高速攝像環境下航天電連接器分離邊緣提取算法

洪 濤 趙佃云

中國計量大學質量與安全工程學院，杭州，310018

高速攝像環境下航天電連接器分離邊緣提取算法

洪 濤 趙佃云

中國計量大學質量與安全工程學院，杭州，310018

為了準確測量航天電連接器的分離距離，以深入研究其分離特性，提出了一種高速攝像環境下電連接器分離邊緣的提取算法。該算法主要通過劃分感興趣區域選定待測量位置區域，經濾波處理后，利用小波變換算法增強圖像的弱邊緣信號，然后通過兩次自適應閾值分割圖像，并利用SUSAN算子進行邊緣檢測，進而提取邊緣，獲得準確的邊緣信息。

高速攝像；小波變換；閾值分割；邊緣檢測

0 引言

航天電連接器(以下簡稱“電連接器”)最重要的質量特性是分離特性，包括分離距離、分離時間等分離性能參數。國內在電連接器質量領域的研究起步較晚，且多數研究側重于其連接可靠性等方面[1-3]，目前尚未見通過測量電連接器分離過程進而深入研究其分離特性的文獻報道。

由于電連接器內部與外部有顏色上的差異，通過選擇合適的光源照明，故采用常規攝像機就能夠獲取清晰的測量位置圖像。只有準確地提取電連接器測量位置圖像的邊緣特征，才能觀測到電連接器高速運動的變化趨勢，達到下一步高精度測量分離距離的要求。但由于受電連接器瞬間分離后插頭的沖擊振動、高速運動以及電連接器檢測環境等因素影響，因而所采集的插頭邊緣圖像產生運動模糊，這增大了邊緣提取難度。如何有效消除運動模糊給圖像處理帶來的影響，一直是學者們研究的重點。梁若飛等[4]針對高分一號衛星玉米田遙感圖像中玉米田光譜復雜和地塊邊緣模糊導致面積統計誤差大的問題，提出了一種塊模糊增強和最小值邊緣提取相結合的邊緣檢測方法，進行玉米田地塊分割處理，有效減小了面積統計誤差；張文杰等[5]將微分算子和模糊邊緣檢測相結合，提出了一種基于鄰域加權的多層次模糊邊緣檢測方法，有效解決了在低對比度圖像、噪聲圖像中檢測效果不理想的問題；尹士暢等[6]將小波變換與直方圖均衡化相結合，通過對低頻小波系數進行直方圖均衡化處理，對高頻小波系數進行閾值去噪，提出了一種實現圖像增強的方法。上述方法都是在特定環境下針對不同研究對象提出的，處理電連接器高速分離圖像的效果并不理想。

本文根據實際需要，通過分析電連接器在高速攝像環境下所成像的特性，提出了一種電連接器分離邊緣的提取算法。

1 算法總體框架

在測量電連接器的分離特性時，其插座由專用的夾具夾持，被直接固定住，使得電連接器測量位置區域圖像的插座邊緣線顯示比較明顯。由于插頭隨著夾具中的動板一起高速運動，故電連接器測量位置區域圖像的插頭邊緣會產生運動模糊。電連接器起始靜止測量位置實物如圖1所示，攝像機所采集圖像為圖2。

圖1 電連接器起始靜止測量位置Fig.1 Electric connector initial static measurement location

圖2 電連接器測量位置圖像
Fig.2 Electric connector location image measurement

電連接器開始分離時，高速攝像機同步進行分離圖像采集，并分別存儲在計算機和攝像機緩存中。選定感興趣區域(region of interest，ROI)后，首先，截取電連接器測量位置的模糊區域，并對目標進行中值濾波處理，去除噪聲，以滿足進一步處理的需要；其次，通過小波變換圖像增強算法，對低頻小波系數進行非線性增強，對高頻小波系數進行去噪處理，經小波重構得到增強圖像；再次，通過兩次自適應閾值分割圖像，主要目的是找到更多的測量位置圖像右邊邊緣像素點；最后，利用SUSAN算法進行邊緣檢測，提取邊緣，獲得準確的邊緣信息。

根據以上實際特性，本文算法的總體框架如圖3所示。

圖3 算法流程圖Fig.3 Algorithm flow chart

2 測量區域的選定與濾波

2.1 測量區域的選定

ROI是從被處理的圖像中以多種方式勾勒出需要處理的區域。通過分析電連接器在高速攝像機下的成像特征及分離方向，確定ROI，以保證后續圖像處理時獲得足夠的信息。本文選定的ROI如圖4所示。

