CN106332713A - 一种sd‑oct图像的枇杷早期瘀伤鉴别方法 - Google Patents

Abstract

本发明公开了一种SD‑OCT图像的枇杷早期瘀伤鉴别方法。对枇杷果实的SD‑OCT图像进行降噪处理，除去图像中的背景，获得背景和目标的分界线，分离出枇杷果实目标，对图像依次进行拉平变换，图像压缩后选取图像检测区域进行参数拟合，求解图像检测区域枇杷果肉组织衰减系数，通过衰减系数的阈值判断瘀伤的结果。本发明方法实现了枇杷果肉的早期瘀伤的检测，并完成瘀伤组织的自动标识和判别，对不同形态的瘀伤组织具有较强的适应性，提高了检测效率，配合成像等外观检测方法，为枇杷内在品质在线检测奠定技术基础。

Description

一种SD-OCT图像的枇杷早期瘀伤鉴别方法

技术领域

本发明属于水果内部品质自动化检测领域，涉及OCT图像处理方法，尤其是涉及了一种SD-OCT图像的枇杷早期瘀伤鉴别方法。

背景技术

枇杷是我国的特有水果特产之一，其内部品质的快速检测方法是枇杷产业发展面临的主要技术问题。枇杷在存储、运输过程中，极易收到机械损伤，造成后期的腐败变质。枇杷的瘀伤可能出现在采摘、存储、运输、包装等各个环节，早期不易被察觉。瘀伤后的枇杷货架期大大缩短，由于细胞结构的破损，组织逐步褐变，严重制约了枇杷的产销。

在无损检测枇杷内部结构上，一般使用高光谱成像，需要大型设备，耗费工时，且对检测人员有一定技术要求，且高光谱图像很难真正反映其内部情况，光谱特征具有一定的随机性。谱域光学相干层析成像(SD-OCT)通过测量物质的光学反射散射特性展现内部其结构形态和分布，目前SD-OCT图像已经用于人体多个组织的识别、定量测量、定性鉴定，报道表明图像可以清楚展现生物组织的层次结构。目前OCT图像法在农业、养殖领域主要应用有：观察苹果的表皮结构、区别海水有核珍珠与淡水无核珍珠、观察种子的内部细胞结构、观察植物叶片的生长缺陷等。该方法用于枇杷产业，具有较广阔的应用前景。

由于在产业应用中，枇杷的产量较大，每个货物批次有成千上万颗枇杷组成，故枇杷OCT图像的量非常大，采用人工判别，效率十分低下，因此需对图像进行自动分析。在枇杷OCT图像应用过程中，自动检测的算法报道较少，各项研究尚处于起步阶段，现有技术缺少能进行枇杷早期瘀伤鉴别的方法。

发明内容

针对于背景技术中存在的问题，本发明的目的在于提供了一种SD-OCT图像的枇杷早期瘀伤鉴别方法，能够自动识别SD-OCT图像中枇杷的瘀伤缺陷，并完成瘀伤区域组织的自动标识和判别，提高了检测效率，配合成像等外观检测方法，为枇杷在线检测奠定技术基础。

本发明采用的技术方案是包括以下步骤：

1)采集枇杷果实的SD-OCT图像；

2)对采集到的SD-OCT图像进行降噪处理；

3)从SD-OCT图像中去除背景，分离出枇杷果实目标；

4)对OCT图像作拉平变换；

5)压缩后选取图像检测区域进行参数拟合，求解该区域的枇杷果肉组织衰减系数；

6)通过衰减系数阈值判断瘀伤的结果：若指定区域衰减系数小于等于衰减系数阈值，则认为该图像检测区域的枇杷果肉存在瘀伤；若指定区域衰减系数大于衰减系数阈值，则认为该图像检测区域的枇杷果肉不存在瘀伤。

