一种基于三维纹理特征的肉质定量分析评价方法技术

本发明专利技术公开了一种基于三维纹理特征的肉质定量分析评价方法，包括如下步骤：(1)选取多头种猪，固定好种猪的位置，放入CT机中，拍摄三维CT图；(2)获取种猪三维数字图像，选择位于第10根肋骨和第11根肋骨之间区域为兴趣域；(3)结合三维高斯滤波器和小波变换图像增强技术对目标区域进行预处理；(4)采用三维的区域生长法对预处理后的图像进行分割，提取猪背最长肌的三维图像；(5)提取三维图像的纹理特征；(6)根据提取的特征通过多元线性回归法得到特征与已知大理石花纹等级之间的关系。本发明专利技术能够根据CT图像的三维纹理特征判断它所对应的大理石花纹等级，实现肉质的定量分析、评价，利用本发明专利技术能精确无损地对猪肉质量进行等级划分。

A Quantitative Meat Quality Analysis and Evaluation Method Based on Three-dimensional Texture Features

【技术实现步骤摘要】
一种基于三维纹理特征的肉质定量分析评价方法
本专利技术涉及计算机视觉、图像处理
，尤其是一种基于三维纹理特征的肉质定量分析评价方法。
技术介绍
肉的大理石花纹是肉质评定的一个重要标志，它不仅影响猪肉的风味、口感，还影响食用营养与健康。大理石花纹是猪肉肌内脂肪分布状态的外在表现，因此，对猪的肌内脂肪含量进行分析对肉质的研究非常地有意义。猪肌内脂肪的分析方法一般包括感官评定法、化学分析法、计算机视觉技术、近红外光谱法、高光谱法和超声法等。感官评定法需要专门的测定人员根据大理石花纹特征进行手工评定，这一方法不可避免地存在着误差。化学分析法的测定结果虽较为精确，但步骤繁琐、耗时耗力，不方便大规模推广。近红外光谱法、高光谱法的技术较为新颖、高效，但精确度、稳定度有待提高。超声法虽然可以用于活体预测，但是需要昂贵的器材和专业的操作人员。近年来随着计算机视觉技术飞速发展，利用图像处理技术分析猪的肌内脂肪情况受到越来越多研究者的青睐。目前，国内外测定大理石花纹的方法都是按照《瘦肉型猪肉质评定方法》，将大理石含量分为5级，大理石花纹含量越高，则对应的级数越高，相应的脂肪含量也就越高。经检索，中国专利申请号200910098332.7，申请日为2009年5月7日，专利技术创造名称为：基于机器视觉的猪肉外观品质实时检测分级方法与装置；该申请案通过相机拍摄采集猪眼肌图像，利用分级软件进行实时图像处理和特征提取，得到反映猪肉外观品质的特征信息；再利用预测模型对肉品质进行评价，对眼肌肉完成颜色、大理石纹和嫩度以及综合品质的等级评定。中国专利申请号201610009967.5，申请日为2016年1月7日，专利技术创造名称为：一种基于计算机视觉的猪肉肌内脂肪含量无损检测方法；该专利通过摄像机标定法对猪眼肌进行拍摄，用最大熵法和迭代法对图片进行预处理后提取大理石图像的脂肪数量指标等291个特征，利用这些特征建立数学模型进行预测。2005年，王笑丹等人提出了一种《基于计算机图像分析的肌内脂肪含量测定》，该方法利用照相机取得大理石花纹的含量特征后，再通过仪器测量固体电导率、剪切力值、肌内干物质、灰分等特征，最后利用这些特征建立最适合的回归模型对肌内脂肪含量的进行计算。上述文献和专利中介绍的图像处理算法中的图像采集都是采用摄像机进行拍摄，再将拍摄的照片上传至图像处理软件进行图像处理。使用摄像机拍摄时难免会存在拍摄角度、光照、背景等因素的影响，拍摄的照片一旦产生问题，势必会影响对图像处理，从而对肌内脂肪的测定结果产生影响。同时，上述文献和专利中对图像的特征提取仅仅是对一张眼肌的表面照片进行特征提取，没有考虑到眼肌内部的构造，所提取的特征只是简单的二维表面的特征，没有对猪眼肌的三维纹理特征进行综合考虑。
技术实现思路