圖4 ROI選定后的圖像Fig.4 Image selected by ROI

2.2 中值濾波

在采集過程中，電連接器測量位置圖像易受到測試環境、分離振動、高速運動等因素的影響，難免會產生噪聲。這些噪聲會造成電連接器測量位置圖像質量下降，干擾因素過多，嚴重影響圖像識別，因此，電連接器測量位置圖像需要進行去噪。本文采用中值濾波對電連接器測量位置圖像進行去噪。中值濾波把局部區域的像素按灰度等級進行排序，取該鄰域中灰度的中值作為當前像素的灰度[7]。在濾除噪聲的同時，也能夠保護圖像的邊緣特性，使之不被模糊。

中值濾波效果如圖5所示，相對于圖4，圖5圖像顯示更平滑，有效保護邊緣，使之不被模糊。

圖5 中值濾波效果圖Fig.5 Median filtering results

3 小波變換圖像增強算法

電連接器的高速分離運動使得測量位置圖像的插頭邊緣產生運動模糊，插頭邊緣信號微弱，顯示不清晰。由于小波變換能夠充分突出信號某些方面的特征，有效細分高頻、低頻處，故本文選用小波變換增強電連接器圖像。

經多尺度小波變換可以獲取原始圖像的小波系數[8]。本文中電連接器的模糊邊緣信息主要包含在高頻小波系數中，它也包含大部分圖像的噪聲，而圖像的近似信號主要包含在低頻小波系數中。為了減少噪聲，以增強電連接器待處理目標區域圖像，可以對低頻小波系數進行非線性圖像增強，對高頻小波系數進行去噪處理，最后經小波重構得到增強圖像。

本文采用以下非線性函數對低頻小波系數進行非線性增強：

(1)

i=1,2,…,A

j=1,2,…,B

式中，Xij為非線性增強后的低頻小波系數；xij為非線性增強前的小波系數；T為閾值，合適的閾值可以有效增強目標邊緣細節，T∈(0,|xij|)；k為亮度系數，不同的k值代表不同對比度的圖像[9]。

本文用以下非線性算子調整高頻小波系數，合適的閾值可有效去除噪聲、增強邊緣。即

(2)

其中，Y、Y′分別是調整前后的高通小波系數；K是系數因子，K>1；T′是閾值[10]。在本文算法中，參數K取15，T″取0.2。

將處理后的兩種小波系數進行小波重構，從而得到增強后的圖像。小波變換的圖像增強基本框圖及實際效果分別如圖6和圖7所示。

圖6 小波變換的圖像增強基本框圖Fig.6 Wavelet transform image enhancement diagram

(a)中值濾波后的圖像 (b)增強后的圖像 圖7 小波變換增強效果圖Fig.7 Wavelet transform enhancement results

4 閾值分割

ROI勾勒出的圖像，經過中值濾波，以及小波變換增強圖像后，希望濾除噪聲，以突出待測量目標區域圖像，減小邊緣誤差。為將電連接器待測量目標區域圖像從背景中獨立出來，將圖像進行閾值分割，使其圖像非黑色即白色。經閾值分割后，電連接器內部反光強烈的測量位置圖像將變成白色，背景變成黑色，這樣目標區域得以獨立出來。

均勻性度量法是以均值與方差作為度量均勻性的數字指標[11]。均勻性度量法的步驟如下[12]。

(1)給定一個初始閾值T0=T1，將原圖分為C1和C2兩類；

(2)分別計算兩類的類內方差：

(3)

(4)

(5)

(6)

(3)分別計算兩類像素在圖像中的分布概率：

(7)

其中，P1、P2分別為類圖C1、C2的分布概率；Nimg為原圖的像素個數。

(4)選擇最佳閾值T0=T2，使得下式成立：

(8)

人工設定ROI勾勒出的圖像，分別經過中值濾波和小波變換增強后，采用均勻性度量法處理后的圖像見圖8。

(a)第一次閾值T0分割

(b)第二次閾值分割圖8 均勻性度量法效果圖Fig.8 Uniformity measurement results

5 SUSAN邊緣檢測算法

SUSAN算法是一種基于灰度的特征點獲取方法，未用到梯度的運算，故該算法對噪聲圖像的邊緣檢測效果優于傳統的邊緣檢測算法[13]。

SUSAN算法采用一種圓形模板在圖像上掃描，并將模板內部每個圖像像素點的灰度和模板中心像素的灰度求差來比較大小，若其差值小于一定值，則認為該點與模板中心像素具有相同或相近的灰度，由滿足這一條件的像素組成的區域稱為USAN[14]。其比較方法如下。模板內屬于USAN的像素的判別函數

