基于Curvelet變換的機器視覺流量檢測系統中的應用

郭康, 黃丹平,2,3, 徐同旭, 張芯豪, 侯山山

(1.四川理工學院機械工程學院, 四川自貢643000;2.人工智能四川省重點實驗室, 四川自貢643000;3. 過程裝備與控制工程四川省高校重點實驗室, 四川自貢643000)

基于Curvelet變換的機器視覺流量檢測系統中的應用

郭康1, 黃丹平1,2,3, 徐同旭1, 張芯豪1, 侯山山1

(1.四川理工學院機械工程學院, 四川自貢643000;2.人工智能四川省重點實驗室, 四川自貢643000;3. 過程裝備與控制工程四川省高校重點實驗室, 四川自貢643000)

針對傳統工業現場浮子流量計人工讀取數據誤差大、檢測效率低的問題，研發一套基于機器視覺的浮子流量計檢測系統。為使機器視覺系統在檢測過程中穩定、準確讀取刻度信息，將Curvelet變換算法用于增強流量計刻度線邊緣，減少裂痕對水平刻度提取的影響，解決流量計刻度線邊緣模糊的問題。同時算法采用IPP圖像處理函數庫優化算法提高處理速度。實驗表明，該算法能夠實時準確地讀取流量計刻度信息，識別精度達99.97%，處理一幀圖像時間為50 ms，滿足工業現場要求。

機器視覺；Curvelet變換；流量檢測；工業應用

引 言

隨著工業自動化程度愈來愈高，國家提出“中國制造2025”戰略，工業計量成為影響國民經濟、工業應用、科學探究的重要一環。尤其在當下能源危機的時代，流量計精確計量對實現高效生產、提高生產穩定性、保證產品質量、促進生產實現智能智慧控制的實現有著重大意義[1]。工業生產實際要求流量監測裝置安裝方便，尤其需要在惡劣環境中使用。目前常用的流體流量測量有差壓法、吹氣法和電容法等。這些方法需要針對不同應用場合的實際情況設計相應的流量傳感器，造成開發成本較高、周期較長。并且這幾種流量測量方法還有一個明顯缺陷：機械式測量方法的測量精度低并且測量裝置結構復雜，當使用電阻式和電容式方法測量流體流量時，需要增加浮子重量，使測量精度受到影響，并且由于電阻式和電容式裝置帶電，使測量存在安全隱患[2]。本文利用機器視覺方法檢測流量，機器視覺方法屬于非接觸式測量，且具有成本低、測量誤差小、精度高、速度快的特點，有利于集成化，在各個行業有廣泛應用[3]。

在機器視覺浮子流量計流量計量應用中，浮子及刻度線邊緣特征極其重要，直接影響流量測量精度。但由于浮子及刻度線屬于微小目標，且其邊緣不清晰，在復雜背景下流量計圖像灰度變化大，刻度目標相對微小，要完整并精確提取刻度線是一個難點[4]。在處理圖像時，傅里葉變換不適合大背景微小目標的提取，傅里葉變換只能得到頻率信息，無法提取具有弱邊緣的目標。小波變換也不適合檢測各向異性的視覺信息，且小波變換處理圖像時會削弱目標的邊緣，不易提取浮子刻度信息。Curvelet變換是各向異性的，對邊緣較敏感，適合檢測方向性明確的刻度線。Curvelet變換主要應用在：圖像融合、圖像增強、圖像去噪、特征提取和數字水印等領域。

1 流量計計量系統工作原理

流量計量系統原理結構圖如圖1所示，首先由視覺傳感器采集浮子流量計圖像，傳輸給DSP系統。在DSP系統對視覺信息預處理，包括灰度化和流量計定位[5]。然后將在DSP系統預處理后的圖像信號傳輸給D/A轉換模塊，將模擬信號轉換為數字信號。將含有視覺信息的數字信號通過WIFI無線發射裝置和接收裝置傳輸給上位機，并且還需將該數字信號通過信號轉換模塊后傳輸到DCS(集散控制)系統[6]。在上位機中，通過各種圖像處理算法對接收到的精確定位的流體小流量計圖像進行處理，根據所獲取流體流量數據調節浮子流量計，并存儲流量計圖像[7]，流量計圖像處理最核心算法就是Curvelet變換提取刻度線。

