基于x射线成像系统的灌装液位检测设备的研究项目验收工作

PAGE25PAGEii基于X射线成像系统的灌装液位检测设备的研究项目验收工作总结报告项目编号20123A354中山职业技术学院目录TOC\o"1-3"\h\u一、项目概述 31.1项目的基本信息，项目来源 31.2立项依据及承担人状况 31.2.1目的意义： 31.2.2.国内外概况： 41.2.3市场预测与发展趋势 51.2.4液位检测技术和设备应用的现状 61.2.5承担人概况 91.3研究内容，技术方案、方法和技术路线的选择等 101.3.1具体研究开发内容 101.3.2.采用的研究方法，技术路线的选择 11二、项目研究进程与主要工作 122.1用于液位检测的X射线成像系统 122.1.1X射线的特性 122.1.2X射线与物质的相互作用 132.1.3X射线的衰减规律 142.2X射线实时成像器件 152.2.1X射线机 162.2.2图像增强器 172.2.3CCD摄像机 182.2.4图像采集卡 192.3X射线液位图像获取 202.3.1X射线液位图像的特征分析 202.3.2管电压与管电流的设定 212.4图像液位检测系统的原理及构成 262.4.1嵌入式硬件设计 262.5.基于脉冲耦合神经网络的X射线图像处理方法 292.5.1脉冲耦合神经网络 292.5.2基于PCNN的X射线图像去噪滤波 302.6图像边缘检测 352.6.1经典的边缘检测算子 352.6.2Canny边缘检测方法 352.6.3检测效果分析与比较 372.7X射线液位检测算法 392.7.1基于Canny方法的液位检测新算法 392.8X射线液位检测系统试验 432.8.1试验系统与试验方法 432.8.2平静液位的检测试验 452.8.3起伏液位的检测试验 472.8.4试验系统精度与液位检测算法的关系 49三、合同指标的完成情况 49四、项目经费使用情况 50五、项目人员组成及分工 51六、项目取得的成效 52七、对项目执行情况的自我整体评价，对项目应用和转化的设想、建议 52PAGE25PAGE52一、项目概述1.1项目的基本信息，项目来源基于X射线成像系统的灌装液位检测设备的研究项目是中山市2012科技计划项目，该项目由中山职业技术学院承担，本项目来源于中山市富田食品有限公司真实项目。1.2立项依据及承担人状况1.2.1目的意义：啤酒是人们日常生活中的一个重要组成部分，据俄罗斯《新消息报》报道，中国啤酒消费量为世界第一，美国、德国、巴西与俄罗斯紧随其后。去年全国啤酒消费量约287亿升，即574亿瓶500ml的啤酒。如此大的需求量要求啤酒生产商必须采用高效优质的啤酒生产工艺。随着科技的发展，工业生产的自动化水平越来越高。啤酒灌装也实现了全自动的流水线作业。其中包括洗瓶、灌装、杀菌、贴标和装箱等过程。整个流水作业中啤酒包装的过程中实施检测的有两部分，一部分是对空瓶的检测，包括检测清洗是否干净、有无碎瓶和异瓶等。另一部分就是对灌装压盖后的成品啤酒进行检测。在啤酒灌装生产线上，由于灌装机器的长时间运转，经常会出现灌装嘴的堵塞或灌装压力不足等现象，导致一些“半瓶”的啤酒被灌装压盖。由于啤酒的易氧化变质的特点使得这些“半瓶”啤酒不能再重新开盖灌装，只能作为废品被弃掉，同时由于啤酒瓶在验瓶过程中是单排通过，所以这一工序的日工作量就是整条生产线的日产量，故一套高效、精确的验瓶系统对于整条啤酒灌装生产线就显得尤为重要。而采用视觉传感器对啤酒液位检测具有非接触、高精度、高效率的特点。同时由其构成的检测系统体积小巧，便于安装，利于集成到生产线上的灌装压盖机中，可提高该机器在同行业中的竞争力。