基于ANFIS的煙絲圖像在線檢測自適應消噪技術*

王曉侃，張 艷

(河南機電職業學院，河南 新鄭 451191)

基于ANFIS的煙絲圖像在線檢測自適應消噪技術*

王曉侃，張 艷

(河南機電職業學院，河南 新鄭 451191)

針對目前煙絲在線檢測設備進行圖像檢測識別時，測量結果容易受到噪聲、光線、溫度和濕度等的影響，而導致參數時變、時間滯后等問題，設計一種基于MATLAB軟件的自適應消噪技術，利用自適應神經模糊推理系統(ANFIS)對煙絲圖像噪聲的非線性動態特性進行建模，并利用ANFIS 逼近有色噪聲，然后從測量煙絲圖像中消除有色噪聲，得到有用的煙絲圖像。該技術在實際煙絲在線檢測生產過程應用中表明，能夠在復雜的環境下，自動地估計出噪聲信號，方便、快捷地實現在線去噪，從而得到滿意的煙絲圖像。

煙絲圖像；自適應消噪；模糊神經網絡；在線檢測

在這個充滿信息技術的時代，圖像作為傳遞信息的重要手段，導致圖像處理技術在工業中的應用越來越廣泛。在煙絲生產的工序中，制絲過程是直接影響煙支生產質量和企業經濟效益的重要環節。卷煙質量的直接影響因素就是煙絲，煙絲在檢測過程中也受到不同因素的影響；因此，在煙絲檢測過程中，煙絲圖像的處理就顯得尤為重要，但在煙絲圖像產生過程中存在以下問題：一方面，基于光的反射形成圖像原理，光照強度的強弱會使形成的圖像清晰度不同；另一方面，噪聲會對圖像的處理產生嚴重影響。這兩方面對圖像的真實度都有影響，還會破壞圖像的視覺效果，也會對后期的圖像識別、邊緣檢測造成較大程度的影響[1-2]。針對煙絲圖像在線檢測這個復雜過程，運用基于自適應神經模糊推理系統(ANFIS)建立辨識模型，并進行煙絲的有色噪聲逼近，再從獲取到的測量信號中消除有色噪聲，這樣就可以得到有用的煙絲圖像。

1 ANFIS結構的工作原理

ANFIS是一種將模糊控制和神經網絡結合起來的綜合性智能控制系統，它將模糊控制的模糊化、模糊推理和反模糊化等3個基本過程全部用神經網絡來實現，利用神經網絡自學習機制自動形成模糊規則，還可以自適應調整各種參數，使系統本身朝著自適應、自組織和自學習的方向發展[3-4]。本文提出的一種非線性T-S 模糊模型是一個多層前饋網絡，結構如圖1所示。

圖1 基于T-S 模糊模型的等效ANFIS 網絡

假定模糊規則庫包含如下2種規則。

規則1: if x1is A1and x2is B1, then f1=p1x1+q1x2+r1。

規則2: if x1is A2and x2is B2, then f2=p2x1+q2x2+r2。

圖1中第1層節點i是以節點函數表示的方形節點：

O1,i=μAi(x1),i=1,2

O1,i=μB(i-2)(x2),i=3,4

第2層的節點表示將輸入信號相乘，其乘積輸出為：

O2,i=wi=μAi(x1)μBi(x2),i=1,2

第3層節點用N表示，第i個節點計算第i條規則的歸一化可信度為:

第4層每個節點i為自適應節點 ，其輸出為：

第5層單節點是1個固定節點，計算所有輸入信號的總輸出為：

本網絡中的未知參數(pi,qi,ri)，可以利用ANFIS模糊聚類進行算法訓練，達到預期的指標參數，然后進行模糊建模。

通常基于數據聚類的ANFIS設計方法一般有如下幾個步驟：1) 樣本數據的獲取；2) 模糊初始化；輸入量模糊聚類分析，確定中心；形成隸屬度函數的中心和模糊規則；3) ANFIS初始結構的確定，即各隱層神經元個數以及神經元激勵函數的確定；4) 通過訓練樣本不斷訓練隸屬度函數和模糊規則，形成ANFIS辨識模型；5) 用核對數據校驗ANFIS。

2 自適應神經網絡模糊系統消噪原理

在信號處理和控制過程中，尤其是在圖像噪聲問題上[5]，利用自適應神經網絡模糊系統進行噪聲的逼真和建模，利用模糊規則和自適應神經網絡的學習能力，對噪聲可以有效地消除，進而提高測量的精度、實用性和有效性。

如圖2所示，s(k)為有用信號；c(k)為可測噪聲，經過非線性變換H(z)后為有色噪聲z(k) ；測量信號d(k)為被噪聲污染的信號，d(k) =s(k)+z(k)，s(k)與z(k) 是不相關的。噪聲抵消就是從被噪聲污染的信號中估計s(k)，顯然這只要估計出z(k)即可。而z(k)是c(k)的延遲和變形，它是不可測的，即z(k)=f(c(k),c(k-1),c(k-2),…) ，其中，函數f是未知的、非線性的，而且其頻率范圍往往與d(k)的頻率范圍重疊。通過利用ANFIS進行任意非線性的函數逼真，可以讓ANFIS網絡逼近有色噪聲z(k)，進而得到輸出信號y(k) 。

