白色異纖檢測(cè)算法

1、２０１０年５月農(nóng)業(yè)機(jī)械學(xué)報(bào)第４１卷第５期ＤＯＩ：１０３９６９／ｊｉｓｓｎ１０００１２９８２０１００５０３３基于不規(guī)則成像機(jī)器視覺(jué)的棉花白色異纖檢測(cè)算法李國(guó)輝蘇真?zhèn)ハ男拟ㄋ拇ù髮W(xué)制造科學(xué)與工程學(xué)院，成都６１００６５）【摘要】基于不規(guī)則成像機(jī)器視覺(jué)系統(tǒng)，提出一種棉花白色異性纖維檢測(cè)的圖像分割算法：采用Ｇａｂｏｒ算子提取多個(gè)方向的特征向量，融合成特征圖，由此增大背景與目標(biāo)之間的對(duì)比度；然后基于特征圖的統(tǒng)計(jì)規(guī)律進(jìn)行二值分割，最后應(yīng)用形態(tài)特

2、征分離目標(biāo)與背景。實(shí)驗(yàn)結(jié)果表明，該算法抗噪能力強(qiáng)、能檢出白色異性纖維。關(guān)鍵詞：棉花白色異性纖維機(jī)器視覺(jué)不規(guī)則成像圖像分割中圖分類(lèi)號(hào)：ＴＰ３９１４１；Ｓ１２６文獻(xiàn)標(biāo)識(shí)碼：Ａ文章編號(hào)：１０００１２９８（２０１０）０５０１６４０４ＡｌｇｏｒｉｔｈｍｆｏｒＩｎｓｐｅｃｔｉｏｎｏｆＷｈｉｔｅＦｏｒｅｉｇｎＦｉｂｅｒｓｉｎＣｏｔｔｏｎｂｙＭａｃｈｉｎｅＶｉｓｉｏｎｗｉｔｈＩｒｒｅｇｕｌａｒＩｍａｇｉｎｇＦｕｎｃｔｉｏｎＬｉＧｕｏｈｕｉＳｕＺ

3、ｈｅｎｗｅｉＸｉａＸｉｎｙｉ（ＳｃｈｏｏｌｏｆＭａｎｕｆａｃｔｕｒｉｎｇＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００６５，Ｃｈｉｎａ）ＡｂｓｔｒａｃｔＩｔｉｓｄｉｆｆｉｃｕｌｔｔｏｄｅｔｅｃｔｗｈｉｔｅｆｏｒｅｉｇｎｆｉｂｅｒｓｉｎｃｏｔｔｏｎｂｙｔｒａｄｉｔｉｏｎａｌｍａｃｈｉｎｅｖｉｓｉｏｎｓｙｓｔｅｍｓａｎｄｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｓ，ｂｅｃａｕｓｅｔ

4、ｈｅｃｏｌｏｒｏｆｔｈｅｔａｒｇｅｔｓａｎｄｂａｃｋｇｒｏｕｎｄｉｓｖｅｒｙｃｌｏｓｅＴｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍ，ａｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒａｍａｃｈｉｎｅｖｉｓｉｏｎｓｙｓｔｅｍｗｉｔｈａｎｉｒｒｅｇｕｌａｒｉｍａｇｉｎｇｆｕｎｃｔｉｏｎｗａｓｐｒｅｓｅｎｔｅｄＵｓｉｎｇＧａｂｏｒｏｐｅｒａｔｏｒｔｏｅｘｔｒａｃｔｔｈｅｏｒｉｅｎｔａｔｉｏｎｆｅａｔｕｒｅｖｅｃｔｏｒｓｏｆａｎｉｍａｇｅ，ｃ

5、ｏｍｂｉｎｅｄｔｈｅｍｉｎｔｏａｆｅａｔｕｒｅｍａｐ，ｔｈｕｓｔｈｅｃｏｎｔｒａｓｔｂｅｔｗｅｅｎｔｈｅｂａｃｋｇｒｏｕｎｄａｎｄｔａｒｇｅｔｓｗａｓｉｍｐｒｏｖｅｄｂｙｔｈｅａｌｇｏｒｉｔｈｍＴｈｅｎａｔｈｒｅｓｈｏｌｄｗａｓｃａｌｃｕｌａｔｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｔａｔｉｓｔｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｆｅａｔｕｒｅｍａｐｓＦｉｎａｌｌｙ，ｔｈｅｗｈｉｔｅｆｏｒｅｉｇｎｆｉｂｅｒｓｗｅｒｅｓｅｐａｒａｔ

6、ｅｄｆｒｏｍｃｏｔｔｏｎｉｎｔｈｅｂｉｎａｒｙｉｍａｇｅ，ａｎｄｔｈｅｉｍａｇｅｎｏｉｓｅｓｗｅｒｅｅｌｉｍｉｎａｔｅｄｂｙａｍｏｒｐｈｏｌｏｇｉｃａｌｏｐｅｒａｔｉｏｎＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｄｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｉｓａｎｔｉｎｏｉｓｅａｎｄｃａｐａｂｌｅｏｆｄｅｔｅｃｔｉｎｇｔｈｅｔａｒｇｅｔｓＫｅｙｗｏｒｄｓＣｏｔｔｏｎ，Ｗｈｉｔｅｆｏｒｅｉｇｎｆｉｂｅｒ，Ｍａｃｈｉｎｅｖｉｓｉｏ

