[发明专利]一种基于多光谱相机的深度学习方法

权利要求书

1.一种基于多光谱相机的深度学习方法，其特征在于，包括如下步骤：

步骤1：利用多光谱成像系统，在暗室中分别对健康人群以及患病人群进行多光谱成像，获得不同人群的光谱图像，所述多光谱成像系统所涉及的滤光片中心波长范围涵盖可见光波长至红外波长；

步骤2：对所述光谱图像进行区域分割，对每一个区域分别提取灰度值；

步骤3：采用波段指数法计算不同健康人群各成像通道的波段指数值P_i，根据各成像通道滤光片中心波长以及对应的所述波段指数值P_i，获得波段指数曲线图；

步骤4：所述多光谱成像系统自动从所述波段指数曲线图中捕获出波段指数值局部最大的数据点，并将对应的成像通道的滤光片中心波长进行保存，以形成健康人群光谱图像的特征波段；

步骤5：重复步骤3-4，获取患病人群光谱图像的特征波段并保存；

步骤6：将所述健康人群以及患病人群的光谱信息组合成初始特征集，其中所述灰度值作为测试样本集，所述健康人群的特征波段以及所述患病人群的特征波段组成训练样本集，构成患病诊断特征向量，并且构建患病诊断分类器；

步骤7：现场传染性疾病实时诊断识别时，多光谱相机实时获取公共场合活动场景的光谱图像，将所述公共场合活动场景的光谱图像实时传输至监控中心，所述监控中心对所述公共场合活动场景的光谱图像进行图像预处理，并提取出所述光谱图像的灰度值；

步骤8：针对步骤7的现场诊断，构建患病诊断特征向量，将所述患病诊断特征向量导入所述患病诊断分类器进行实时预测，来确定所述公共场合活动场景的光谱图像中是否有患病人群。

2.根据权利要求1所述的方法，其特征在于，所述步骤1中所述滤光片波长具体为425、475、509、515、558、578、620、650、680、717、750、800、832和850nm共14个通道，其对应的半带宽分别是100、100、20、10、5、10、10、10、10、10、10、10、10和5nm。

3.根据权利要求2所述的方法，其中，所述步骤3中计算不同健康人群各成像通道的波段指数值P_i具体包括：

步骤3.1：计算不同健康人群光谱图像的灰度值的标准差；

步骤3.2：计算所述多光谱成像系统各成像通道之间的相关系数；

步骤3.3：利用公式(1)计算出健康人群各成像通道的波段指数值P_i：

式中：参数σ_i为光谱图像第i通道图像的标准差，参数R_i为波段i与波段j之间的相关系数。

4.根据权利要求1所述的方法，其特征在于，所述步骤6中，构建所述患病诊断分类器具体为：将2个支持向量机串联作为患病诊断分类器，即一个所述支持向量机的输出为另一个所述支持向量机的输入。

5.根据权利要求4所述的方法，其特征在于，所述步骤6中，还包括分类训练的方式，具体为：将所述患病诊断特征向量输入至所述患病诊断分类器，对所述患病诊断分类器进行分类训练，来确定出分类精度，以验证将所述特征波段作为对所述传染病进行识别是否可靠。

6.根据权利要求3所述的方法，其特征在于，所述步骤7中对所述公共场合活动场景的光谱图像进行的图像预处理具体为：对所述公共场合活动场景的光谱图像进行区域分割，以便后续灰度值的提取。