目標

利用影象處理技術，通過水色影象實現水質的自動評價

分析方法與過程

需要對影象提取特徵，影象特徵提取的效果直接影響到影象的識別和分類的好壞。

影象特徵主要包括顏色特徵，紋理特徵，形狀特徵和空間關係特徵。與幾何特徵相比，顏色特徵更為穩健，對於物體的大小和方向均不敏感，表現出較強的魯棒性。本案例中水色影象是均勻的，故主要關注顏色特徵。

利用影象的顏色特徵進行影象處理識別分類的研究中，主要方法有直方圖法和顏色矩方法。

資料預處理

1、影象切割

只選取原始圖片中中間固定大小的影象

2、特徵處理

本例使用顏色矩來提取水樣影象的特徵。

（1）一階顏色矩

一階顏色矩採用一階原點矩，反應影象的整體明暗程度

Ei是在第i個顏色通道的一階顏色矩，pij是第j個畫素的第i個顏色通道的顏色矩。

（2）二階顏色矩

採用的是二階中心距的平方根，反應影象顏色的分佈範圍

σi是在第i個顏色通道的二階顏色矩。

（3）三階顏色矩

採用的是三階中心距的立方根，反應影象顏色分佈的對稱性。

彩色的影象一共有3個顏色通道，這樣我們就可以從每張圖片中提取9個特徵。

模型構建

本案例採用支援向量機作為水質評價分類模型。

想看下樣本資料，9個特徵值的取值都在[-1, 1]間，水質類別有5種。徵值的取值都比較小，如果直接輸入SVM模型的話，彼此之間的區分度會比較小。因此，不妨將所有特徵都統一乘以一個適當的常數k，從而提高區分度和準確率。

常數k的選取不能過大也不能過小，過小導致區分度低，過大則容易過擬合。比如k=1000時，在訓練集上的準確率是100%，在測試集上的準確率是20%。k的確定需要通過反覆的測試確定。