(9)

式中，I(x0)為模板中心像素的灰度；I(x)為模板內其他任意像素的灰度；t為灰度差門限。

圖像中每一點的USAN大小

(10)

其中，D(x0)為以x0為中心的圓形模板區域。得到每一個像素的USAN值m(x0)以后，再與預先設定的閾值g進行比較，當m(x0)

閾值g決定了邊緣點的USAN區域的最大值[15],若m(x0)

t表示所能檢測邊緣點的最小對比度，也是能忽略的噪聲的最大容限。t越小，可從對比度越低的圖像中提取特征。因此，對于不同對比度和噪聲情況的圖像，應取不同的t值[16]。

圖9 SUSAN邊緣提取效果圖Fig.9 SUSAN edge extraction results

6 邊緣像素點坐標的獲取

經SUSAN算子處理后的圖像是只有黑色背景和白色邊緣線組成的二值圖像。設定灰度閾值為255，通過水平方向逐行掃描一定圖像范圍，讀取每一個像素點的灰度，若該像素點的灰度等于給定灰度閾值，則獲取當前像素點的圖像坐標。繼續下一個像素點的掃描，直至給定圖像內的所有像素點，其流程如圖10所示。

圖10 圖像掃描流程圖Fig.10 Image scanning flow chart

7 結論

本文通過分析電連接器測量位置在高速攝像機下的成像特征，采用小波變換算法增強圖像的弱邊緣區域，再應用均勻性度量法自適應閾值分割圖像，經SUSAN算子提取圖像模糊邊緣。本方法即使受到測試環境、分離振動、高速運動等因素的影響，仍能對電連接器測量位置圖像進行有效識別，經試驗驗證可有效提高電連接器分離邊緣提取的準確性，有利于深入研究其分離特性，提高質量可靠性。為了進一步提高其分離距離的測量精度，可以從亞像素級邊緣擬合入手，獲取插座、插頭邊緣更精準的信息，這也是筆者今后的研究方向。

[1] 潘駿，靳方建.電連接器接觸件結構分析與插拔試驗[J].中國機械工程，2013,24(12):1636-1641.PANJun,JINFangjian.AnalysisoftheStructureoftheElectricConnectorandthePlugandPullTest[J].ChinaMechanicalEngineering,2013,24(12):1636-1641.

[2] 賈博賢.分離脫落電連接器分離可靠性評估的研究[D].杭州：浙江大學,2014.JIABoxian.SeparationoffElectricConnectorReliabilityEvaluationofMasterofResearch[D].Hangzhou：ZhejiangUniversity,2014.

[3] 高亮.航天電連接器空間環境可靠性試驗與評估的研究[D].杭州：浙江大學,2012.GAOLiang.ResearchonSpaceEnvironmentReliabilityTestandEvaluationofAerospaceElectricalConnectors[D].Hangzhou：ZhejiangUniversity,2012.

[4] 梁若飛，楊風暴，王毅敏,等.一種基于塊模糊增強的玉米田遙感圖像邊緣檢測方法[J].影像科學與光化學，2016,34(2):190-197.LIANGRuofei,YANGFengbao,WANGYimin,etal.AMethodofEdgeDetectionforRemoteSensingImageBasedonBlockFuzzyEnhancement[J].ImagingScienceandPhotochemistry,2016,34(2):190-197.

[5] 張文杰，熊慶宇，石為人,等.基于鄰域加權的多層次模糊邊緣檢測算法[J].吉林大學學報，2015,45(3):998-1004.ZHANGWenjie,XIONGQingyu,SHIWeiren,etal.MultiLevelFuzzyEdgeDetectionAlgorithmBasedonNeighborhoodWeighting[J].JournalofJilinUniversity,2015,45(3):998-1004.

[6] 尹士暢，喻松林.基于小波變換和直方圖均衡的紅外圖像增強[J].激光與紅外,2013,43(2):225-228.YINShichang,YUSonglin.InfraredImageEnhancementBasedonWaveletTransformandHistogramEqualization[J].LaserandInfrared,2013,43(2):225-228.

