基于小波的铝箔包装食品异物图像处理与识别

摘要

随着生活水平的不断提高，食品安全问题日益成为人们关注的焦点。作为保障食品安全生产的有效手段——食品中异物的检测识别方法也越来越成为人们研究的重点，X射线检测则是其中的一种。 在江苏省科技攻关项目的支持下，本文以铝箔包装鸭肫为研究对象，利用X射线成像系统和图像处理技术对屏蔽包装食品进行检测，提出了利用小波分析和矩不变量技术对食品串异物进行自动识别的方法。 本文简要介绍了X射线成像检测系统的特点，详细研究了鸭肫图像去噪、分割、矩特征提取和模式识别方法。主要内容包括：基于db1、syms4、bior3.7小波对采集的x射线图像进行去噪；构造了五类模板图像，分析了双峰、迭代和大津法对模板图像分割的效果；然后对模板图像进行小波分解，提取分解后小波系数矩阵的矩不变量作为异物的特征，并对提取的特征矩进行模式匹配和统计分析，从而实现对异物的检测和识别。 在上述算法的基础上，设计了鸭肫图像异物检测系统的人机界面，实现了对图像的去噪、分割、匹配与识别的整个流程。试验表明，该异物识别算法可以有效地消除背景因素的影响，具有较高的识别率和较短的识别时间，值得广泛的推广和应用。

目录

文摘

英文文摘

声明

致谢

1绪论

1.1研究的目的和意义

1.2异物检测技术国内外研究现状

1.2.1食品中异物检测技术

1.2.2基于小波理论的图像处理

1.2.3铝箔包装制品中异物处理方法

1.3课题来源

1.4研究主要内容

2基于小波的图像处理

2.1小波交换定义及特点

2.2小波对二维图像去噪的原理

2.2.1基于小波的二维图像的分解与重构

2.2.2图像去噪原理

2.3 Matlab中小波工具箱简介

2.3.1二维离散小波变换函数

2.3.2本文应用小波函数

3矩技术及其应用

3.1矩技术

3.1.1规则矩的定义

3.1.2低阶规则矩

3.1.3矩不变量

3.1.4规则矩与特征函数的关系

3.2矩技术的应用

4鸭肫图像预处理

4.1图像分解与重构

4.2图像的去噪处理

4.2.1铝箔纸鸭肫图像噪声来源

4.2.2基于小波的图像去噪

4.2.3MATLAB实现小波的图像去噪

5模板的构造与图像分割

5.1模板的构造

5.2图像分割

5.2.1双峰法

5.2.2迭代法

5.2.3大津法

6鸭肫图像的模板匹配

6.1模板匹配方法

6.2鸭肫图像特征分析

6.2.1图像的变换特征分析

6.2.2区配参数的选择

6.3基于矩技术的模板匹配

6.3.1异物模板匹配分析与阈值确定

6.3.2试验结果与分析

7基于MATLAB的异物检测系统人机界面设计

7.1 MATLAB中GUI编程的特点

7.2鸭肫采集识别系统实现演示

8结论

参考文献