因此，设计出符合我国国情的液位测试装置对我国啤酒生产装备国产化具有重要的社会效益和经济效益。1.2.2.国内外概况：国外状况国外的生产工艺比较发达,生产的传感器能够满足速度和精度要求,无损检测技术发展极为先进。对于现代精密液位检测技术的研究较为成熟,产品包括了各种技术,其中德国、美国已有多家公司推出了较为先进的产品和方案。德国HEUFT公司生产的HEUFTVX灌装管理系统和HEUFTbasic满瓶检测系统，采用高频、伽马射线、红外线、可见光以及X射线等技术进行液位检测，可用于检测液位不足或液位超高。除了检测液位，也可对封盖、标签进行检测。HEUFT开发的reflexx图像处理软件可以进行自动识别，与rejector剔除系统配合,可以实现将不合格产品剔除。成立于1977年的miho公司，现已成为世界上液位检测领域的顶级公司之一。该公司生产的液位检测机器包括NewtonHF\Optical\Infracon\X系列，产品被世界上许多公司采用。mihoInfracon红外线液位检测仪的检测精度为1mm。X射线液位检测机不仅具有较高的检测精度，而且应用于生产线上,其软件算法能够较好的克服比如液面起伏带来的影响。德国的BBULL公司、KRONES公司，美国的TAPTONE公司、Filtec公司等也推出了具有液位检测功能的灌装控制系统，所采用的技术包括高频、光学、射线等。国外对于液位检测的研究较为成熟,但由于保密原因,所用算法及技术细节无从知晓。国内状况我国在液位检测方面的研究起步较晚,前期主要采用人工目测、机械式方法，近年来由于国内企业的生产需求，带动了此领域研究工作一定程度的发展。在基于机器视觉(图像处理)技术的液位检测上，涌现出一些有代表性的思路和算法。潘俊民等在金属熔液浇注过程中，使用机器视觉技术，动态测量浇口杯中金属熔液的液位，控制浇注过程。他们在浇口杯上方倾斜安装一摄像机，通过计算图像中熔液区域面积的大小，换算得浇口杯内液位高度。刘振安等将液位高度的提取应用于测量液体粘度的实验中，他们使用图像测量识别方法检测出液体在细玻璃管中流动时不同时刻的液位高度，从而计算粘度。矫德强在啤酒瓶液位检测中应用了基于CCD的图像处理算法，使用图像分割、边缘检测方法对一副静态啤酒瓶图像中的液位线实现了识别。但是该方法没有实现系统的动态运行，在液位线的标定、实时性要求上也有待改进。实际应用上，生产企业多是从国外引进检测设备，比如南京金陵啤酒厂引进的是德国HEUFT公司的系统，不仅价格昂贵，维修等售后服务也不方便。1.2.3市场预测与发展趋势我国是世界上重要的啤酒和饮料生产和消费国家，资料显示,2008年中国啤酒产量首次突破5000万千升大关，达到5061万千升,同比增长5.2%，产销量已连续四年位居世界第一，2010年中国啤酒行业的总产销量销突破了6000万吨，比2006年的总产销量增长了16.3%。饮料方面，2008年我国规模饮料生产企业961家，饮料生产总产量2912.43万吨。2008年我国人均饮料消费约32.4L。2010年，中国的软饮料产量达到了6380万吨，成为全球第三大软饮料市场。随着国内经济形势的良好发展，人民群众收入水平的提高，啤酒和饮料的消费需求将会保持稳步的发展态势。相应的,我国的啤酒和饮料生产能力也将需要快速提高。虽然我国的啤酒或饮料产量惊人，但是生产企业的规模普遍不大，即使在国内举足轻重的企业，在生产实力和装备水平上也难及一些著名的跨国公司。