圖1 流量計量系統原理結構圖

2 Curvelet變換計量原理

2.1 Curvelet算法原理

機器視覺流量計量系統核心在于流量計圖像處理，應用Curvelet變換處理流量計圖像。浮子流量計圖像由X射線采集得到，該方法得到的流量計圖像背景復雜，流量計刻度線易與背景融合在一起難以區分，并且流量計X射線圖像也容易受到噪聲等因素的影響，流量計刻度線相對于背景屬于微小目標[8]。本研究為了消除前景照明得到的圖像刻度線目標邊緣模糊的影響，將Curvelet變換應用在流量計圖像處理中，采用wrapping算法實現Curvelet變換，定義所采集流量計圖像為二維空間中離散函數f(x,y),具體步驟如下[9]：

使用Curvelet變換方法處理流量計圖像，根據Curvelet系數的特征，自適應處理Curvelet系數，再經過反Curvelet變換，得到的流量計圖像噪聲較少且刻度線清晰，有利于提取刻度線。處理Curvelet系數的算法要求增強流量計刻度線并削弱背景，應用該算法不僅有效地削弱背景并去除大量噪點，而且相比傅里葉變換和小波變換算法，處理后的圖像中流體小流量刻度線更易提取。

2.2 Curvelet系數分析與處理

對流體小流量計圖像進行Curvelet變換，采用楔形基函數逼近二維奇異特征的方法計算得到Curvelet系數，Curvelet系數中包含圖像在不同層數、角度上的刻度線信息。在不同層數下，Curvelet基元通過平移與旋轉捕獲并表示圖像所有方向上的刻度線[10]。當逼近基與奇異性特征相交且重疊時，即Curvelet基元與流量計刻度線輪廓方向重合時，響應的Curvelet系數較大，其值接近1；反之響應的Curvelet系數較小，接近0。當Curvelet基元遇到噪點時，響應的Curvelet系數接近0。

Curvelet系數的第一層Coarse尺度層由低頻系數組成，其包含流量計圖像的概貌；最外層Fine尺度層由高頻系數組成，體現了流量計圖像的細節、刻度線特征；其余中間的尺度層稱為Detail尺度層由中高頻系數組成，主要包含流量計圖像的刻度線信息[11]。Curvelet系數中每個尺度層的能量、最大值、最小值、均值和方差等特征均不相同。Curvelet系數的能量主要集中在Coarse尺度層，其他尺度層的能量逐層遞減。隨著尺度層次的增加，Detail和Fine尺度層的最大值和最小值分布范圍越向零靠近，均值逐次減少。并且Coarse尺度層系數值方差很大，Detail尺度層的方差分布呈現隨尺度層增加，方差減小的趨勢，Fine尺度層的方差與第二尺度層的方差接近。圖像的噪點位于Curvelet系數的Coarse和Fine尺度層，數值接近零。選擇合適的閾值，將Curvelet系數低于閾值的噪聲濾除，保留Curvelet系數高于閾值的刻度線細節信息。由于Curvelet系數不同尺度層的能量、方差等數值差別較大，可根據其特征對每層Curvelet系數自適應設置閾值，這樣能夠更好地去除噪聲，并保留流量計刻度線細節信息。

3 實驗與分析

實驗采用Matlab R2014a進行算法測試，采用Visual C++2015與opencv3.2.1軟件平臺進行圖像處理。opencv是一個跨平臺的開源計算機視覺庫，它提供很多函數實現機器視覺和圖像處理方面的通用算法，程序代碼采用IPP優化函數編寫，IPP函數包含多種圖像處理底層優化函數，能夠加快圖像處理運行速度，實現浮子流量計流量實時測量[12]。

