基于阈值分割及分形特征的纸病图像识别算法研究

1、基于阈值分割及分形特征的纸病图像识别算法研究中国造纸TransactionsofChinaPulpandPaper41基于阈值分割及分形特征的纸病图像识别算法研究殷燕屏熊智新胡慕伊(南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037)摘要:针对脏点,孔洞,褶子和裂口等常见的典型纸病识别问题,在分析纸病图像灰度特征及分形特征基础上,提出了一种基于图像双阈值分割盒维数特征的纸病识别算法,该算法采用灰度阈值分割提取纸病区域及二值数字图像分形盒维数计算结果,确定纸病类型.实验结果表明,该算法识别率较高,且简单迅速.关键词:灰度特征;阈值分割;分形盒维数;纸病识别中图分类号:TP27

2、3文献标识码:A文章编号:1000-6842(2011)040041-05纸张生产过程中,由于设备磨损,生产原料或环境污染,操作等原因,会造成一些外观纸病.比较常见的纸病有脏点,孔洞,褶子和裂口,它们的特征主要有形态特征,灰度特征,纹理特征等.可运用面积,长宽比,灰度均值,灰度方差等方法来区分这4类纸病图像,但区分效果相对不明显或过程比较复杂.主要原因在于孔洞和尘埃的形状特征比较接近,而褶子和裂口在形态特征上也较为相似,特别是长宽比这一特征量比较接近,互相误判的可能性也较大.虽然运用小波奇异性来区分目标纸病和背景纹理的方法J,可以很好地识别出是否存在纸病,但不能区分属于哪一类纸病.在实际生产中

3、,准确判断某一纸病的类型并反溯病源,对于生产质量的监控有重要意义.本研究针对脏点,孑L洞,褶子,裂口这4类典型纸病识别中遇到的一些问题,在研究纸病图像的灰度特征和分形特征基础上,提出了一种基于图像动态双阈值分割及分形盒维数的纸病特征提取与识别算法.根据不同纸病图像的灰度特征采用双阈值分割纸病区域;根据纸病图像的分形盒维数特征,判断纸病图像的形状,在此基础上设计4类纸病识别算法,取得了较好的纸病识别效果.1不同纸病图像的灰度特征分析1.1纸病图像的获取凡不包括在纸张质量技术要求范围内的纸张缺陷均可称为纸病.本研究所涉及的纸病仅为其中的外观纸病,所用的图像是在透光条件下,DVTLegend530智

4、能图像处理器(以CCD为核心)拍摄的低定量涂布原纸上的脏点,孑L洞,褶子和裂口纸病图像,大小为640480像素,如图1所示.1.2纸病图像的灰度特征纸病图像中目标纸病所占的比例很小,脏点,孑L洞和裂口这3类高对比度的纸病图像中,目标与背景的灰度有较大的差别.通过大量的实验统计表明,脏点处的灰度比背景灰度均值低25%左右,孔洞处的灰度则比背景灰度均值高25%左右,而裂口处的灰度比背景灰度均值高20%左右;像褶子这类灰度范围比较集中,目标的灰度与背景的灰度差别不大,但在褶皱处有较明显的灰度阶跃.由图1可知,脏点和褶子纸病图像的灰度都比较低,统计数据也表明这两类纸病区域几乎没有或很少有高于背景灰度均

5、值20%的像素点;而孔洞和裂口纸病图像目标纸病处的灰度比较高,高于背景灰度均值20%的像素点有很多.基于上面对4类纸病图像灰度特征分析,采用一种基于灰度经验的动态双阈值分割方法3J,提取纸病区域.首先计算纸病图像的灰度均值,再用图像背景灰度均值的1.2倍作为阈值分割,可以将这4类纸病图像分为两类分别进行处理:第一类为孔洞和裂口,第二类为脏点和褶子.然后,结合计算盒维数进行区分.收稿日期:201107-09项目来源:江苏省制浆造纸科学与技术重点实验室开放基金项目(编号:201010).作者简介:殷燕屏,女,1985年生;在读硕士研究生;主要研究方向:制浆造纸装备与控制技术,图像处理等.通信联系人

