基于傳送帶背景的同色重疊目標的邊緣檢測

梁利倩 趙梗明

上海師范大學(xué)信息與機電學(xué)院，上海 200234

基于傳送帶背景的同色重疊目標的邊緣檢測

梁利倩 趙梗明

上海師范大學(xué)信息與機電學(xué)院，上海 200234

本文針對現(xiàn)有的生產(chǎn)線上產(chǎn)品質(zhì)量檢驗對機器視覺識別技術(shù)的需要，為了能夠從傳送帶上采集的圖像中提取幾何特征。筆者以傳送帶上葡萄等級檢測項目為例，首先用輪廓波變換對含噪聲的采集圖像消噪，然后再進行圖像邊緣檢測，邊緣檢測的效果直接影響了是否能從采集的葡萄個體圖像中提取出幾何特征參數(shù)。 實驗結(jié)果表明此方法能夠在同色重疊物體圖像中獲得較準確完整的邊緣檢測效果，從而使幾何特征提取成為可能。

可視化仿真；圖像分割算法；邊緣檢測；圖像消噪

Visualized Simulation; Image segmentation algorithm;boundary detection;Image denoise method

引言

圖像邊緣是圖像灰度不連續(xù)性的反映，它包含了圖像的大量信息，反映了物體的本質(zhì)特征， 也是圖像最基本也是最重要的特征之一。邊緣檢測是圖像處理和計算機視覺等領(lǐng)域最基本的技術(shù)，其目的是標識數(shù)字圖像中亮度變化明顯的點。對于復(fù)雜背景下，尤其是同色且多目標重合的邊緣檢測，找出一種算法實現(xiàn)同一色度下的圖像分割及目標區(qū)域識別，具有廣泛的應(yīng)用領(lǐng)域和實用價值。以農(nóng)產(chǎn)品的生產(chǎn)檢驗為例，目前大部分農(nóng)產(chǎn)品加工廠仍然以人工手段進行產(chǎn)品的分類檢測，工作效率較低，從而制約了大規(guī)模批量生產(chǎn)的實現(xiàn)。隨著工業(yè)自動化發(fā)展，為了滿足工農(nóng)業(yè)生產(chǎn)批量化規(guī)模化的要求，將機器視覺識別技術(shù)運用到現(xiàn)有的質(zhì)量檢測和產(chǎn)品分類設(shè)備中，已經(jīng)成為當前的主流趨勢，這不僅能節(jié)約大量的人力資本，更重要的是提高了產(chǎn)品的質(zhì)量。

人們在這方面已作了不少研究，且提出一些經(jīng)典的邊緣檢測算法有微分法，小波變換法， 基于神經(jīng)網(wǎng)絡(luò)的邊緣檢測算法等。但是由于檢測物體特征區(qū)別，并沒有一種適合于所有圖像的通用檢測算法。本文章就是針對具有同色重疊目標特征的物體進行圖像分割和邊緣檢測。

對葡萄進行等級分類檢測的設(shè)備，會對葡萄進行多角度的圖像采集，對圖像進行預(yù)處理，幾何特征提取，數(shù)據(jù)處理，等級劃分。

1 圖像分割

1.1 基于輪廓波變換的模糊 C均值算法

為了檢測圖像亮度變化突出或灰度不連續(xù)的點，首先必須對圖像消噪，將彩色圖像轉(zhuǎn)化為灰度圖像，同時根據(jù)圖像的灰度，色彩，幾何形狀，空間紋理等特征把圖像劃分成若干個互不相交的區(qū)域，使得這些特征在同一區(qū)域內(nèi)，表現(xiàn)出一致性或相似性，而在不同區(qū)域間表現(xiàn)出明顯的不同即圖像分割。其中圖像閾值化分割是一種最常用的方法，特別適用于單目標體且目標和背景占據(jù)不同灰度級范圍的圖像。但對于像葡萄這類多個同色度物體疊加的邊緣不規(guī)則的復(fù)雜目標體，閾值分割不能達到很好的分離整體與背景的效果。因此我們采用模糊分割算法，由于比傳統(tǒng)的硬分割算法能保留更多原始圖像信息。這里采用基于輪廓波變換的FCM（模糊 C均值算法）進行圖像分割。

輪廓波變換2002年由M.N.DO 博士和他的導(dǎo)師提出， 它具有更豐富的方向基，能夠有效地識別圖像中更多的紋理信息和幾何特征，比小波描述圖像具有更稀疏的特征，而且輪廓波變換本身能夠較好地描述圖像中的方向信息，這些特點決定了輪廓波變換更適合多物體目標疊加的圖像分割， 此外由于噪聲信號則通常沒有方向性，因此在輪廓波域更容易將物體與噪聲分割開來，具有更好的消除圖像背景噪聲和提取前景目標的效果。