3.1圖像分析與處理

對浮子流量計圖像進行Curvelet變換，不同尺度層的不同分解系數分別處理。該流量計圖像進行曲波變換分成6個尺度層，針對刻度線水平特征，選取第二和第三尺度層。第二層的分解系數為16，Curvelet域的第二尺度層共有16個系數矩陣。第三層分解系數為32，該尺度層共有32個系數矩陣，分解系數從45度角順時針遍歷流量計圖像。圖2與圖3分別為第二和第三尺度層包含刻度線信息的部分分解矩陣，從圖2可得第二尺度層中第2、3、10、11系數矩陣包含水平數據信息(即刻度線信息)，第三尺度層中第4、5、20、21系數矩陣包含水平數據信息。

圖2 第二尺度層

圖3 第三尺度層

通過大量所采集視覺信息對算法進行測試，驗證Curvelet算法效果優越性，不同算法測試結果對比如圖4所示。圖4(g)為浮子流量計原圖，圖像顯示流量計刻度線在水平方向上，因此只需保留含有水平方向的數據，其余方向置0，達到只保留刻度線信息的濾波作用。圖4(a)、圖4(c)、圖4(e)分別為傅里葉變換、小波變換和曲波變換后圖像，由三種變換效果圖可知，傅里葉變換后圖像只留下水平方向的數據，但水平方向刻度線邊緣較模糊，小波變換后圖像背景有大量噪聲且每一刻度線不同位置邊緣與背景灰度值差變化較大，難以提取所有刻度線，Curvelet變換后圖像刻度線邊緣灰度一致且與背景灰度差大于15。圖4(b)、圖4(d)、圖4(f)分別為傅里葉變換、小波變換和Curvelet變換圖像經二值化處理得到的圖像，傅里葉變換圖像經二值化處理后很多刻度線無法顯示，同樣因為小波變換后所得刻度線邊緣與背景灰度差變化范圍較大，所得二值圖無法提取出所有刻度線。Curvelet變換圖經過二值化后刻度線非常清晰，且刻度線發生間斷，這是由于浮子遮擋住了刻度線，即浮子所在位置就是刻度線間斷處，間斷處上方第一根刻度線就是浮子顯示的流量數據。使用此方法處理流量計圖像，可以有效地濾除噪聲，二值化后的流體流量計圖像能夠清晰地顯示出刻度線以及浮子位置。

3.2精度分析

在同一實驗條件下，通過只改變流體流量的大小，再控制流量穩定，使流量不發生變化。使用基于機器視覺的流體流量測量系統方法，做兩組參照實驗，兩次測量流體小流量，連續記錄p=15次測量結果，設定流量計示數高度占流量計量程高度百分比為xi(i=1,2,…,15)，兩組數據分別見表1與表2。第一組真實刻度值為56，第二組真實刻度值為70。由第一組數據可知，機器視覺算法得到流量計數值與流量真實數值誤差小于0.03%，識別精度達到99.97%，同樣第二組所得流量殘余誤差小于0.02%，識別精度達到99.98%，滿足工程實際要求。

圖4 圖像檢測結果

表1 第一組流體流量測量數據

表2第二組流體流量測量數據

4 結束語

為了解決傳統人工和機械式方法獲取浮子流體計流量存在的問題，使用機器視覺技術對流體流量進行測量，避免人工測量由疲勞等因素產生的誤差，測量精度更高，并節省了勞動力。流體流量計圖像中含有大量噪聲，需要對流體小流量計圖像進行降噪處理。由于很多流體流量計圖像背景復雜，流量計刻度線與背景灰度值差小、對比度不高，相對背景刻度線目標非常微小且目標邊緣模糊不易精準提取出流體流量刻度線。提出應用Curvelet變換算法提取刻度線，并分析Curvelet系數與刻度關系。根據Curvelet系數的特征，對不同的尺度層分別計算閾值，能夠有效去除噪聲的同時最大限度保留流體流量計刻度線邊緣，能夠更精確地測量出流體流量刻度線數據，并且Curvelet變換具有較高的精度和運算速度，將Curvelet變換應用于流體小流量測量保證浮子流量計的實時測量。該檢測方法同樣適用于其它機器視覺類似工程應用[13]。

[1] 鄭朝暉.基于NCC匹配的Camshift目標跟蹤算法[J].四川理工學院學報:自然科學版,2015,28(4):37-40.