随着经济全球化的发展，尤其是中国加入WTO以来，整个市场更趋国际化，一些大型的跨国企业纷纷涌入中国这个潜力巨大的消费市场，使得本来相对弱小的国内本土企业面临残酷的竞争压力。为此，中国企业一方面通过兼并等方式壮大自己的实力，一方面又必须努力提高自身的产品质量。产品净含量是否达标是产品质量的一个重要指标，普通消费者总是以是否短斤少两来衡量一个商家的诚信度，从生产企业考虑，为了维护自身形象，也为了长久地生存，必须重视产品的净含量是否准确。国家质量监督检验检疫总局在2005年10月9日颁布国家计量技术规范5和定量包装商品净含量计量检验规则6，对定量包装商品(包括啤酒饮料产品)的净含量和允许短缺量有着严格的要求。为了能够保证产品的质量，提高生产速度，国内很多大型生产企业纷纷引进国外先进的加工制造设备和自动化生产线，国内的很多科研机构也通过学习国外的先进技术研制出很多性能较好的生产设备。定量灌装技术和液位检测技术是这些自动化生产线上不可或缺的两项技术，定量灌装是采用精确流量计进行定量的灌装控制，但实际上由于设备老化或偶然因素等原因，灌装后的产品含量也可能发生偏差，液位检测技术就可用于对灌装后的产品进行净含量检测，更好的控制产品的计量。液位检测，又称液面检测、填充度(FillLevel)检测，是对容器盛装液体液面位置的探测，实际上是对液体体积的检测，液位自动检测技术能够在线检测出产品容量的合格与否，剔除过量或缺量产品，保证产品的足量下线。因此，液位检测是现代化生产线所必需的，它不仅决定一个企业的生产效率，也将影响一个企业的未来成败。本项目完成后，灌装饮料生产速度快，能极大提高企业的工作效率，效率能提高4倍，节约人工，降低成本。该设备的推出，必将受到这些企业的关注和欢迎。同时也使这些企业由劳动密集型产业转向技术和技术密集型产业转变，市场前景广。1.2.4液位检测技术和设备应用的现状一、可见光检测法可见光检测属于机器视觉检测法，它是指对能够反映液位情况的视觉图像进行分析处理,得出液位信息的方法。从目前国内外研究来看,使用可见光检测液位的系统一般由四部分组成:可见光源、CCD摄像头、图像处理芯片以及相应的图像处理软件,如图1-1所示。图1-1可见光检测法示意图由LED发光二极管组成的闪光系统提供高质量的闪光源,对透明或半透明的液体闪光源使用透射光,对不透明的液体使用反射光,配以特殊的光学镜头系统,CCD就能够采集到具有明显分界面的液位图像，CCD摄像机把从生产线上拍摄的瓶体通过光学成像和数字化转换成数字图像；由图像处理芯片或工业计算机对此数字图像进行处理,比如可能经过预处理、图像分析、特征提取、图像识别等过程，最终得到与液位相关的结果。这种方法理论上思路清晰，能够准确获知液位值并进行判别。研究的热点和难点在于图像处理和液位识别的算法。目前相关的公开论文，大多对固定位置的瓶体进行检测，且处理算法多用传统的经典理论，这种使用可见光源的检测方法不能用于透明度较低或不透明的瓶体。二、红外线检测法利用液体对红外线的吸收能力，可以精确地检测液位。这种方法一般需要两组红外光电检测器(对射式红外光电管)来检测过高和过低液位的瓶子并把它们剔除出来,如图1-2所示。a.检测过高液位的传感器b.检测过低液位的传感器图1-2红外光电检测器两组检测器的位置确定了液位测量的范围，图a上方的那组传感器确定了高液位的限度，当瓶子中液体的高度高于这个限度时，传感器发出的红外线被吸收，相应的红外接收管输出一高电平信号，通知控制电路检测到一个高液位瓶；同理，图b下方的那组传感器确定了低液位的限度，当瓶子中液体的高度低于这个限度时，传感器发出的红外线就不会被吸收，相应红外接收管输出低电平，通知控制电路检测到一个低液位瓶。