所述步骤2)具体为：

2.1)提取SD-OCT图像中前30行像素点，计算前30行像素点的均值μ和标准差σ，采用以下公式获得降噪阈值A，并利用降噪阈值A进行硬阈值降噪；

A＝μ+5*σ

2.2)对图像进行二级小波分解，获得低频近似系数、水平细节系数、垂直细节系数和对角线细节系数；

2.3)再对低频近似系数、水平细节系数和垂直细节系数进行低通滤波，完成OCT图像的二次降噪。

所述步骤3)具体为：

3.1)使用Sobel算子对降噪后的图像提取其图像边缘，进行二值化处理，使图像边缘的像素灰度值为1，除图像边缘以外的图像其它像素灰度值为0；

3.2)对二值化后图像中的每一列像素点，自上向下搜索该列出现第一个灰度值为1的像素点并记录作为待拟合像素点；

3.3)用三次多项式结合支持向量机方法对所有待拟合像素点进行拟合，得到背景和目标之间的分界线及分界线上的像素点；

三次多项式结合支持向量机方法是指通过支持向量机进行训练获得三次多项式中的各项系数。

所述步骤4)具体为：

先取步骤3)获得的分界线上所有点的图像纵坐标均值，将SD-OCT图像中的每一列像素以该图像纵坐标均值为基准，将图像中每列像素整体进行向上或者向下平移，使得原SD-OCT图像中的分界线拉平变换为水平直线，每一列像素向上或者向下平移后上部超出图像外的部分剔除，平移后图像中上部和下部中缺失的部分用灰度值为0的像素填补；然后使用二维中值滤波对拉平后的图像进行降噪。

所述步骤5)具体为：

5.1)使用灰度均值中值滤波，然后将图像以4×4窗口分为各个块图像区域，对于每个块图像区域计算所有十六点的灰度值中值，以中值替代图像区域的灰度值，完成图像的压缩；

5.2)选取分界线上任意一点为图像检测区域的初始点，以初始点所在列一下的第50个像素点为基准点，由基准点分别向正下、向正左、向正右距离取边缘点，由三个边缘点和初始点构成图像检测区域；

5.3)在图像检测区域中，自上向下求每行的均值，获得均值曲线；

5.4)使用模型函数拟合均值曲线，计算获得图像检测区域的衰减系数。

所述步骤5.4)中的模型函数具体是采用以下公式：

$i\left(z\right)\∝\sqrt{\frac{\exp (-2{\mathrm{\μ}}_{t}z)}{{\left(\frac{z-z_{cf}}{z_R}\right)}^2+1}}$

其中，μ_t为指定检测区域的衰减系数，i(z)为均值曲线，z为均值曲线横坐标即从上向下的穿透深度，z_cf为聚焦深度，z_R为显式瑞利半径，z_R＝2z₀＝2πnw²/λ，z₀表示瑞利半径，n为枇杷果肉组织折射率,λ为OCT系统光源中心波长,ω为OCT系统物镜的束腰半径。

本发明具有的有益效果是：

本发明使用SD-OCT图像检测枇杷果实的内部瘀伤缺陷，具有无损、快速、低成本的优点，大大提高了瘀伤判别的效率和准确性。

本发明方法采用了光学特性参数拟合手段，并提出了对应的拟合函数，对不同形状、不同大小、不同厚度的瘀伤组织具有普适性，并能自动标记缺陷的位置，较其他方法具有更好定位精度。

本发明采用衰减系数作为评价手段，结合拉平变换后的图像，检测效果具有一定的鲁棒性。

附图说明

图1是本发明方法的流程图。

图2典型枇杷样本的OCT图像，其中(a)为正常无缺陷样本，(b)样本果肉组织存在瘀伤缺陷。

图3是本发明的拉平变换步骤的效果图。(a)表示拉平前，(b)表示拉平后。

图4是本发明均值曲线的拟合结果图，其中(a)为正常无缺陷样本，(b)样本果肉组织存在瘀伤缺陷。

具体实施方式

以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明的实施例及其实施过程如下：

(1)使用Thorlabs公司生产的TELSTO 1300V2型SD-OCT成像仪采集枇杷果实的SD-OCT图像样本40个，其中20个含有不同程度的瘀伤缺陷，20个为正常样本；图2为其中2个典型枇杷样本的OCT图像，其中(a)为正常无缺陷样本，(b)样本果肉组织存在瘀伤缺陷。图中可见正常无缺陷组织结构密度较高且紧凑，而存在瘀伤的组织出现了密度较小的稀疏组织。