6、:熊智新,Email:leoxzx163.corn.42基于闽值分割及分形特征的纸病图像识别算法研究第26卷第4期脏点,孔洞和裂口的动态双阈值分割方法如下:对于孔洞,将高于背景灰度均值25%的像素点设为255;对于裂口,将高于背景灰度均值20%的像素点设为255;对于脏点,将低于背景灰度均值25%的像素点设为0,其余均设为纸病图像均值(为了便于显示分割效果).脏点,孔洞和裂口通过以上的动态双阈值分割方法初步分割出来后,再进行二值化处理并去除较小的杂点,如图2(a),(b),(d)所示.对于低对比度的纸病图像褶子,由于褶皱处灰度阶跃较明显,则采用Robe,s算子的边缘检测方法来对其分割,再经过形

7、态学操作除去图中的杂点(如图2(12)所示).由图2可知,脏点和褶子经过预处理后得到白色背景黑色目标纸病的二值纸病图像;而孔洞和裂口经过预处理后得到黑色背景白色目标纸病的二值纸病图像.研究后续盒维数计算中均以白色背景黑色目标的二值纸病图像为处理对象,因此像孔洞和裂口这两种纸病图像经过以上方法预处理后还应进行反色处理才能进行盒维数计算.是否需要进行反色处理可以通过分别计算二值图像中0,1像素的个数,分别记为n0与口l,由于在纸病图像中目标纸病相对于整张纸病图像(背景)所占的比例很小,因此若a0>al+100(即黑色区域大于白色区域),则需要反色处理.根据图像是否经过反色处理也可以将包含纸病

8、图像做如下判断:未反色处理,则有脏点或褶子纸病,否则含有孔洞或裂口纸病.2纸病图像的分形特征分析2.1分形盒维数的理论基础分形几何学(FractalGeometry)是法国数学家曼德布罗特(BenoitB.Mandelbrot)于1975年正式提出并创立的一种探索自然界复杂形态的数学分支J.分形理论主要研究一类不规则,混乱复杂,但其局部和整体具有相(a)脏点(c)褶子fb)孔洞图1纸病原图(a)脏点似性的几何图形.由于它在描述复杂现象方面的独特作用,被广泛应用于数学,物理,生物,化学,地质学,经济学等各个领域J,为人们研究复杂问题提供了新方法.一个集合,如果其Hausdorff维数严格大于其拓

9、扑维数,则称之为分形集.分形维数有不同的定义方式j,如Hausdofff维数D,相似维数Ds等.然而(d)裂口(b)孔洞(c)褶子(d)裂口图2纸病二值化图对于很多分形而言,Hausdorff维数和相似维数都是难以计算的,因此一些等价或近似的维数被提出来,应用最为广泛的是盒维数D.盒子维的定义为J:设集合FcR,是中的任意非空有限子集,记(F)是可以覆盖F且最大直径为8的集合的最小数,定义F的上下盒维数为:一dimB(F):(1)第26卷第4期基于阈值分割及分形特征的纸病图像识别算法研究43一dimn(F)=lira(2)若上下维相等,则定义F的盒维数为:dimB(,)=lm!nN一8l(F)

10、一(3)具体来讲,首先把图像进行二值化处理,对于一幅宽像素,高h像素的纸病图像,可视为一个h矩阵,像素点为黑色或白色,在相应的矩阵中分别用0或1表示.先构造递减序列,即:I】+1,)(4)也就是将图像逐次c等分(本研究选c:2).当8k一0,可以在双对数坐标系中拟合数据点(一l,lnN8),其斜率即是其分形维数的近似值D.图3是盒维数计算原理框图.干始,载入二值图像,提取其像素信息到矩<_,o:/+Yes将矩阵等分为().个子矩阵顺次组成的矩阵,计算非零子矩阵的个数.I添加当前计盒尺寸与数组,x=一ln=一ln(1/ca-y=lnNIlI+选择始末位置对数组,进行线性回归分析,拟合为:y

11、=ax+b,若线性相关,斜率的绝对值即为分形盒维数D输出分形盒维数De,结束图3盒维数计算原理框图分形维数描述对象的不规则度和自相似性的基本度量,在一定区间内具有标度不变性.一幅二维图像研究的是对象某一表面或截面的形态信息,如表面形貌,孔隙分布,裂纹扩展等,或者是揭示某一变化规律的曲线或图形,因此讨论研究实际对象的分形特征,从计算的角度看就是讨论其对应的二维图像的分形特征.在纸张抄造过程中因各种原因产生的纸病也可看作是一条分形曲线,应该能从其图像中提取出分形特征.2.2不同纸病图像的分形盒维数特征分形维数突破了传统的欧氏整数维观点,提出了分数维的概念.一般一条分形曲线的分形维数介于1和2之间,