红外线传感器检测方法安装简便，容易实现,生产效率高"但是，这种方法只能被动地对液位是否合格进行判断,无法准确得知液位数值。另外，由于红外线的波长比可见光还长，因而这种对射式检测不能用于金属瓶体。三、红外热成像检测法任何温度在绝对零度以上的物体，都会因自身的分子运动而辐射出红外线，物体的温度与其所发出的红外辐射能量强度成比例，利用红外热像仪将物体辐射的功率信号转换成与物体表面热分布相应的热像图。如果对灌装好的易拉罐短时间加热，罐头壁的温度将有两个不同的区域：罐头壁的下部分由于盛放饮料,热量被饮料吸收,温度变化较小；罐头壁的上部分由于没有饮料,温度上升较多。这样，罐头壁下部分的温度低于上部分的温度，两部分温度的分界线就是液位。红外成像器把罐头的热成像图照下来,得到一张灰度图像。由于灰度与温度之间存在着确定的对应关系，因而通过对灰度图像进行处理，得到图像中灰度变化的分界线,从而得到液位。这种方法理论上对包装材料没有要求"但是对环境温度的影响苛刻,并且在目前技术条件下，红外成像的精度有待提高。四、高频电磁波检测法这种方法也是利用物质对电磁波的吸收原理。当电磁波通过介质时,由于吸收导致的能量减少服从朗伯-贝尔定律。即式中N-介质的分子数；L-介质的吸收系数；-电磁波入射波强；-电磁波出射波；采用这种方法,在瓶体的两侧设置一对高频传感器,电磁波从一端发出,经过空气、瓶体(玻璃或PET塑料)和液体这些介质后到达另一检测端。由于检测的是液体的体积，所以灌注后瓶子中产生的气泡不会对检测精度产生影响，但是由于金属包装对电磁波的屏蔽作用，此方法不能应用于金属罐装饮料的检测。五、超声波检测法超声波与声波本质相同，都是物体的机械振动在弹性介质中传播所形成的机械振动波。人类耳朵能听到的声波频率为20Hz~20000Hz。超声波是指频率在、不能引起正常人听觉反应的机械振动波。超声波的反射和折射遵守几何光学规律,液位检测正是利用这一性质。超声波液位检测方法有很多,其中应用较广的是脉冲回波法。其基本工作原理是：脉冲信号激励超声波发生器产生超声波，超声波通过介质传到两种不同介质的分界面,由于两种介质(比如液体与空气)的密度相差悬殊，超声波几乎全部被反射形成反射波,反射波再经介质传回超声波接收器,接收器将超声波信号转换成电信号,然后根据超声波从发射到接收所需的时间及超声波在介质中传播速度来计算出液位的高度。由于超声波在液面附近可能产生多重反射和干涉现象，并且超声波传播速度受空气温度的影响很大，因此此方法需要复杂的数据处理算法,并且造价较高。六、X射线检测法X射线能够穿透包括金属在内的物体。强度均匀的射线照射被检物体时,由于发生吸收等相互作用而使能量产生衰减。当射线通过被检物体时,物体中不同结构特征的部位(如瓶子中的饮料部分与空气部分)对射线的吸收能力不同,因此，可以通过检测透过被检物体后的射线强度的差异,来判断被检测物体的结构特征,这是X射线检测的基本原理。射线被接收以后的处理有两种方式。一种是进行电路分析，利用射线激发闪烁物质发出光电子，经光电倍增后输出脉冲电流,经过对脉冲进行电路分析获得射线能量信息，这种方式较为复杂。另一种是将射线强度转化成灰度图像进行显示分析，直观的反映物体信息，这一种方式又叫X射线成像技术。严格的说，X射线成像技术也是机器视觉技术的一种。使用X射线成像技术进行无损检测,对环境要求低,检测精度较高,是当前研究的热点。由于X射线对金属的穿透性，在金属包装检测上具有独到的优势，目前在安全检测、食品检测、工业探伤等领域应用广泛。不同的方法其特性各异，适用于不同的场合。