全文总字数：5513字

基于最小噪声分数的高光谱图像识别种棉外源纤维

摘要：为了提高种棉外纤维的识别精度，提出了基于最小噪声分数(MNF)的高光谱图像识别方法，并将其应用于特征提取，以降低多光谱图像的维数。 这种方法可以减少高光谱数据的数量，使图像噪声降到最低，也降低了后续处理的计算要求。 本文选取了在400~1000nm波长范围内具有512条波段的白色外来纤维和棉花作为研究对象。 根据光谱曲线选择光谱子集，然后利用MNF分析方法进行降维和去噪。 通过人工视觉评价，从MNF变换的前四个分量图像中选择最佳分量图像。 采用中值滤波，灰度变化法等图像处理方法确定最佳图像分割，然后提取不同的纤维。 实验结果表明，对于5种以上的不同纤维，该方法的识别率可达91.0%。

关键词：棉花；检测；图像处理；外来材料；高光谱成像；降维；最小噪声分数

导言

国外纤维是指严重影响棉花质量的非棉纤维和有色纤维，如化纤、毛、丝、亚麻、染色绳、塑料薄膜、塑料绳（绳、布）等，是GB1103-1999的规定[1]。 国外纤维在纺织业造成较大损失，影响棉花生产 效率。

到目前为止，学者利用机器视觉技术，故障X 射线摄影，红外光谱和紫外荧光光谱对棉外纤维 进行检测。 Lieberman等人[2] 测量的采用机器视觉技术，含有外来物质的大块棉花。 采用图像处理方法提取48个棉样图像，分离异性材料的类型和面积，杂质测定估计误差为0.146%。Ajay 等 人 [3] 应 用 微 故 障 X 射 线 装 置 系 统(SkyScan1074X射线扫描仪)对160个含有异物的棉 花样品进行扫描，基于模糊逻辑方法对原棉微故障 X射线图像进行分析，采用自适应阈值算法对异物进行分割，标记异物，分离背景图像。 结果表明，识别率高达96%，扫描时间为15-20min。 贾东尧等[4] 采用MU-300型动态近红外CCD摄像机（加10 倍变焦镜头）采集棉的近红外光谱图像，采用自适 应图像增强和二值图像处理方法从棉的背景中提取 外来纤维。 霍根[5] 利用荧光光谱对棉花异物进行分类，提出了一种基于检测不同植物组织荧光团类型和浓度的叶片 和流体浓度的标准模型。 这些方法可以有效地检测棉花中含有较深颜色、较大面积和荧光物质的 异物[6]。 但对于浅色、透明、微小的异物，方法有一定的局限性[7].

高光谱成像技术是一种具有快速、准确、非接触、无损等特点的新型检测技术[8]。 目前，高光谱图像检测已经应用于棉外纤维表面，结果表明， 它可以用于检测一些浅色和白色压型纤维[9-11]。 本文研究了基于高光谱成像系统的籽棉纤维提取方法， 以及最小噪声分数分析方法和融合图像 加工。

1.料和数据采集

1.1样品制备

实验研究对象为含有外源纤维的种子棉。 从山东北部棉区获得籽棉，通过棉厂的人工选择， 获得了国外纤维。 制备了5种不同纤维共176份样品，其中包括32张白色纸屑、39根白毛、36根聚 丙烯纤维丝、39根白色化学纤维和30块透明覆盖 物。 将外源纤维随机混合到籽棉中。

1.2高光谱成像数据采集系统

实验图像由江苏大学国家重点实验室平台高光谱成像传感器系统图像光谱仪采集。 图1显示了研究中使用的高光谱成像传感器系统设备。 图像系统应用连续线性扫描模式来实现目标的整个 图像[12-16]并通过硬件和软件以“BIL”格式保存数据。 光谱范围为400-1000nm，达到512波段，标称光谱分辨率为4.37 nm。