12、数字图像盒维数越接近于2,表明关心区域越趋向于沿整个图像范围分布;盒维数在1附近,表明关心区域趋向于沿图像范围内某条直线分布;盒维数接近于0,表明关心区域是在图像范围内离散分布的一些小区域J.由此可见,分形盒维数较整数维可以更准切地反映对象的空间占有情况.已有研究表明,分形盒维数计算误差与关心区域(如孔洞,褶子等纸病)所占整个图像的比例有关,当关心区域相对整个图像过小时,所得有效数据过少,导致较大误差.因此,在具体计算中要适当调整好关心区域所占尺寸与图像尺寸之间的关系J.由于一般纸病相对于整张纸病图像所占的比例很小,因此也可能会导致盒维数计算误差较大.为减小误差及便于处理,本研究以能包裹住关心

13、区域最小的矩形将纸病图像中的目标纸病提取出来(如图4所示),再进行盒维数计算.为便于对比,将不提取目标纸病区域的盒维数计算方法命名为方法一,而进行目标纸病区域提取的盒维数计算方法命名为方法二.本研究采用包含脏点,孔洞,褶子和裂口的各20个纸病图像样品,在MATLAB7.0环境下编写盒维数计算程序,分别采用方法一及方法二计算各纸病图像盒维数,得出不同纸病图像盒维数范围,盒维数的平均值,结果如表1所示.由表1可知,不同纸病图像的分形盒维数有所不同,采用方法一计算时,较大孔洞的盒维数与褶子及裂口的盒维数较为接近,都趋于1,且有重叠部分,不同纸病盒维数差别不明显;当采用方法二计算时,点状纸病(脏点和孔

14、洞)及线状纸病(褶子和裂口)的盒维数则差别明显,其中脏点和孔洞盒维数绝大部图4目标纸病区域提取后的图像44基于阈值分割及分形特征的纸病图像识别算法研究第26卷第4期分在1.52.0之问,褶子和裂口盒维数绝大部分在0.91.1之间.其原因主要在于,采用方法二计算时,像脏点和孔洞这两种纸病由于提取目标纸病区域后,目标纸病区域趋向于沿整个图像范围分布,其数字图像盒维数较大,趋于2;对于褶子和裂口这两类纸病,目标纸病呈直线分布,其盒维数都趋于1.所以本研究采用方法二作为纸病图像盒维数特征计算方法.3基于图像阈值分割及盒维数特征的纸病识别算法设计基于以上对纸病图像的灰度特征及分形盒维数特征分析,本研究设

15、计了4种典型纸病识别算法,算法首先采用双阈值方法从背景中分割出纸病区域,然后计算反映纸病形状类型的分形盒维数,结合图像灰度均值阈值界限及盒维数计算结果,确定纸病的具体类型.基于图像阈值分割及盒维数特征的纸病识别算法设计的计算步骤:(1)开始,载入待判别纸病灰度图像,计算该纸病图像的灰度均值GrayAve.(2)阈值分割原始纸病灰度图像:如果像素灰度大于1.2XGrayAve,则置该像素点灰度为1,否则为0.去除小的干扰杂点,计算图像中灰度值为1的像素点个数tl,如果tl大于100,表明图像可能为孔洞或裂口,转(3);否则,图像可能为脏点,褶子或无纸病,转(6).(3)计算二值图像盒维数,如果盒

16、维数大于1.6,可能为孔洞,转(4);否则,可能为裂口,转(5)(4)阈值分割原始纸病灰度图像:如果像素灰度大于1.25GrayAve,则置该像素点灰度为1,否则为0.并去除小的干扰杂点,计算盒维数,如果盒维数大于1.6,确认为孑L洞,输出纸病类型,算法结束.(5)如果盒维数大于0.8,确认为裂口,输出纸病类型,算法结束.(6)重新载人待判别纸病灰度图像,采用R0.berts算子提取图像边缘,并去除小的干扰杂点.计算像素点为0的个数,如小于2O,为无纸病,否则,图像可能包含脏点或褶子,转(7).(7)计算盒维数,如果盒维数在0.81.2之间,可能为褶子或狭长脏点,转(8),否则,可能为脏点,转