光学检测，基于图像处理技术，理论上思路清晰，但仅适用于透明或半透明的瓶体。红外线检测，不能准确获得液位数值，且不能适用于金属瓶体。红外热成像法，测试条件较为苛刻，易受环境温度影响。高频法也不能用于金属瓶体检测。超声波法算法复杂，造价较高。射线检测(以X射线成像技术为基础)可以检测金属包装，但需要设计合适的图像处理算法。1.2.5承担人概况中山职业技术学院是一所省市共管、以市为主，面向社会，面向市场，培养高端技能型人才的公办全日制普通高等学校。筹建于2005年，2006年6月正式挂牌成立，2010年6月顺利通过教育部人才培养工作评估。学院占地面积620亩，建筑面积19.2万平方米。校园环境幽雅、文风浓郁、设施齐全，拥有各类图书共计86.9万册。学院设有机电工程系、电子信息工程系、计算机工程系、经济管理系、艺术设计系、化学工程系、基础教学部和思想政治理论课教学部，实施“一镇一品一专业”专业布局，建成了与当地产业密切相关的33个专业。拥有中央财政支持的重点建设专业2个，省重点专业2个，省重点培育专业2个，电梯维护与管理、灯具设计与工艺、创业管理是全国高职高专首开专业。学院现有全日制学生7000余人，成人教育在籍学生近5600人，毕业生就业率连续五年超过98%，居省内高校前列。2008至2010年学院师生专利授权量均居广东高职院校第一名。坚持学历教育与技能培训并重思路办学，为中山市经济社会发展提供人才支撑；积极开展对外合作办学，先后和英国、澳大利亚、德国等多个国家知名大学建立合作关系。学院大力实施高级人才引进工程、教授+技师培养工程、专任教师工学结合工程、骨干教师国际化培训工程和能工巧匠落户工程，拥有330余名专任教师，和以世界级手模大师马乐山、明阳风电集团董事长张传卫等为代表的逾百名客座教授。学院积极探索“政校企合作”人才培养模式，是省教育综合改革试点。与200余家企业深度合作，引进30家市内行业协会入校办公，与多个镇区共建产业学院。大力推进产学研一体化，服务地方经济与社会发展，组建了7个市级应用技术研究所，80多名教师成为省、市级科技特派员，首期投资1.3亿元的工业中心项目已启动建设。学院自觉践行科学发展观要求，按照强化内涵建设、深化教育教学改革、建设和谐校园的整体思路，遵循质量立校、人才强校、创新名校的治校方略，为建设“特色鲜明、国内一流”的现代化高职院校而努力。1.3研究内容，技术方案、方法和技术路线的选择等1.3.1具体研究开发内容本项目具体研究开发的内容如下：一、用于液位检测的X射线成像系统本文阐述了X射线成像设备的工作原理,分析了X射线下金属罐装饮料液位图像特点,试验研究了图像灰度与管电压、管电流的关系,选取了合理的X射线成像系统参数。在分析X射线图像噪声来源的基础上,论文提出基于脉冲耦合神经网络的降噪滤波方法,试验表明该方法较好地弥补了经典滤波方法的不足。二、基于脉冲耦合神经网络的X射线图像处理方法鉴于图像法液位测量中传统标定方式的不足,根据研究对象的形体特征,论文提出一种依据实际距离比例对应像素距离比例关系的标定方法。在此基础上，提出一种基于Canny方法的X射线液位检测新算法,即在改进Canny边缘检测过程的基础上,进行基于曲线拟合的液位边缘连接,利用统计方法提取液位信息"论文还提出一种基于Hough变换的瓶体倾斜轮廓自动校正方法,提高了液位检测算法的抗干扰性。三、X射线液位检测算法设计了一种基于Canny方法的X射线液位检测新算法。该算法在Canny边缘检测的基础上,进行基于曲线拟合的液位边缘连接,利用统计方法提取瓶体直径和液顶距离,依据比例标定法进行比例运算,得到液位检测结果。