白色異纖檢測算法

1、２０１０年５月農(nóng)業(yè)機械學報第４１卷第５期ＤＯＩ：１０３９６９／ｊｉｓｓｎ１０００１２９８２０１００５０３３基于不規(guī)則成像機器視覺的棉花白色異纖檢測算法李國輝蘇真?zhèn)ハ男拟ㄋ拇ù髮W制造科學與工程學院，成都６１００６５）【摘要】基于不規(guī)則成像機器視覺系統(tǒng)，提出一種棉花白色異性纖維檢測的圖像分割算法：采用Ｇａｂｏｒ算子提取多個方向的特征向量，融合成特征圖，由此增大背景與目標之間的對比度；然后基于特征圖的統(tǒng)計規(guī)律進行二值分割，最后應用形態(tài)特

2、征分離目標與背景。實驗結(jié)果表明，該算法抗噪能力強、能檢出白色異性纖維。關鍵詞：棉花白色異性纖維機器視覺不規(guī)則成像圖像分割中圖分類號：ＴＰ３９１４１；Ｓ１２６文獻標識碼：Ａ文章編號：１０００１２９８（２０１０）０５０１６４０４ＡｌｇｏｒｉｔｈｍｆｏｒＩｎｓｐｅｃｔｉｏｎｏｆＷｈｉｔｅＦｏｒｅｉｇｎＦｉｂｅｒｓｉｎＣｏｔｔｏｎｂｙＭａｃｈｉｎｅＶｉｓｉｏｎｗｉｔｈＩｒｒｅｇｕｌａｒＩｍａｇｉｎｇＦｕｎｃｔｉｏｎＬｉＧｕｏｈｕｉＳｕＺ

3、ｈｅｎｗｅｉＸｉａＸｉｎｙｉ（ＳｃｈｏｏｌｏｆＭａｎｕｆａｃｔｕｒｉｎｇＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１００６５，Ｃｈｉｎａ）ＡｂｓｔｒａｃｔＩｔｉｓｄｉｆｆｉｃｕｌｔｔｏｄｅｔｅｃｔｗｈｉｔｅｆｏｒｅｉｇｎｆｉｂｅｒｓｉｎｃｏｔｔｏｎｂｙｔｒａｄｉｔｉｏｎａｌｍａｃｈｉｎｅｖｉｓｉｏｎｓｙｓｔｅｍｓａｎｄｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄｓ，ｂｅｃａｕｓｅｔ

4、ｈｅｃｏｌｏｒｏｆｔｈｅｔａｒｇｅｔｓａｎｄｂａｃｋｇｒｏｕｎｄｉｓｖｅｒｙｃｌｏｓｅＴｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍ，ａｎｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒａｍａｃｈｉｎｅｖｉｓｉｏｎｓｙｓｔｅｍｗｉｔｈａｎｉｒｒｅｇｕｌａｒｉｍａｇｉｎｇｆｕｎｃｔｉｏｎｗａｓｐｒｅｓｅｎｔｅｄＵｓｉｎｇＧａｂｏｒｏｐｅｒａｔｏｒｔｏｅｘｔｒａｃｔｔｈｅｏｒｉｅｎｔａｔｉｏｎｆｅａｔｕｒｅｖｅｃｔｏｒｓｏｆａｎｉｍａｇｅ，ｃ

5、ｏｍｂｉｎｅｄｔｈｅｍｉｎｔｏａｆｅａｔｕｒｅｍａｐ，ｔｈｕｓｔｈｅｃｏｎｔｒａｓｔｂｅｔｗｅｅｎｔｈｅｂａｃｋｇｒｏｕｎｄａｎｄｔａｒｇｅｔｓｗａｓｉｍｐｒｏｖｅｄｂｙｔｈｅａｌｇｏｒｉｔｈｍＴｈｅｎａｔｈｒｅｓｈｏｌｄｗａｓｃａｌｃｕｌａｔｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｔａｔｉｓｔｉｃａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｔｈｅｆｅａｔｕｒｅｍａｐｓＦｉｎａｌｌｙ，ｔｈｅｗｈｉｔｅｆｏｒｅｉｇｎｆｉｂｅｒｓｗｅｒｅｓｅｐａｒａｔ

6、ｅｄｆｒｏｍｃｏｔｔｏｎｉｎｔｈｅｂｉｎａｒｙｉｍａｇｅ，ａｎｄｔｈｅｉｍａｇｅｎｏｉｓｅｓｗｅｒｅｅｌｉｍｉｎａｔｅｄｂｙａｍｏｒｐｈｏｌｏｇｉｃａｌｏｐｅｒａｔｉｏｎＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｉｎｄｉｃａｔｅｄｔｈａｔｔｈｅａｌｇｏｒｉｔｈｍｉｓａｎｔｉｎｏｉｓｅａｎｄｃａｐａｂｌｅｏｆｄｅｔｅｃｔｉｎｇｔｈｅｔａｒｇｅｔｓＫｅｙｗｏｒｄｓＣｏｔｔｏｎ，Ｗｈｉｔｅｆｏｒｅｉｇｎｆｉｂｅｒ，Ｍａｃｈｉｎｅｖｉｓｉｏ