(2)SD-OCT图像进行降噪处理；

2.1)提取SD-OCT图像中前30行像素点，计算前30行像素点的均值μ和标准差σ，采用以下公式获得降噪阈值A，并进行硬阈值降噪；

A＝μ+5*σ

2.2)使用Mexican hat小波基，对图像进行二级分解，获得低频近似系数，水平细节系数，垂直细节系数和对角线细节系数；对似系数，水平细节系数，垂直细节系数进行低通滤波，完成OCT图像的二次降噪；

(3)从SD-OCT图像中去除背景，分离出枇杷果实目标；

3.1)使用Sobel算子对降噪后的图像提取其图像边缘，进行二值化处理，使图像边缘的像素灰度值为1，除图像边缘以外的图像其它像素灰度值为0；

3.2)对二值化后图像中的每一列像素点，自上向下搜索该列出现第一个灰度值为1的像素点并记录作为待拟合像素点；

3.3)用三次多项式结合支持向量机方法对所有待拟合像素点进行拟合，得到背景和目标之间的分界线及分界线上的像素点；

(4)对OCT图像作拉平变换；获得分界线上点，取这些点纵坐标的均值，将SD-OCT图像中的每一列像素以均值坐标为基准，整体进行向上或者向下平移，使得原SD-OCT图像中的分界线变换为水平直线，每一列像素向上或者向下平移后上部超出图像外的部分剔除，下部位于图像中缺失的部分用灰度值为0的像素填补；然后使用二维中值滤波对拉平后的图像进行降噪。

图3给出了拉平变换步骤的效果。(a)表示拉平前，(b)表示拉平后。图中可见，经过拉平变换以后，枇杷表皮的轮廓曲线均位于图像顶部，便于后面进行指定区域的参数提取。

5)对指定区域进行参数拟合，求解该区域枇杷果肉组织衰减系数；

5.1)使用灰度均值中值滤波，然后将图像以4×4窗口分为各个块图像区域，对于每个块图像区域计算所有四点的灰度值中值，以中值替代图像区域的灰度值，完成图像的压缩。

5.2)选取分界线上某点为指定检测区域的初始点，以分界线以下的50个的像素点为基准，向左右各取200列，向下取250行，作为指定图像区域；

5.3)在指定图像区域，自上向下，求每列的均值，获得一条均值曲线；

5.4)使用模型函数拟合均值曲线，拟合推算该区域的衰减系数；

模型函数采用以下公式计算：

$i\left(z\right)\∝\sqrt{\frac{\exp (-2{\mathrm{\μ}}_{t}z)}{{\left(\frac{z-z_{cf}}{z_R}\right)}^2+1}}$

其中，μ_t为指定检测区域的衰减系数，i(z)为均值曲线，z为均值曲线横坐标即从上向下的穿透深度，z_cf＝0.1mm为聚焦深度，z_R为显式瑞利半径，z_R＝2z₀＝2πnw²/λ，z₀表示瑞利半径，n＝1.33为枇杷果肉组织折射率,λ＝1300nm为OCT系统光源中心波长,ω＝1.12mm为OCT系统物镜的束腰半径。

图4显示了均值曲线的拟合过程，其中(a)为正常无缺陷样本，(b)样本果肉组织存在瘀伤缺陷。图中可见，正常无缺陷组织和瘀伤组织的曲线具有不同的曲率，正常组织的曲率大于瘀伤组织的曲率，折合为衰减系数，即正常组织的衰减系数大于瘀伤组织的衰减系数。

6)通过衰减系数的阈值判断瘀伤的结果；若指定区域衰减系数小于等于阈值，则认为该指定区域的枇杷果肉存在瘀伤；若指定区域衰减系数大于阈值，则认为该指定区域的枇杷果肉不存在瘀伤；

在本实施例中，设定衰减系数阈值为1.5mm^-1。20个正常样本的衰减系数均值为1.91，且均大于阈值；20个有瘀伤缺陷样本的衰减系数均值为1.02,且均小于阈值；实验结果表明，对于40个样本中的瘀伤识别率达到了100％。