四、建立了X射线液位检测系统试验利用实验室的试验系统,对X射线液位检测算法进行准确性试验,结果表明该液位检测算法能够适应生产线的在线检测环境,具有一定的抗干扰性,基本满足当前生产线的检测需求"通过算法的优化和硬件设备技术的改进,系统性能将会更加完善。在瓶体随着匀速行进的传送带流动过程中,可能出现多种状态。本项目针对下列几种主要情形进行试验:液位平静状态：这是处于匀速运动中最常见的液面状态。当瓶体所在传送带位置为非水平区域时,可能出现瓶体倾斜现象。(2)液位起伏状态：当流动中的瓶体匀速运动状态发生改变,或存在瞬间的非零加速度时,液位会发生起伏现象,也可能同时发生瓶体倾斜。1.3.2.采用的研究方法，技术路线的选择1、本项目采用研究方法为保证课题能沿着正确的研究方向进行。拟采取的研究方法从整体看，本着“提出问题→分析问题→解决问题”的逻辑顺序，运用实证分析和理论分析相结合、实证分析和比较分析相结合、静态分析和动态分析相结合以及定量分析和定性分析相结合等研究方法。具体的研究方法如下：①调研法对广东省，特别是对珠三角地区饮料、啤酒行业进行广泛、细致的实地调查。了解当地饮料罐装生产方式。与合作企业积极沟通了解他们对灌装液位检测设备的要求。②文献研究法通过中山职业技术学院图书馆搜索中国期刊网和维普网相关科技文献，了解国内关于该项技术最新研究成果，在课题研究过程中，可将最新技术借鉴或应用与该设备的研制③讨论法课题组成员与合作方技术人员定期召开小型讨论会分享和交流近期工作成果。通过与合作厂方代表定期交流可及时了解客户的诉求，可保证课题的研究一直按照学校和企业的共同目标进行。④实验法对于新的方案设计，在采纳之前尽量进行相关实验了解新方案的工作效果，以确保方案的可行性。二、项目研究进程与主要工作2.1用于液位检测的X射线成像系统自20世纪70年代以后，X射线成像检测技术得到了快速发展，X射线实时成像检验技术开始广泛应用于工业探伤、管道检测、焊缝检测、医学透视、印刷电路等方面。在X射线液位检测系统中，X射线成像系统是液位图像的采集装置，它完成用X射线对待检测产品的实时透射成像，继而输出至工业计算机进行数据处理和液位检测。2.1.1X射线的特性X射线是在1895年由德国物理学家伦琴.威廉.康拉德(W.K.Rontgen)发现的，因此又叫伦琴射线。X射线是由高速运动的电子撞击金属靶时急剧减速，动能转换为电磁辐射而产生，所以X射线和可见光、无线电和射线一样，也是一种电磁波，其在电磁波谱中的位置如图2-1所示。图2-1电磁波谱图电磁波在空间传播时满足：（2-1）其中为波长，为频率，C为电磁波在真空中的传播速度，为。X射线对人眼不可见，但它能穿透一般可见光不能穿透的物质。X射线的特性可以用量和质来体现。射线的量往往用射线强度来表示，而射线的质则用射线的硬度表示。射线强度指单位时间内在垂直于射线传播的方向的单位面积上所通过射线的能量。它取决于单位时间内通过垂直于传播方向上单位面积的光子数与每个光子能量两个因素。对于由相同能量光子组成的单色谱,其强度为：(2-2)其中：N为每秒钟通过单位面积的光子数，为光子能量。射线硬度衡量光子能量及穿透性的大小。由式(2-1)、(2-2)可知，波长较短的X射线，其光子能量大，穿透物体的能力强，称为硬X射线。相对的，波长较长的X射线光子能量小，穿透能力相对较弱，称为软X射线。X射线划分只是相对而言，没有严格的科学区分。通常按照产生的管电压的不同将X射线分为软X射线(10~50KV)和硬X射线(大约在50~300KV)。