17、(9).(8)阈值分割原始纸病灰度图像:如果像素灰度小于0.75GrayAve,则置该像素点灰度为0,否则为1.去除小的干扰杂点,计算像素点为0的个数3,如果t3为0,则确定为褶子,否则为狭长脏点,输出纸病类型,算法结束.(9)阈值分割原始纸病灰度图像:如果像素灰度小于0.75GrayAve,则置该像素点灰度为0,否则为1.去除小的干扰杂点,计算盒维数,如果盒维数大于1.5,确认为脏点,输出纸病类型,算法结束.需要说明的是,上述算法把无纸病,脏点和褶子放在一起采用边缘检测,无纸病图像的灰度分布一般比较均匀,边缘不明显,边缘检测图像去除杂点后图像趋于全白.褶子和狭长脏点经过边缘提取及去除小的干扰

18、杂点后,进行盒维数计算,因均在空间呈直线分布,其结果在0.81.2之间,由于褶子的灰度远没有脏点处的灰度低,所以在第(8)步采用较低的阈值0.75GrayAve就可把褶子与狭长脏点区分出来了.对于一般点状脏点,因褶子整幅图的灰度比较集中,褶皱处灰度阶跃较明显,经边缘检测后,褶子图像在空间直线分布明显,而点状脏点分布情况和孔洞类似,是沿整个图像范围分布,由第(9)步计算其盒维数,如果在1.5以上,则可肯定为脏点.实际上在以上算法中,通过初步双阈值分割及盒维数计算结果大致可以判断纸病类型,因此第(4),(5),(9)步是非必要的,之所以加上这几步,是为了利用盒维数特征进一步判断纸病性状,确保纸病识

19、别算法的稳健性,减少误判的可能.另外,纸机生产线上不会时刻改变抄造的纸种,第26卷第4期基于阈值分割及分形特征的纸病图像识别算法研究45因此纸张图像的灰度在一定时间段内并不会出现太大的变化,因此算法中也就不需要对每一张纸张图像计算灰度均值GrayAve,而只需在纸病检测系统中设置定时抽取样本计算灰度均值,这样可减少计算量,同时保证阈值选取的准确性.4结语采用基于图像灰度特征的双阈值分割及二值图像分形盒维数特征提取技术,设计了可对脏点,孑L洞,褶子和裂口这4类纸病进行有效识别的算法,大量实际样品检测正确率在90%以上.总体上讲,该算法原理清晰,运算量小,检测快速,具有较好的鲁棒性.虽然当成纸仅包

20、含较小脏点时,该算法可能会识别为无纸病,不过这点在实际生产中可以接受,因为对于较小脏点一般纸厂会认为是无纸病.另外,该算法仅能对包含脏点,孔洞,褶子和裂口4类纸病之一的纸病图像进行识别,如果一张图像上同时有多种,多个纸病或还有其他纸病的情况下,算法识别效果还有待于进一步研究提高.参考文献1关健华.全幅纸病检测技术及在造纸中的应用J.中国造纸,2000,19(6):32.2徐志鹏,须文波.基于小波奇异性的纸病检测J.中国造纸学报,2004,19(2):146.3吴冰,秦志远.自动确定图像二值化最佳阈值的新方法J.测绘学院,200118(4):283.4MandelbrotBB.Thefracta

21、lgeometryofnatureM.上海:上海远东出版社,1998.5黄小葳.分形维数计算程序的设计及其应用J.北京联合大学:自然科学版,2004,18(4):33.6XieHP.FraetalsinrockmechanicsM.Netherlands:A.A.BalkelrlaPress,1993.7李水根.分形Mj.北京:高等教育出版社,2004.8彭瑞东,谢和平,鞠杨.二维数字图像分形维数的计算方法J.中国矿业大学,2004,33(1):19.IdentificationAlgorithmofPaperDefectsBasedonThresholdSegmentationandFractalCharacteristicsYINYanpingXIONGZhi-xinHUMuyi(JiangsuProvincialKeyLabofPulpa