7、ｎ，Ｉｒｒｅｇｕｌａｒｉｍａｇｉｎｇ，Ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ收稿日期：２００９０９２７修回日期：２００９１２２５國(guó)家自然科學(xué)基金資助項(xiàng)目（６０８７５０２２／Ｆ０３０４１０）作者簡(jiǎn)介：李國(guó)輝，博士生，主要從事機(jī)器視覺(jué)系統(tǒng)研究，Ｅｍａｉｌ：ｏｎｃｅｌｅｅ＠ｓｉｎａｃｏｍ通訊作者：蘇真?zhèn)?，教授，博士生?dǎo)師，主要從事機(jī)器視覺(jué)系統(tǒng)研究，Ｅｍａｉｌ：ｚｈｅｎｗｅｉｓｕ９９＠ｈｏｔｍａｉｌｃｏｍ引言棉花中的異性纖維目標(biāo)小、種類(lèi)多，其

8、物理機(jī)械性能，特別是染色性能與棉花有很大差異。統(tǒng)計(jì)表明，每噸棉花中混入的異性纖維平均不到２５ｇ，但對(duì)棉紡織品的質(zhì)量影響極大，是目前影響我國(guó)棉紡織品品質(zhì)提高的瓶頸問(wèn)題［１］。目前主要采用人工分揀法剔除異性纖維，但主觀性強(qiáng)，勞動(dòng)成本高，且白色異性纖維的檢出率比較低［２］。國(guó)內(nèi)外學(xué)者對(duì)棉花異性纖維的圖像識(shí)別算法進(jìn)行了廣泛研究［３～１０］，主要采用灰度閾值法識(shí)別目標(biāo)［５～６］。由于目標(biāo)在整個(gè)圖像中所占的比例非常小，且多與背景顏色相似，灰度直方圖

9、呈單峰特性［６］。分割前盡管輔以圖像增強(qiáng)方法和預(yù)處理算法［５～８］提高對(duì)比度，但與棉花顏色相近的異性纖維檢出率仍很低［７］。近年來(lái)，丁天懷等根據(jù)棉纖維與異性纖維的紅外波段吸收特性，選用紅外光源照明［９～１０］，再利用圖像分割技術(shù)識(shí)別異性纖維，但短期內(nèi)還難以實(shí)時(shí)在線應(yīng)用［３］。棉花中異性纖維檢測(cè)的難點(diǎn)之一在于：傳統(tǒng)的機(jī)器視覺(jué)系統(tǒng)只能按照選定的相機(jī)像素和預(yù)設(shè)的速度采集圖像。圖像數(shù)據(jù)大部分用于背景描述，小目呈線狀，背景呈點(diǎn)狀。圖３原始圖像及其

10、特征圖Ｆｉｇ３Ｏｒｉｇｉｎａｌｉｍａｇｅａｎｄｉｔｓｆｅａｔｕｒｅｉｍａｇｅ（ａ）原始圖像（ｂ）特征圖１２二值化分割低通濾波可以去除特征圖中的小點(diǎn)，同時(shí)也會(huì)削弱目標(biāo)信息。特征圖中的小點(diǎn)反映棉花背景灰度隨機(jī)變化，呈正態(tài)分布Ｎ（μ，σ），其中μ為均值，σ為標(biāo)準(zhǔn)差。特征圖直方圖如圖４ａ所示，其中異性纖維和背景噪聲（小點(diǎn)）分布在直方圖的左側(cè)。實(shí)驗(yàn)發(fā)現(xiàn)，特征圖的二值化閾值可以按μ－３σ計(jì)算。即：先求特征圖均值μ和標(biāo)準(zhǔn)差σ；再計(jì)算Ｔ＝μ－３σ；然

11、后以Ｔ為閾值對(duì)特征圖二值化分割，其結(jié)果如圖４ｂ所示。它符合概率統(tǒng)計(jì)中的３σ原則：偶然性因素發(fā)生概率為９９７３％，異常發(fā)生概率為０２７％。圖４特征圖的直方圖和二值圖像Ｆｉｇ４Ｈｉｓｔｏｇｒａｍａｎｄｂｉｎａｒｙｉｍａｇｅｏｆｆｅａｔｕｒｅｉｍａｇｅ（ａ）特征圖的直方圖（ｂ）二值圖像１３基于形態(tài)學(xué)的目標(biāo)識(shí)別二值圖像中異性纖維呈條狀，面積較大；背景噪聲呈點(diǎn)狀，面積較?。豢梢岳萌缦碌男螒B(tài)學(xué)方法識(shí)別：求４連通域；如果連通塊的面積與長(zhǎng)徑比大

12、于設(shè)定值，則為異性纖維，否則作為背景噪聲刪除。根據(jù)實(shí)驗(yàn)，面積閾值?。叮?，長(zhǎng)徑比閾值?。病＃矊?shí)驗(yàn)棉花中的白色異性纖維圖像及其處理結(jié)果如圖５所示。結(jié)果表明，棉花背景和噪聲被排除，白色異性纖維可以被正確分割和識(shí)別。結(jié)果圖像中異性纖維不連貫，原因之一是部分異性纖維在棉花圖像中受棉團(tuán)阻隔。原因之二是算法影響。改進(jìn)算法，通過(guò)膨圖５算法結(jié)果圖Ｆｉｇ５Ｒｅｓｕｌｔｉｍａｇｅｓｕｓｉｎｇｔｈｅａｌｇｏｒｉｔｈｍ（ａ）原始圖像（ｂ）處理結(jié)果脹、腐蝕等可以使