
[0020] S6、通过软件算法对图像特征进行性自动识别。
[0021] 优选的，步骤S6中软件算法采用OSTU分割法；
[0022] 具体包括以下步骤：将图像先转换成灰度图；图像中
像素的灰度值A小于
阈值T的像素个数计为H0,像素灰度值A大于阈值T的像素个数计为H1；将图像大小为X*Y，阈值为T 的图像中，H0的平均灰度记为h0，H1的平均灰度值记为h1；
[0023] 像素灰度值小于T的概率为:
[0024] r0＝h0/(X*Y)；
[0025] 像素灰度值大于T的概率为:
[0026] r1＝h1/(X*Y)；
[0027] h0+h1＝X*Y；
[0028] r0+r1＝1；
[0029] 平均灰度乘上概率再相加：
[0030] e＝r0*h0+r1*h1；
[0031] 类间方差为：
[0032] d＝r0(h0-e)^2+r1(h1-e)^2；
[0033] d＝r0*r1(h0-h1)^2。
[0034] 进一步的，所述软件算法采用
腐蚀算法、膨胀算法或者灰度形态学之膨胀算法。
[0035] 本发明的有益效果是：本发明所述的基于光学频率特征的图像特征识别方法与
现有技术相比，具有如下优点：本发明所述的基于光学频率特征的图像特征识别方法为相关行业的材料识别提供了图像识别
基础；不同物质对应不同响应最佳频率，识别
精度高；利用响应度最佳频率识别，识别速度快；所有物质都有对应光学频率特征，识别物质广；光辐射通量、照射时间调制，多频率、多照射位置调整形成复合识别方法；光学频率可自由选择。
附图说明
[0036] 图1是本发明
实施例中光学频率特征图像特征识别系统的结构示意图；
[0037] 图2是本发明实施例中阴雨天室内照射气泡的示意图；
[0038] 图3是本发明实施例中阴雨天室内照射气泡的光学特征；
[0039] 图4是本发明实施例中一个点光源照射气泡的示意图；
[0040] 图5是本发明实施例中一个点光源照射气泡的光学特征；
[0041] 图6是本发明实施例中两个点光源照射气泡的示意图；
[0042] 图7是本发明实施例中两个点光源照射气泡的光学特征；
[0043] 图8是本发明实施例中三个点光源照射气泡的示意图；
[0044] 图9是本发明实施例中三个点光源照射气泡的光学特征；
[0045] 图10是本发明实施例中两个条形光源照射气泡的示意图；
[0046] 图11是本发明实施例中两个条形光源照射气泡的光学特征；
[0047] 图12是本发明实施例中二值形态学腐蚀算法
流程图；
[0048] 图13是本发明实施例中二值形态学膨胀算法流程图；
[0049] 图14是本发明实施例中灰度形态学腐蚀算法流程图；
[0050] 图15是本发明实施例中灰度形态学膨胀算法流程图；
[0051] 图16是本发明实施例中输液袋中的异物照片；
[0052] 图17是本发明实施例中图16的二值化图像；
[0053] 图18是图17的腐蚀膨胀后的图像图片；
[0054] 图19是本发明实施例中检测出的异物图片；
[0055] 图中标示：1-被识别体，2-摄像机，3-PC控制器，4-第一光源，5-第一工控机，6-第二光源，7-第二工控机，8-第三光源，9-第三工控机，10-第一安装板，11-第二安装板，12-第三安装板。
具体实施方式
[0056] 下面结合附图和实施例对本发明进一步说明。
[0057] 如图1所示，本发明所述的一种基于光学频率特征的图像特征识别方法，采用光学频率特征图像特征识别系统；所述气泡识别系统包括摄像机2、光源；
[0058] 所述光源包括第一光源4、第二光源6、第三光源8；
[0059] 所述第一光源4安装在第一安装板10上，所述第二光源6安装在第二安装板11上，所述第三光源8安装在第三安装板12上；
[0060] 所述第一光源4通过第一工控机5控制，所述第二光源6通过第二工控机7控制，所述第三光源8通过第三工控机9控制；