应用X射线对物质进行检测时需要根据具体的检测对象选择X射线的能量，若被检测物质密度、厚度较大时,应选用能量较大、穿透能力较强的硬射线；当被检测物质为轻质金属或非金属物质时,应选用较软的射线。在液位检测中一般使用软X射线。2.1.2X射线与物质的相互作用X射线和其它电磁波一样，能产生反射、折射、散射、干涉、衍射、偏振和吸收等现象，当X射线穿透物质时，与原子中的电子、原子核、带电粒子的电场以及原子核的介子场发生相互作用，由于这种相互作用而导致强度减弱。在与物质相互作用过程中引起强度减弱主要有两种原因:吸收与散射。吸收是一种能量转换过程，X射线穿透物质时都会被部分吸收，其强度将逐渐衰减；吸收的程度与物质的组成!密度和厚度有关。射线的能量被物质吸收后转变为热能等其他形式的能量。这种能量转化主要包括光电效应、俄歇效应和电子对效应。散射过程则仅使射线的传播方向改变，射线的能量形式和本质不发生变化。X射线散射的过程又可分为两种，只引起X射线方向的改变，不引起能量变化，这种散射称为相干散射，这是X射线衍射的物理基础；既引起X射线光子方向改变，也引起其能量改变的散射，称为不相干散射或康普顿散射或康普顿效应，此过程同时产生反冲电子(光电子)。2.1.3X射线的衰减规律1、距离引起的衰减X射线属于电磁波，它服从电磁波在空间的衰减规律。设X射线源为点0，在以0点为中心而半径不同的各球面上的X射线强度与距离(半径)的平方成反比，此即平方反比定律。严格的说，平方反比定律只有在真空传播中才能成立。实际中由于空气引起的衰减甚微，在一般射线检测中可以按照真空环境对待。2、物质引起的衰减当X射线穿透物质时，由于射线和构成物质的原子相互作用而产生吸收和散射的衰减，称为物质引起的衰减，如图2-2所示。图2-2X射线的衰减X射线检测正是基于了物质对射线的衰减特性。强度均匀的射线照射被检物体时，由于发生吸收等相互作用而使能量产生衰减，衰减程度与射线的能量(波长)以及被穿透物体的厚度和密度等结构特征有关。当特定强度的射线通过被检物体时，物体中不同结构特征的部位(如瓶子中的饮料部分与空气部分)对射线的衰减不同，因此通过检测透过被检物体后的射线强度的差异，来判断被检测物体的结构特征，这就是X射线透视检测的基本原理。2.2X射线实时成像器件X射线实时成像系统能实时地检测被检测物件的内部结构、大小和位置分布等方面的信息，实时、快速、动态的评价被测物件的质量，是当前无损检测自动化技术中较为成功的一种技术。目前，X射线实时成像系统一般是利用X射线源透射被检物件，在荧光屏或图像增强器上成像，通过工业摄像机进行摄像，将图像视频输入到计算机显示到屏幕上，以便后续根据图像信息进行物件质量信息判定。这种系统的典型结构如图2-3所示，主要包括X射线机(X射线源)、图像增强器、摄像机和图像显示系统。图2-3典型X射线实时成像系统的组成器件2.2.1X射线机X射线机是产生射线的部件，它的质量直接影响系统的成像效果。目前工业检测中的X射线机大多采用高压电激发射线管产生射线的方式，从结构上看X射线机由X射线管、高压发生器、冷却器等部分组成。其中，X射线管是核心部件，如图2-4所示，它由阴极、阳极、高真空玻璃管和防护外壳组成。图2-4X射线管结构示意图阴极是一加热灯丝，耐高温的靶是阳极，X射线管工作时，阴极接负高压，阳极带正电压或接地，灯丝在电流加热下发出热电子，这些热电子在管电压形成电场的作用下聚焦并高速轰击到阳极靶面上，X射线光子发出，从射线管的窗口发射出去，形成X射线。管电压和管电流是衡量X射线机性能的主要技术指标，决定了产生射线的硬度(穿透性)和强度。课题中的X射线机是丹东万全无损检测仪器厂的XGF-604型X射线机，其主要参数见下表2-1。