圖2 自適應消噪原理圖

(1)

(2)

(3)

3 基于ANFIS的自適應消噪技術的流程

3.1 應用MATLAB軟件生成煙絲圖像

系統生成的原始煙絲圖像如圖3所示。如果噪聲源為n1，其采用正態分布的隨機數，可以應用MATLAB軟件的命令函數生成噪聲：

n1=randn(size(t));

plot(n1);

axis([0 650 min(n1) max(n1)]);

legend(‘噪聲信號’);

生成噪聲曲線如圖4所示。其中，噪聲信號干擾下的非線性特征曲線如圖5所示。

圖3 原始煙絲圖像

圖4 噪聲變化曲線

圖5 噪聲信號干擾下的非線性特征曲線

3.2 疊加噪聲信號后的測量信號

疊加噪聲信號后的煙絲圖像如圖6所示。

圖6 疊加噪聲信號后的煙絲圖像

3.3 利用ANFIS函數完成系統訓練

選用具有二輸入單輸出的神經網絡模糊系統對噪聲非線性進行建模，在獲得輸入輸出數據對后，利用ANFIS函數完成對經網絡的參FIS模型的訓練。

本系統使用函數genfis1的網格分割法生成模糊推理系統，同時利用函數按照一定的誤差準則來調整隸屬度函數的參數，這樣可以保證所建立的模型能逼近給定的訓練數據。當對函數和系統訓練時，每個輸入變量的隸屬度函數個數都選為2，則總模糊規則數為4。

通過觀察處理的圖形和曲線可以看出，訓練數據的誤差逐漸變小，單方向收斂，步長也實時變大，建立的逼真模型訓練效果很顯著。

3.4 噪聲信號的影響評估

在完成對噪聲的非線性特性進行神經網絡模糊建模以后，利用訓練的ANFIS系統進行估計以完成對測量信號中噪聲影響的評估。基于ANFIS的估計噪聲和補償噪聲曲線如圖7所示。

圖7 基于ANFIS的估計噪聲和補償噪聲曲線

3.5 進行噪音消除

對檢測到的煙絲圖像進行消噪處理。利用ANFIS消除噪聲后的煙絲圖像如圖8所示。

圖8 消除噪聲后的煙絲圖像

4 結語

利用基于ANFIS的圖像自適應消噪技術，可以自動地調整自身參數，使訓練模型更逼近真實對象，再結合模糊控制和神經網絡的優勢，發揮各自的優點，對未知的干擾進行相似性處理和逼近，建立了煙絲噪聲的非線性動態模型，能夠有效地消除外界聲源的干擾，獲得滿意的煙絲有用圖像，達到了很好的自適應消噪效果，提供了一種有效的圖像消噪方法。

[1] 韓英莉.一種改進全變差正則化的Shearlet自適應帶鋼圖像去噪算法[J].表面技術, 2014(12):111-116.

[2] 曾泰山,魯春元. 多尺度全變差圖像去噪算法[J]. 華南師范大學學報：自然科學版, 2013(4):67-72.

[3] 羅海馳,李岳陽,孫俊.基于ANFIS的圖像邊緣檢測算法[J].江南大學學報：自然科學版,2014(10): 23-30.

[4] 朱立新,楊擴,秦加合.一種新的基于自適應神經網絡模糊推理系統的圖像濾波器[J].計算機科學, 2014(6): 218-221.

[5] 徐皓.一種基于模糊神經系統的圖像去噪方法[J].計算機工程與應用,2008(1): 89-91.

*河南省重點科技攻關項目(132102210385;142102210042)河南省教育廳科學技術研究重點項目(13B413968)鄭州市科技攻關項目(121PPTGG418)

責任編輯彭光宇

On-lineDetectionofCutTobaccoImagewithAdaptiveNoiseCancellationTechnologybasedonANFIS

WANG Xiaokan，ZHANG Yan

(Henan Mechanical and Electrical Vocational College，Xinzheng 451191，China)

Currently when identify the cut tobacco image of on-line detection, the measurement results are easily influenced by noise, light, temperature and humidity, and which cause the parameter time-varying and time lag. Design the ANFIS noise cancellation technology based on the MATLAB software. Modeling the nonlinear dynamic characteristic of noise by ANFIS and approaching the colored noise by ANFIS are presented. Then the colored noise is cancelled from measured signal and the useful cut tobacco image is gotten. This technology is applied in the actual cut tobacco image of on-line detection production process, indicating that it can automatically estimate the noise signal, quickly and easily realize online noise cancellation, thus obtain the satisfied cut tobacco image.

template cut tobacco image，adaptive noise cancellation，fuzzy neural network，on-line detection

TN 911.7

:A

王曉侃(1980-)，男，講師，碩士，主要從事智能控制系統等方面的研究。

2015-01-16