本专利技术所要解决的技术问题在于，提供一种基于三维纹理特征的肉质定量分析评价方法，能够根据CT图像的三维纹理特征判断它所对应的大理石花纹等级，实现肉质的定量分析、评价，利用本专利技术能精确地、无损地对猪肉质量进行等级划分。为解决上述技术问题，本专利技术提供一种基于三维纹理特征的肉质定量分析评价方法，包括如下步骤：(1)选取多头种猪，固定好种猪的位置，放入CT机中，拍摄三维CT图；(2)获取种猪三维数字图像，选择位于第10根肋骨和第11根肋骨之间区域为兴趣域；(3)结合三维高斯滤波器和小波变换图像增强技术对目标区域进行预处理；(4)采用三维的区域生长法对预处理后的图像进行分割，提取猪背最长肌的三维图像；(5)提取三维图像的纹理特征；(6)根据提取的特征通过多元线性回归法得到特征与已知大理石花纹等级之间的关系。优选的，步骤(3)中，结合三维高斯滤波器和小波变换图像增强技术对目标区域进行预处理，具体包括以下步骤：(31)针对选定的目标区域，利用三维的高斯滤波器消除CT图像中可能存在的高斯噪声，使图像变得更加平滑，高斯滤波模板的系数是由高斯函数值组成，一个三维的高斯函数如下：其中(x,y,z)为点坐标，在图像处理中认为是整数，σ表示标准差；(32)对滤波后的图像采用小波变换图像增强算法，使图像的边缘信息更明朗；使用小波变换处理图像的具体步骤如下：第一步：使用小波变换将需要处理的CT图像进行处理，CT图像经过处理后会分解成多个尺度，在各尺度下获得相应的高频和低频系数；第二步：对第一步中得到的高频部分继续使用小波变换进行分解，得到相应的高频部分和低频部分；使用加权法对高频部分和低频部分进行加权，使高频的比重增加，这样就能使图像在高频上得到增强；第三步：对加权之后的高频部分和低频部分进行小波重构，就能获得小波变换增强后的图像。优选的，步骤(4)中，采用三维的区域生长法对预处理后的图像进行分割，提取猪背最长肌的三维图像，具体包括以下步骤：(41)对预处理后的图片进行二值化，二值化的阈值设定采用分量迭代的方法，分量迭代方法的具体步骤如下：第一步：获取图像中最大的灰度级Hmax和最小灰度级Hmin；第二步：定义开始迭代时的阈值为第三步：迭代后，图像Hi被分割为2类，这两类的平均灰度值为a和b；第四步：设定下一个迭代的平均阈值为若Hi＝Hi+1，则停止迭代，否则，令Hi＝Hi+1并跳转到第三步；(42)进行形态学操作，首先选用了腐蚀的方法实现赘肉的去除，再进行膨胀操作恢复图片原来的大小；腐蚀膨胀的方法具体如下：腐蚀：膨胀：S＝A⊕B＝{w∈Z2|w＝a+b，a∈A，b∈B}S表示腐蚀或膨胀后图像集合，B表示腐蚀用的结构元素，A表示原来二值图像集合，表示腐蚀操作，表示膨胀操作；(43)采用26-邻域三维区域生长法分割最长肌具体步骤如下：第一步：选择种子点，假设选择的初始种子点坐标为(x,y,z)，用种子点和它26-邻域的灰度均值作为种子区域的初始灰度值，其计算公式如下：第二步：设置生长规则，计算其26邻域的方差，作为生长规则的归并阈值，其计算公式如下：第三步：设置生长判断规则，使用灰度均值和方差两个阈值作为区域生长判断规则方法如下：|seedpoint(x,y,z)-mean(x,y,z)|<threshold1|seedpoint(x,y,z)-δ(x,y,z)|<threshold2其中，seedpoint(x,y,z)是种子点灰度值，mean(x,y,z)是当前区域的灰度均值，threshold1和threshold2是设定的阈值；第四步：遍历搜索种子点的26-邻域，当像素点满足生长判断规则的条件时，被判断为分割目标并被合并；随后更新种子点，继续根据生长判断规则检索26-邻域，直至没有满足条件的像素点为止。优选的，步骤(5)中提取三维图像的纹理特征，具体包括如下步骤：(51)灰度梯度参数：T1大梯度优势；T2灰度均值；T3灰度方差；T4梯度均值；T5惯性；T6灰度值变异系数；(52)灰度共生矩阵如下公式中，P[i,j]表示[i,j]在三维空间中出现的概率，并且这个矩阵伴随着一个位移量d＝(dx,dy,dz)，dx和dy就像二维矩阵中的空间位移dx和dy一样，dz则表示在z轴方向上的灰度位移量，θ为灰度共生矩阵P(x,y,z)与x轴方向夹角，φ为P(x,y,z)在ZOY面的投影与z轴的夹角，L表示灰度级数；角二阶矩：对比度：熵：相关：其中，μx灰本文档来自技高网...