[7] 徐鋒，劉云飛，宋軍.基于中值濾波SVD和EMD的聲發射信號特征提取[J].儀器儀表學報,2011,32(12):2712-2719.XUFeng,LIUYunfei,SONGJun.FeatureExtractionofAcousticEmissionSignalsBasedonMedianFilterSVDandEMD[J].ChineseJournalofScientificInstrument,2011,32(12):2712-2719.

[8] 劉興淼，王仕成，趙靜.基于小波變換與模糊理論的圖像增強算法研究[J].彈箭與制導學報，2010,30(4):183-186.LIUXingmiao,WANGShicheng,ZHAOJing.ResearchonImageEnhancementAlgorithmBasedonWaveletTransformandFuzzyTheory[J].JournalofProjectileandGuidance,2010,30(4): 183-186.

[9] 劉興淼，王仕成，趙靜.一種基于小波變換的非線性紅外圖像增強算法[J].紅外技術，2009,31(12):708-711.LIUXingmiao,WANGShicheng,ZHAOJing.ANonlinearInfraredImageEnhancementAlgorithmBasedonWaveletTransform[J].InfraredTechnology,2009,31(12):708-711.

[10] 劉國軍,唐降龍,黃劍華,等.基于模糊小波的圖像對比度增強算法[J].電子學報,2005,33(4):644-666.LIUGuojun,TANGXianglong,HUANGJianhua,etal.TheImageContrastEnhancementAlgorithmBasedonWaveletFuzzy[J].JournalofElectronics,2005,33(4):644-666.

[11]GONZALEZRC,WOODSRE.DigitalImageProcessing[M]. 2nd.Beijing:PublishingHouseofElectronicsIndustry,2006.

[12]GONZALEZRC,WOODSRE,EddinsSL.DigitalImageProcessingUsingMATLABEdition[M]. 2nd.Beijing:PublishingHouseofElectronicsIndustry,2006.

[13] 馬桂珍，房宗良, 姚宗中.SUSAN邊緣檢測算法性能分析與比較[J].現代電子技術，2007,30(8):189-191.MAGuizhen,FANGZongliang,YAOZongzhong.SUSANEdgeDetectionAlgorithmPerformanceAnalysisandComparison[J].JournalofModernElectronicTechnology,2007,30(8):189-191.

[14] 李成，彭良玉.SUSAN邊緣檢測算法的設計與研究[J].微型機與應用，2014,33(5):37-39.LICheng,PENGLiangyu.SUSANEdgeDetectionAlgorithmDesignandResearch[J].MicrocomputerandApplication,2014,33(5):37-39.

[15] 張坤華，王敬儒，張啟衡.多特征復合的角點提取算法[J].中國圖像圖形學報，2002,7(4):319-324.ZHANGKunhua,WANGJingru,ZHANGQiheng.CornerExtractionAlgorithmBasedonMultiFeatureComplex[J].ChineseJournalofImageandGraphics,2002,7(4):319-324.

[16] 陳志方，張艷寧，楊將林,等.一種改進的SUSAN算法[J].微電子學與計算機，2007,24(11):142-144.CHENZhifang,ZHANGYanning,YANGJianglin,etal.AnImprovedSUSANAlgorithm[J].MicroelectronicsandComputer,2007,24(11):142-144.

(編輯 陳 勇)

Algorithm of Separation Edge Extraction of Aerospace Electrical Connector in High-speed Photography

HONG Tao ZHAO Dianyun

College of Quality & Safety Engineering, China Jiliang University, Hangzhou,310018

In order to accurately measure the space electric connector of the separation distance, for further study of its separation characteristics, a high-speed photography environment oriented electrical connector on the edge of the separation extraction method was presented herein. Mainly through the algorithm divided the region of interest area selected for measuring positions, after processing through the filter, wavelet transform to enhance image edge of weak signals, and then through the two adaptive threshold segmentation of image, and by using SUSAN operator for edge detection, and then the edge was extracted, the accurate edge informations were obtained.

high-speed photography; wavelet transform; threshold segmentation; edge detection

2016-11-30

浙江省科技計劃資助項目(2017C31021)

TP391

10.3969/j.issn.1004-132X.2017.09.012

洪 濤，男，1970年生。中國計量大學質量與安全工程學院高級工程師。主要研究方向為產品質量控制與在線檢測。E-mail：hongtao@cjlu.edu.cn。趙佃云，男，1990年生。中國計量大學質量與安全工程學院碩士研究生。