买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西华大学

摘要：本发明涉及图像处理技术领域，公开了一种基于图像处理的食品变质检测方法及系统，用于提高基于图像处理的食品变质检测的效率及准确率。方法包括：对多角度图像集进行图像边缘及对比度增强，得到多角度图像集对应的增强图像集；对增强图像集进行图像特征提取，得到图像纹理特征集；对图像纹理特征集进行特征融合，得到融合特征向量集；将融合特征向量集输入模糊C均值聚类算法进行食品多因素变质概率分析，得到每个因素的食品变质概率及食品变质特征数据；将每个因素的食品变质概率及食品变质特征数据输入广义回归神经网络进行食品变质程度分析，得到食品变质程度，将食品变质程度传输至预置的数据展示终端进行数据展示。

主权项：1.一种基于图像处理的食品变质检测方法，其特征在于，包括：通过高分辨率图像对目标食品进行图像采集处理，得到所述目标食品对应的多角度图像集；通过差分拉普拉斯增强算法对所述多角度图像集进行图像边缘及对比度增强，得到所述多角度图像集对应的增强图像集；通过局部二值模式算法对所述增强图像集进行图像特征提取，得到图像纹理特征集，其中，所述图像纹理特征集包括如下一种或多种：霉斑特征、变色特征以及异常纹理粗糙度特征；所述通过局部二值模式算法对所述增强图像集进行图像特征提取，得到图像纹理特征集，其中，所述图像纹理特征集包括如下一种或多种：霉斑特征、变色特征以及异常纹理粗糙度特征步骤，包括：通过局部二值模式算法对所述增强图像集中每个增强图像进行基于像素点的邻域范围分析，得到每个增强图像的每个像素点的邻域范围；对每个增强图像的每个像素点的邻域范围的像素点进行灰度值分析，得到每个像素点对应的邻域像素点灰度值集；对每个增强图像中每个像素点对应的灰度值以及每个像素点对应的邻域像素点灰度值集进行二值编码，生成每个增强图像中每个像素点的二值编码；根据每个增强图像中每个像素点的二值编码构建每个增强图像对应的局部纹理特征图；分别对每个增强图像对应的局部纹理特征图进行局部纹理值频率分布直方图分析，得到每个局部纹理特征图对应的局部纹理频率分布直方图；根据每个局部纹理特征图对应的局部纹理频率分布直方图构建所述增强图像集对应的局部特征向量集；根据所述局部特征向量集对所述增强图像集进行图像特征提取，得到图像纹理特征集，其中，所述图像纹理特征集包括如下一种或多种：霉斑特征、变色特征以及异常纹理粗糙度特征；所述根据所述局部特征向量集对所述增强图像集进行图像特征提取，得到图像纹理特征集步骤，包括：对所述局部特征向量集进行高频模式向量提取，得到高频模式向量集并对所述高频模式向量集进行霉斑特征提取，得到所述霉斑特征；对所述局部特征向量集进行灰度特征向量筛选，得到灰度特征向量集，并匹配所述灰度特征向量集对应的邻域特征向量，得到邻域特征向量集；对所述灰度特征向量集以及所述邻域特征向量集进行变色特征提取，得到所述变色特征；对所述局部特征向量集进行向量频率分布数据提取，得到向量频率分布数据；对所述向量频率分布数据进行频率分散数据分析，得到频率分散数据；对所述频率分散数据进行异常纹理粗糙度特征提取，得到所述异常纹理粗糙度特征；将所述霉斑特征，所述变色特征及所述异常纹理粗糙度特征合并为所述图像纹理特征集；对所述图像纹理特征集进行特征融合，得到融合特征向量集；将所述融合特征向量集输入模糊C均值聚类算法进行食品多因素变质概率分析，得到每个因素的食品变质概率以及每个因素的食品变质特征数据；将所述每个因素的食品变质概率以及所述每个因素的食品变质特征数据输入广义回归神经网络进行食品变质程度分析，得到食品变质程度，并将所述食品变质程度传输至预置的数据展示终端进行数据展示。

全文数据：

权利要求：

百度查询： 西华大学 基于图像处理的食品变质检测方法及系统