【技术保护点】
1.一种基于三维纹理特征的肉质定量分析评价方法，其特征在于，包括如下步骤：(1)选取多头种猪，固定好种猪的位置，放入CT机中，拍摄三维CT图；(2)获取种猪三维数字图像，选择位于第10根肋骨和第11根肋骨之间区域为兴趣域；(3)结合三维高斯滤波器和小波变换图像增强技术对目标区域进行预处理；(4)采用三维的区域生长法对预处理后的图像进行分割，提取猪背最长肌的三维图像；(5)提取三维图像的纹理特征；(6)根据提取的特征通过多元线性回归法得到特征与已知大理石花纹等级之间的关系。

【技术特征摘要】
1.一种基于三维纹理特征的肉质定量分析评价方法，其特征在于，包括如下步骤：(1)选取多头种猪，固定好种猪的位置，放入CT机中，拍摄三维CT图；(2)获取种猪三维数字图像，选择位于第10根肋骨和第11根肋骨之间区域为兴趣域；(3)结合三维高斯滤波器和小波变换图像增强技术对目标区域进行预处理；(4)采用三维的区域生长法对预处理后的图像进行分割，提取猪背最长肌的三维图像；(5)提取三维图像的纹理特征；(6)根据提取的特征通过多元线性回归法得到特征与已知大理石花纹等级之间的关系。2.如权利要求1所述的基于三维纹理特征的肉质定量分析评价方法，其特征在于，步骤(3)中，结合三维高斯滤波器和小波变换图像增强技术对目标区域进行预处理，具体包括以下步骤：(31)针对选定的目标区域，利用三维的高斯滤波器消除CT图像中可能存在的高斯噪声，使图像变得更加平滑，高斯滤波模板的系数是由高斯函数值组成，一个三维的高斯函数如下：其中(x，y，z)为点坐标，在图像处理中认为是整数，σ表示标准差；(32)对滤波后的图像采用小波变换图像增强算法，使图像的边缘信息更明朗；使用小波变换处理图像的具体步骤如下：第一步：使用小波变换将需要处理的CT图像进行处理，CT图像经过处理后会分解成多个尺度，在各尺度下获得相应的高频和低频系数；第二步：对第一步中得到的高频部分继续使用小波变换进行分解，得到相应的高频部分和低频部分；使用加权法对高频部分和低频部分进行加权，使高频的比重增加，这样就能使图像在高频上得到增强；第三步：对加权之后的高频部分和低频部分进行小波重构，就能获得小波变换增强后的图像。3.如权利要求1所述的基于三维纹理特征的肉质定量分析评价方法，其特征在于，步骤(4)中，采用三维的区域生长法对预处理后的图像进行分割，提取猪背最长肌的三维图像，具体包括以下步骤：(41)对预处理后的图片进行二值化，二值化的阈值设定采用分量迭代的方法，分量迭代方法的具体步骤如下：第一步：获取图像中最大的灰度级Hmax和最小灰度级Hmin；第二步：定义开始迭代时的阈值为第三步：迭代后，图像Hi被分割为2类，这两类的平均灰度值为a和b；第四步：设定下一个迭代的平均阈值为若Hi＝Hi+1，则停止迭代，否则，令Hi＝Hi+1并跳转到第三步；(42)进行形态学操作，首先选用了腐蚀的方法实现赘肉的去除，再进行膨胀操作恢复图片原来的大小；腐蚀膨胀的方法具体如下：腐蚀：膨胀：S表示腐蚀或膨胀后图像集合，B表示腐蚀用的结构元素，A表示原来二值图像集合，表示腐蚀操作，表示膨胀操作；(43)采用26-邻域三维区域生长法分割最长肌具体步骤如下：第一步：选择种子点，假设选择的初始种子点坐标为(x，y，z)，用种子点和它26-邻域的灰度均值作为种子区域的初始灰度值，其计算公式如下：第二步：设置生长规则，计算其26邻域的方差，作为生长规则的归并阈值，其计算公式如下：第三步：设置生长判断规则，使用灰度均值和方差两个阈值作为区域生长判断规则方法如下：|seedpo...

【专利技术属性】
技术研发人员：潘祥，朱静，刘渊，谢振平，于宏斌，朱亚洲，邰伟鹏，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32