1.2 算法實現(xiàn)步驟

第一步；使用蒙特卡羅方法確定門限。

第二步：利用輪廓波變換對含噪圖像進行消噪。

第三步：對消噪后圖像進行FCM算法分割。

1.2.1 確定消噪門限的方法主要有3種，即蒙特卡羅法，沖激響應(yīng)法 和隨機噪聲法。這些方法都基于統(tǒng)計的觀點對3 σ/4 σ準則進行修正。

這里采用的方法為：采用基于蒙特卡羅的自適應(yīng)窗口收縮方法來確定閾值。

按照下面式子得到每個系數(shù)低頻子帶除外相應(yīng)位置上的閾值收斂因子

修正 準則得到變換域上每個位置的門限，

Th在最細節(jié)尺度取4，一般取3。σ是噪聲強度。

1.2.2 輪廓波變換的基本原理與方法：

假設(shè)a0[n]=〈f, φ L,n〉是L2（R2）的內(nèi)積，其中f(t)∈L2（R2）, φ L,n是尺度L上的尺度函數(shù)，假定圖像a0[n]通過離散輪廓波變換被分解為系數(shù)

輪廓波變換的雙濾波器結(jié)構(gòu)：實現(xiàn)方法是采用拉普拉斯金字塔（L a p l a c i a n pyramid,LP）級聯(lián)方向濾波器如圖1所示。

圖1 輪廓波變換的雙濾波器結(jié)構(gòu)

基于輪廓波變換消噪的基本方法為：首先將被噪聲污染的圖像進行輪廓波變換然后選取一定確定的門限將小于門限的系數(shù)認為是噪聲產(chǎn)生的干擾（過于細小的邊緣和亮點）需要濾除掉，門限之上的系數(shù)則被認為是有用信號予以保留，即

1.2.3 模糊C均值算法（FCM）

相對于帶波變換(Banddelet Transform)為代表的自適應(yīng)基多分辨率幾何分析方法，固定基多分辨率幾何分析變換方法由于運算量要小很多，所需存儲空間也較小， 因此更適用于工業(yè)應(yīng)用。

它是采用固定的多方向基來對圖像進行分解，雖然未能達到本質(zhì)上最優(yōu)的收斂速度， 但和理論極限非常接近。 固定基表示方法中最典型的代表應(yīng)該是曲線波變換以及輪廓波變換， 曲線波變換直接定義在連續(xù)空間，因此對于片上系統(tǒng)離散化實現(xiàn)具有較大的困難。 而輪廓波變換則直接定義在數(shù)字域，更容易用計算機來實現(xiàn)快速算法。

圖2 含2%高斯噪聲的F C M算法分割結(jié)果

2 邊緣檢測

對上述分割后的圖像進行邊緣檢測。常用的邊緣檢測算子有Sobel和Robert,Prewitt等。

這些神算子的模板:

直觀上看，Sobel和Prewitt算子能夠檢測垂直和水平方向邊緣，Robert算子易于檢測45°方向邊緣。我們進一步分析后發(fā)現(xiàn)，用Sobel計算的邊緣防線誤差最小，約4°。Prewitt次之，其他兩種算子較大，超過8°。為了使誤差最小化，可以組合利用2個不通的算子，然后估計精確值。

同時因為是流水線作業(yè)，對于檢測時間有一定的要求，因此優(yōu)先選擇運算量較小的梯度算子，將它們有機的融合起來，可以在計算量不顯著增加的前提下，提高邊緣檢測的質(zhì)量。

本方案選擇Sobel 和Roberts及拉普拉斯算子進行檢測。

圖3

[1]R.D.Dony,"Edge detection on color images using RGB vector angles,"IEEE Trans.Canadian Conference on Electrical and Computer Engineering,Canada,pp.6～87692, May 2009

[2]L.S.Davis,"A Survey of Edge Detection Techniques," Computer Graphics and Image Processing 4,pp.248～270,1995

[3]羅希平，田捷，諸葛嬰等.圖像分割方法綜述[J].模式識別與人工智能1999，12（3）：300～312

[4]R.Gonzalez and R.Woo“ds,Digital Image Processing,”Addison-Wesley Publishing Compan 1992

[5]A.Murat Tekalp,“Digital Video Processing,”Prentice Hall PTR[J],1995

[6]R.Crane,“A simplified approach to Image Processing,”Prentice-Hall,1997.

[7]O.S.Byun,"A Study on HFSD system using HMMD Color Model and Wavelet Morphology,"22003.

[8]RANDY CRA“NEA Simplified approach to Image processing”1999

[9]向陽，謝方平，湯楚宙，等，輸送帶鋪砂型排種器實驗臺的研制[J]，農(nóng)業(yè)工程學(xué)報，699s，64（M）：51M.5-92

Boundary Detection Against The Same Colour Overlapping Target On Conveyor Belt

Liang Liqian,Zhao Gengming College of Information, Mechanical and Engineering, Shanghai Normal University, Shanghai,200234

To meet the need of robot vision technique in farm production quality, we analysis t hgeeometrical characters extraction algorithm against target on belt.Take a example such as grape level classify, first step,the image containing noise was denoised by contourlet transform, secondly, make boundary detect , this is for extract individual feature.The simulation result present good image boundary detection effect.

TP317.4

A

10.3969/j.issn.1001-8972.2011.24.014

梁利倩（1984-），女 漢族，天津人，碩士研究生，主要研究領(lǐng)域為嵌入式系統(tǒng)方向。

趙梗明，女 漢族，上海人，教授，碩士研究生導(dǎo)師，主要研究領(lǐng)域為嵌入式系統(tǒng)方向。