[2] 葛利俊.提高浮子流量計測量精度的研究[D].天津:天津大學,2012.

[3] 王玉萍,郭峰林.基于機器視覺的PCB板缺陷檢測系統關鍵技術研究[J].科技通報,2017,33(1):101-105.

[4] 黃勇,孫興波,袁文林,等.基于暗原色先驗的低照度圖像增強[J].四川理工學院學報:自然科學版,2015,28(3):42-45.

[5] 余永維,殷國富,殷鷹,等.基于視覺顯著度的射線圖像微小缺陷提取方法[J].農業機械報,2015,46(7):365-371.

[6] 任治,蘇真偉,俞東寶,等.一種焊縫X射線數字圖像的缺陷提取算法[J].無損檢測,2009,31(2):89-91.

[7] 郭靜,羅華,張濤.機器視覺與應用[J].電子科技,2014,27(7):185-188.

[8] 田申,胡勇,廖俊必,等.快速Curvelet變換在實時機器視覺系統中的應用[J].電子科技大學學報,2009,38(4):631-635.

[9] 岡薩雷斯,伍茲,著.數字圖像處理[M].3版.阮秋琦,阮宇智,譯.北京:電子工業出版社,2011.

[10] 黃丹平,李靜,于少東,等.基于Curvelet變換的機器視覺系統在焊縫缺陷檢測中的應用[J].焊接技術,2015,44(6):57-61.

[11] 郭春華,汪同慶.基于曲波變換的軌道梁面裂紋圖像增強[J].儀器儀表學報,2012,33(12):2754-2760.

[12] 周文舉.基于機器視覺的在線高速檢測與精確控制研究及應用[D].上海:上海大學,2014.

[13] 段德山.工件非接觸檢測中機器視覺的研究與應用[D].北京:北京郵電大學,2007.

ApplicationoftheCurveletTransformintheRotameterDetectionBasedonMachineVisionSystem

GUOKang1,HUANGDanping1,2,3,XUTongxu1,ZHANGXinhao1,HOUShanhan1

(1.School of Mechanical Engineering, Sichuan University of Science & Engineering, Zigong 643000, China;2.Artificial Intelligence Key Laboratory of Sichuan Province, Zigong 643000, China; 3.Sichuan Provincial Key Lab of Process Equipment and Control, Zigong 643000, China)

Aiming at the problem of high data error and low detection efficiency of the traditional rotameter artificial detection, a method of rotameter measurement system based on machine vision has been developed. To make the machine vision system stable and accurate during the detection process, the detection is enhanced by the Curvelet transform and the speed of image processing is accelerated by the IPP image processing funcations library. The experiment results shows that the system can quickly and effectively obtain the data of calibration line of the rotameter with recognition accuracy rate of 99.97%, and processing time of per frame image is 50 ms, which can meet the practical requirements of industrial field.

machine vision; curvelet transform; flow detection; industry applications

TH814;TP242.6+2

A

2017-07-19

過程裝備與控制工程四川省高校重點實驗室項目(GKZY201102);固態釀造關鍵技術研究四川省院士(專家)工作站項目(GY2016-01)

郭 康(1991-),安徽合肥人,碩士生,主要從事機器視覺方面的研究,(E-mail)18255009847@163.com;

黃丹平(1968-),四川自貢人,副教授,博士,主要從事測控技術面的研究,(E-mail)984554142@qq.com

1673-1549(2017)05-0026-05

10.11863/j.suse.2017.05.05