在本发明实施例中，本领域普通技术人员还可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以在存储于一计算机可读取存储介质中，所述的存储介质，包括ROM/RAM、磁盘、光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种SD-OCT图像的枇杷早期瘀伤鉴别方法，其特征在于包括以下步骤：

1)采集枇杷果实的SD-OCT图像；

2)对采集到的SD-OCT图像进行降噪处理；

3)从SD-OCT图像中去除背景，分离出枇杷果实目标；

4)对OCT图像作拉平变换；

5)图像压缩后选取图像检测区域进行参数拟合，求解该区域的枇杷果肉组织衰减系数；

6)通过衰减系数阈值判断瘀伤的结果：

若指定区域衰减系数小于等于衰减系数阈值，则认为该图像检测区域的枇杷果肉存在瘀伤；

若指定区域衰减系数大于衰减系数阈值，则认为该图像检测区域的枇杷果肉不存在瘀伤。

2.根据权利要求1所述的一种SD-OCT图像的枇杷早期瘀伤鉴别方法，其特征在于：所述步骤2)具体为：

2.1)提取SD-OCT图像中前30行像素点，计算前30行像素点的均值μ和标准差σ，采用以下公式获得降噪阈值A，并利用降噪阈值A进行硬阈值降噪；

A＝μ+5*σ

2.2)对图像进行二级小波分解，获得低频近似系数、水平细节系数、垂直细节系数和对角线细节系数；

2.3)再对低频近似系数、水平细节系数和垂直细节系数进行低通滤波，完成OCT图像的二次降噪。

3.根据权利要求1所述的一种SD-OCT图像的枇杷早期瘀伤鉴别方法，其特征在于：所述步骤3)具体为：

3.1)使用Sobel算子对降噪后的图像提取其图像边缘，进行二值化处理，使图像边缘的像素灰度值为1，除图像边缘以外的图像其它像素灰度值为0；

3.2)对二值化后图像中的每一列像素点，自上向下搜索该列出现第一个灰度值为1的像素点并记录作为待拟合像素点；

3.3)用三次多项式结合支持向量机方法对所有待拟合像素点进行拟合，得 到背景和目标之间的分界线及分界线上的像素点。

4.根据权利要求1所述的一种SD-OCT图像的枇杷早期瘀伤鉴别方法，其特征在于：所述步骤4)具体为：

先取步骤3)获得的分界线上所有点的图像纵坐标均值，将SD-OCT图像中的每一列像素以该图像纵坐标均值为基准，将图像中每列像素整体进行向上或者向下平移，使得原SD-OCT图像中的分界线拉平变换为水平直线，每一列像素向上或者向下平移后上部超出图像外的部分剔除，平移后图像中上部和下部中缺失的部分用灰度值为0的像素填补；然后使用二维中值滤波对拉平后的图像进行降噪。

5.根据权利要求1所述的一种SD-OCT图像的枇杷早期瘀伤鉴别方法，其特征在于：所述步骤5)具体为：

5.1)使用灰度均值中值滤波，然后将图像以4×4窗口分为各个块图像区域，对于每个块图像区域计算所有十六点的灰度值中值，以中值替代图像区域的灰度值，完成图像的压缩；

5.2)选取分界线上任意一点为图像检测区域的初始点，以初始点所在列一下的第50个像素点为基准点，由基准点分别向正下、向正左、向正右距离取边缘点，由三个边缘点和初始点构成图像检测区域；

5.3)在图像检测区域中，自上向下求每行的均值，获得均值曲线；

5.4)使用模型函数拟合均值曲线，计算获得图像检测区域的衰减系数。

6.根据权利要求5所述的一种SD-OCT图像的枇杷早期瘀伤鉴别方法，其特征在于：

所述步骤5.4)中的模型函数具体是采用以下公式：

其中，μ_t为指定检测区域的衰减系数，i(z)为均值曲线，z为均值曲线横坐标即从上向下的穿透深度，z_cf为聚焦深度，z_R为显式瑞利半径，z_R＝2z₀＝2πnw²/λ，z₀表示瑞利半径，n为枇杷果肉组织折射率,λ为OCT系统光源中心波长,ω为OCT系统物镜的束腰半径。