[0061] 所述摄像机2上连接有PC控制器3；所述光源上连接有工控机；所述光源用于发出特定光学频率、特定发光时长、特定位置、特定形状光源；所述光源发出的光射向被测物体1；所述摄像机2用于拍摄被测物体1；所述PC控制器3用于采集图像、识别被测物体1的气泡空间光学特征；
[0062] 并且包括以下步骤：
[0063] S1、通过对单一频率的光源对辐射能通量的调制，产生不同能量幅度的光对目标物体进行照明，产生不同光学特征的图像，通过对一系列图像的特征进行筛选达到识别目标物的目的；对单一光源的辐射能通量进行连续调制，得到连续变化的模拟量图像数据，对目标物体在对辐射能通量连续调制状态下形成连续变化的光学特征图像进行采集和识别；
[0064] S2、通过对单一频率的光源进行时间调制，控制光源开关调整光源照明时间和非照明时间进而得到不同照明时间下亮背景和暗背景的物体光学特征的图像；
[0065] S3、通过可调立体空间中三维坐标X/Y/Z以及俯仰角θ1和旋转角θ2的光源调整支架对单一光源的照射位置进行调节，不同照射方位和距离得到相同目标的不同照射方位下的光学特征，通过对这些特征的识别进而实现对目标物体的识别；
[0066] S4、利用多种频率光源进照射，根据格拉斯曼颜色混合定律，可适用于色光相加混色, 即不同波长的光线进行叠加，通过不同波长的光叠加对指定波长颜色进行明暗变化，实现对指定颜色的物体进行性过滤和筛选；
[0067] 蓝光(460nm)+黄光(580nm)＝白光
[0068] 红光(660nm)+青光(480nm)＝白光
[0069] 不同物质成像质量不同，利用组合频率的光源过滤掉背景噪声，增强
图像对比度，提高识别率；
[0070] S5、基于步骤S1、S2、S3、S4的特性，通过对多频率的光源进行辐射能通量的调制、照射时间的调制、分布式照射位置等参数进行组合匹配，形成特定组合的结构光，对目标物体形成特定的光学特征；
[0071] S6、通过软件算法对图像特征进行性自动识别。
[0072] 具体的，步骤S6中软件算法采用OSTU分割法；具体包括以下步骤：将图像先转换成灰度图；图像中像素的灰度值A小于阈值T的像素个数计为H0,像素灰度值A大于阈值T的像素个数计为H1；将图像大小为X*Y，阈值为T的图像中，H0的平均灰度记为h0，H1的平均灰度值记为h1；
[0073] 像素灰度值小于T的概率为:
[0074] r0＝h0/(X*Y)；
[0075] 像素灰度值大于T的概率为:
[0076] r1＝h1/(X*Y)；
[0077] h0+h1＝X*Y；
[0078] r0+r1＝1；
[0079] 平均灰度乘上概率再相加：
[0080] e＝r0*h0+r1*h1；
[0081] 类间方差为：
[0082] d＝r0(h0-e)^2+r1(h1-e)^2；
[0083] d＝r0*r1(h0-h1)^2。
[0084] 优选的，所述软件算法采用腐蚀算法、膨胀算法或者灰度形态学之膨胀算法。
[0085] OSTU分割法：
[0086] 将图像先转换成灰度图。图像中像素的灰度值A小于阈值T的像素个数计为H0,像素灰度值A大于阈值T的像素个数计为H1；将图像大小为X*Y，阈值为T的图像中，H0的平均灰度记为h0，H1的平均灰度值记为h1；
[0087] 像素灰度值小于T的概率为:
[0088] r0＝h0/(X*Y)；
[0089] 像素灰度值大于T的概率为:
[0090] r1＝h1/(X*Y)；
[0091] h0+h1＝X*Y；
[0092] r0+r1＝1；
[0093] 平均灰度乘上概率再相加：
[0094] e＝r0*h0+r1*h1；
[0095] 类间方差为：
[0096] d＝r0(h0-e)^2+r1(h1-e)^2；
[0097] d＝r0*r1(h0-h1)^2
[0098] 数学形态学之二值形态学
[0099] 腐蚀算法：
[0100] 简单理解为将目标区域范围减小，从图像的直观感受上为图像边界在收缩；在实际应用上多用于消除噪点或者不需要的目标。表达式为：
[0101]