7、ｎ，Ｉｒｒｅｇｕｌａｒｉｍａｇｉｎｇ，Ｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ收稿日期：２００９０９２７修回日期：２００９１２２５國家自然科學基金資助項目（６０８７５０２２／Ｆ０３０４１０）作者簡介：李國輝，博士生，主要從事機器視覺系統(tǒng)研究，Ｅｍａｉｌ：ｏｎｃｅｌｅｅ＠ｓｉｎａｃｏｍ通訊作者：蘇真?zhèn)?，教授，博士生導師，主要從事機器視覺系統(tǒng)研究，Ｅｍａｉｌ：ｚｈｅｎｗｅｉｓｕ９９＠ｈｏｔｍａｉｌｃｏｍ引言棉花中的異性纖維目標小、種類多，其

8、物理機械性能，特別是染色性能與棉花有很大差異。統(tǒng)計表明，每噸棉花中混入的異性纖維平均不到２５ｇ，但對棉紡織品的質(zhì)量影響極大，是目前影響我國棉紡織品品質(zhì)提高的瓶頸問題［１］。目前主要采用人工分揀法剔除異性纖維，但主觀性強，勞動成本高，且白色異性纖維的檢出率比較低［２］。國內(nèi)外學者對棉花異性纖維的圖像識別算法進行了廣泛研究［３～１０］，主要采用灰度閾值法識別目標［５～６］。由于目標在整個圖像中所占的比例非常小，且多與背景顏色相似，灰度直方圖

9、呈單峰特性［６］。分割前盡管輔以圖像增強方法和預處理算法［５～８］提高對比度，但與棉花顏色相近的異性纖維檢出率仍很低［７］。近年來，丁天懷等根據(jù)棉纖維與異性纖維的紅外波段吸收特性，選用紅外光源照明［９～１０］，再利用圖像分割技術識別異性纖維，但短期內(nèi)還難以實時在線應用［３］。棉花中異性纖維檢測的難點之一在于：傳統(tǒng)的機器視覺系統(tǒng)只能按照選定的相機像素和預設的速度采集圖像。圖像數(shù)據(jù)大部分用于背景描述，小目呈線狀，背景呈點狀。圖３原始圖像及其

10、特征圖Ｆｉｇ３Ｏｒｉｇｉｎａｌｉｍａｇｅａｎｄｉｔｓｆｅａｔｕｒｅｉｍａｇｅ（ａ）原始圖像（ｂ）特征圖１２二值化分割低通濾波可以去除特征圖中的小點，同時也會削弱目標信息。特征圖中的小點反映棉花背景灰度隨機變化，呈正態(tài)分布Ｎ（μ，σ），其中μ為均值，σ為標準差。特征圖直方圖如圖４ａ所示，其中異性纖維和背景噪聲（小點）分布在直方圖的左側(cè)。實驗發(fā)現(xiàn)，特征圖的二值化閾值可以按μ－３σ計算。即：先求特征圖均值μ和標準差σ；再計算Ｔ＝μ－３σ；然

11、后以Ｔ為閾值對特征圖二值化分割，其結(jié)果如圖４ｂ所示。它符合概率統(tǒng)計中的３σ原則：偶然性因素發(fā)生概率為９９７３％，異常發(fā)生概率為０２７％。圖４特征圖的直方圖和二值圖像Ｆｉｇ４Ｈｉｓｔｏｇｒａｍａｎｄｂｉｎａｒｙｉｍａｇｅｏｆｆｅａｔｕｒｅｉｍａｇｅ（ａ）特征圖的直方圖（ｂ）二值圖像１３基于形態(tài)學的目標識別二值圖像中異性纖維呈條狀，面積較大；背景噪聲呈點狀，面積較??；可以利用如下的形態(tài)學方法識別：求４連通域；如果連通塊的面積與長徑比大

12、于設定值，則為異性纖維，否則作為背景噪聲刪除。根據(jù)實驗，面積閾值?。叮埃L徑比閾值?。?。２實驗棉花中的白色異性纖維圖像及其處理結(jié)果如圖５所示。結(jié)果表明，棉花背景和噪聲被排除，白色異性纖維可以被正確分割和識別。結(jié)果圖像中異性纖維不連貫，原因之一是部分異性纖維在棉花圖像中受棉團阻隔。原因之二是算法影響。改進算法，通過膨圖５算法結(jié)果圖Ｆｉｇ５Ｒｅｓｕｌｔｉｍａｇｅｓｕｓｉｎｇｔｈｅａｌｇｏｒｉｔｈｍ（ａ）原始圖像（ｂ）處理結(jié)果脹、腐蝕等可以使