基于均值漂移的提取羽毛桿的去噪方法研究

黃亮亮 汪仁煌 龍永雄 劉元穩

（廣東工業大學自動化學院）

基于均值漂移的提取羽毛桿的去噪方法研究

黃亮亮 汪仁煌 龍永雄 劉元穩

（廣東工業大學自動化學院）

為有效去除羽毛片圖像中的噪聲，便于毛葉與毛桿的分割，提出用均值漂移算法對毛片圖像進行平滑濾波，然后對圖像進行區域合并，最后利用閾值分割算法提取羽毛桿。實驗結果表明：利用均值漂移算法能有效去噪，可以獲得更高的圖像評價指數和更好的視覺效果，可有效濾除不必要的紋理背景信息，為準確提取毛桿奠定重要基礎。

羽毛片；均值漂移；圖像去噪；圖像分割

0 引言

隨著國家經濟的飛速發展，人們的健身意識不斷增強，羽毛球運動越來越受人們喜愛。為了生產高質量的羽毛球，需要植入拱度、彎度相近的羽毛。目前拱度和彎度測試利用機器視覺完成，先對羽毛桿進行分割提取；再對相關拱度和彎度參數測量，因此準確提取羽毛桿非常重要。

提取羽毛桿通常將正光照明和背光照明的2幅圖像進行減運算，需要增加光源和控制板等，硬件復雜，采圖時間長，成本高。文獻[1]提出了基于小波紋理的分割方法，但這種方法需要使用先驗知識，若遇到偏頭羽毛片則無法得到較好的分割結果。

羽毛桿一般形狀細長，兩側羽毛葉的灰度重疊交叉，且羽毛葉的密度分布不均勻，高密度區域相對低密度區域而言，灰度值偏大。毛桿本身具有的彎度和拱度，也加劇了光照不均的影響，使傳統的圖像分割方法難以對羽毛桿進行有效分割。為解決該問題，通過對毛片表面紋理特征進行分析，用均值漂移（Mean Shift）[2]技術，對羽毛圖像進行平滑濾波與區域合并，實現羽毛桿自動提取。

1 均值漂移算法簡介

均值漂移的概念最早由 Fukunaga于 1975年提出，它是一種基于核函數估計的無參數迭代算法。目前已廣泛應用于機器視覺領域，例如圖像分割、目標識別、聚類分析、視頻跟蹤等。

在均值漂移向量中，核函數定義了采樣點與核中心之間距離度量，不僅影響密度估計函數的屬性，而且影響算法的收斂性和計算性能。常見的核函數有高斯核函數、均值核函數。由于用高斯核函數比均值核函數估計的更準確，本文選用高斯函數作為核函數。

1) 核函數、帶寬以及允許誤差的確定；

2) 根據式(1)計算圖像樣本均值m(x)；

2 實驗結果及分析

圖1 羽毛葉、羽毛桿灰度直方圖

圖2 去噪結果對比

對比效果，本文方法的圖像背景噪聲的抑制效果最佳，不僅有效地濾除了噪聲，而且缺陷目標背景更純凈，邊緣過渡更加陡峭，毛桿和毛葉分界更加明顯，有效地提高目標的提取能力。經其他算法處理的圖像紋理也有了一定的平滑，但是缺陷區域特征也變得過于模糊。

下面通過去噪后各個圖像的熵（entropy）、背景抑制因子（background suppression factor，BSF）、均方誤差（mean squared error，MSE）和邊緣保持指數（edge preserved index，EPI）[5]等評價指標加以評判。

圖像的熵是一種特征的統計形式，反映圖像中平均信息量的多少。

背景抑制因子 BSF是用來衡量算法對背景結構的去除能力，其定義為

表 1是不同去噪方法下的圖像質量評價指標比較。MSE和BSF反映了對噪聲抑制的能力，從表中可以看出均值漂移算法處理后的圖像的MSE和BSF是3種算法中最高的，表明使用均值漂移算法可以更有效去除噪聲；而EPI值則較其他方法小，顯示本文提出的方法在抑制紋理背景的同時可以更好地保護圖像邊緣。

表1 不同算法處理后的圖像評價指標

經去噪濾波后，羽毛桿與羽毛葉具有明顯的區分。此時，使用基于閾值的區域合并完成圖像的分割。通過區域合并，羽毛桿與羽毛葉顯現出不同灰度特征，提取的毛桿圖像如圖3所示。

圖3 提取的毛桿圖像

3 結論

羽毛球重要部件羽毛葉是按照缺陷來分等級，毛桿和毛葉必須要分開進行等級的判斷。而羽毛葉和羽毛桿灰度值分布不同，這使得傳統的基于圖像灰度特征的圖像分割方法無法對羽毛桿進行有效分割。

由于羽毛圖像中存在羽毛葉與毛桿對比度小、噪聲干擾大等問題，本文用均值漂移技術對羽毛圖像進行濾波，并與其他濾波去噪算法對比，結果表明：采用本文方法去噪后的圖像具有更好的視覺效果。經過對羽毛圖像的區域合并，實現了羽毛桿自動提取。因此，本文的方法具有一定的實際應用價值。在以后的研究中可以對多特征融合的均值漂移加以考慮，以期得到優化或更有效的去噪方式，從而獲得較好對比度的自適應算法。

[1] 劉洪江,汪仁煌.基于羽毛圖像紋理分割的毛桿提取方法[J].廣東工業大學學報,2010,27(4):42-45,57.

[2] 周芳芳,樊曉平,葉榛.均值漂移算法的研究與應用[J].控制與決策,2007,22(8):841-847.

[3] Rahman M M, Rana M S, Islam M A, et al. A new filtering technique for denoising speckle noise from medical images based on adaptive and anisotropic diffusion filter[J]. IJRCCT, 2013, 2(9): 689-693.

[4] Yue H W. Research on feather quill image denoising [J].Computer Modelling and New Technologies, 2013, 17(4):51-57.

[5] 張中山,余潔,燕琴,等.基于核獨立成分分析的極化 SAR圖像相干斑抑制[J].測繪學報,2011,40(3):289-295.

Research on Feather De-nosing and Extraction of Feather Quill Method Based on Mean Shift Algorithm

Huang Liangliang Wang Renhuang Long Yongxiong Liu Yuanwen
(School of Automation, Guangdong University of Technology)

In order to remove noise in images for segmentation of feather quill and feather leaf, this paper proposes the mean shift algorithm for feather image smoothing, and merging of regions. Finally, by using threshold segmentation algorithm, the feather quill is extracted. Experimental results indicate that the proposed method is more effective in feather image de-noising, and achieves higher value of evaluation index and better visual quality. This algorithm can effectively filter out unwanted background texture information for an accurate extraction of feather quill.

Feather; Mean Shift; Image De-noising; Image Segmentation

黃亮亮，男，1989年生，碩士研究生，研究方向：機器視覺、圖像處理。E-mail: huangliang264@163.com

汪仁煌，男，1945年生，教授，博士生導師，研究方向：計算機測控技術（智能測控技術，信息處理與智能儀器，機器視覺技術）。

龍永雄，男，1989年生，碩士研究生，研究方向：機器視覺、圖像處理。

劉元穩，男，1987年生，碩士研究生，研究方向：機器視覺、圖像處理。