[0102] 上述表达式表示为用集合B腐蚀集合A，即让B以一个起始点在A中移动，与A重叠区域做卷积，如果B位置上和A位置上的数值相同则输出结果为1，否则输出结果为0。如图12所示二值形态学腐蚀算法流程图。
[0103] 膨胀算法：
[0104] 简单理解为将目标区域范围增大，从图像的直观感受上为图像边界在扩张；在实际应用上多用于填补目标区域空洞和消除小颗粒噪声。表达式为：
[0105]
[0106] 上述表达式表示为用集合B膨胀集合A，即让B以一个起始点在A中移动，与A重叠区域做卷积，如果B位置上和A位置上的数值做交集不为空则输出结果为1，否则输出结果为0。如图13所示二值形态学膨胀算法流程图。
[0107] 数学形态学之灰度形态学
[0108] 图像元素记为A，结构元素记为B，结构元素
覆盖住图像的区域记为C。
[0109] 灰度形态学之腐蚀：
[0110] 简单理解为做卷积的操作，用A减去结构元素B形成的小矩形C，取C中最小值，赋值到B对应的原点。如图14所示，灰度形态学腐蚀算法流程图。
[0111] 灰度形态学之膨胀算法：
[0112] 简单理解为做卷积的操作，用A加上结构元素B形成的小矩形C，取C中最大值，赋值到B对应的原点。如图15所示灰度形态学膨胀算法流程图。
[0113] 实施例
[0114] (1)在输液袋中，有如图16所示的异物。
[0115] (2)采用光学频率特征图像特征识别系统；所述气泡识别系统包括摄像机2、光源；
[0116] 所述光源包括第一光源4、第二光源6、第三光源8；所述第一光源4安装在第一安装板 10上，所述第二光源6安装在第二安装板11上，所述第三光源8安装在第三安装板12上；
[0117] 所述第一光源4通过第一工控机5控制，所述第二光源6通过第二工控机7控制，所述第三光源8通过第三工控机9控制；
[0118] 所述摄像机2上连接有PC控制器3；所述光源上连接有工控机；所述光源用于发出特定光学频率、特定发光时长、特定位置、特定形状光源；所述光源发出的光射向被测物体1；所述摄像机2用于拍摄被测物体1；所述PC控制器3用于采集图像、识别被测物体1的气泡空间光学特征；
[0119] 然后进行以下步骤：
[0120] S1、通过对单一频率的光源对辐射能通量的调制，产生不同能量幅度的光对目标物体进行照明，产生不同光学特征的图像，通过对一系列图像的特征进行筛选达到识别目标物的目的；对单一光源的辐射能通量进行连续调制，得到连续变化的模拟量图像数据，对目标物体在对辐射能通量连续调制状态下形成连续变化的光学特征图像进行采集和识别；
[0121] S2、通过控制光源开关调整光源照明时间和非照明时间，对单一频率的光源进行时间调制，进而得到不同照明时间下亮背景和暗背景的物体光学特征的图像；
[0122] S3、通过可调立体空间中三维坐标X/Y/Z以及俯仰角θ1和旋转角θ2的光源调整支架对单一光源的照射位置进行调节，不同照射方位和距离得到相同目标的不同照射方位下的光学特征，通过对这些特征的识别进而实现对目标物体的识别；
[0123] S4、利用多种频率光源进照射，
[0124] 根据格拉斯曼颜色混合定律，可适用于色光相加混色,即不同波长的光线进行叠加，通过不同波长的光叠加对指定波长颜色进行明暗变化，实现对指定颜色的物体进行性过滤和筛选；
[0125] 蓝光(460nm)+黄光(580nm)＝白光
[0126] 红光(660nm)+青光(480nm)＝白光
[0127] 不同物质成像质量不同，利用组合频率的光源过滤掉背景噪声，增强图像对比度，提高识别率；
[0128] S5、基于步骤S1、S2、S3、S4的特性，通过对多频率的光源进行辐射能通量的调制、照射时间的调制、分布式照射位置等参数进行组合匹配，形成特定组合的结构光，对目标物体形成特定的光学特征；得到如图16所示。
[0129] (3)通过OSTU算法得到的二值图像如图17所示.
[0130] (4)将二值图像通过腐蚀膨胀处理后的图像如图18所示；
[0131] (5)将图3自动进行气泡字体特征检测后，通过排除法，可判断为异物，如图19所示。