表2-1X射线发生器参数表技术指标性能参数技术指标性能参数外部尺寸X射线管管电压15~60kv连续可调输入220V50HZX射线管管电流0.1~4mA连续可调最大消耗功率280WX射线出射角60°2.2.2图像增强器X射线图像增强器(ImageIntensifier)能将低密度的X射线图像转化为可见光图像输出，并使其输出面的亮度大幅提高。如图2-3所示,它主要由射线窗口、输入屏(包括荧光面和光电面)、聚焦电极和输出屏构成。在图像增强器中完成X射线)可见光-电子-可见光的转换过程。入射的X射线影像由输入屏的荧光面转换成可见光影像，再由光电面上的光电阴极物质转换成电子影像；光电子在光电阴极、聚焦电极共同形成的静电透镜作用下加速、聚焦，在输出屏上高能电子转换成可见光影像。由于光电子在静电场获取能量，电子速度和动能大大增加，且输入屏面积大于输出屏，光密度增加，从而使其输出影像亮度比普通荧光亮度大大提高。影像增强器与CCD摄像机相配合，将射线图像采集方式从传统的荧光屏式底片成像中解放出来，实现了透视亮度自动调节，降低了X线剂量，并可使图像通过图像采集卡传送至计算机中实时观察、显示，扩展了X射线在工业上的应用范围。本试验中使用的是法国泰雷兹电子器件公司6英寸屏TH9466HP型图像增强器，技术参数和性能指标如表2-2所示。表2-2TH9466HP型图像增强器光电特性参数表技术指标性能参数技术指标性能参数外部直径（外径）极限分辨率48Lp/cm输出图像直径15mm对比度17:1入射野尺寸36mm2.2.3CCD摄像机CCD摄像机是工业图像采集领域的常用器件，其主要由光学镜头、CCD传感器以及输出电路组成。其中CCD传感器是核心部件。电荷藕合器件图像传感器CCD(ChargeCoupledDevice)由一种高感光度的半导体材料制成的光电转换器件，CCD由光敏单元、输入结构和输出结构等部分组成,其突出特点是以电荷作为信号载体，当入射光照射到CCD光敏单元上时，光敏单元中将产生光生电荷，所有的光敏单元所产生的电信号组合在一起，就构成了一幅/以电荷为像素内容的图像。CCD传感器分为线阵式CCD和面阵式CCD。线阵式CCD用于高分辨率的静态照相机，它每次只拍摄图像的一条线，这与平板扫描仪扫描照片的方法相同，这种CCD精度高，速度慢，无法用来拍摄移动的物体，也无法使用闪光灯。面阵式CCD，它的每一个光敏元件代表图像中的一个像素，当快门打开时，整个图像一次同时曝光，适合于动态摄像。本研究选用敏通公司的1/2英寸面阵CCD摄像器件MS-2821E黑白摄像机，配置日本COMPUTAR生产的H620812M电动三可变光学镜头，接收射线增强器的可见光图像，转变成模拟视频信号输出。该视频信号可以在模拟显像管中直接显示，也可以经过数字化以后输入计算机进行处理。MS-2821E摄像机性能参数如表2-3所示。技术指标性能参数技术指标性能参数外形尺寸伽玛修正0.45影像传感器1/2英寸视频输出1.0Vp-p75有效像素信噪比0~20dB总像素电源12伏信号系统CCIR直流210mA扫描系统625线，60场/秒视频接口BNC芯片大小2.2.4图像采集卡由CCD摄像机输出的模拟视频信号需要经过图像采集卡完成数字化过程，才能进入计算机。视频信号首先经抗混叠滤波；然后根据应用系统对图像分辨率的要求，用采样/保持电路对此模拟信号在时域/空域进行间隔采样；再由A/D转换器进行量化编码成数字序列，这些数字序列通过PCI接口传送至计算机的先入先出(FIFO)存储器，程序从FIFO中读取数字序列,按照采集时的行列规则重新组合，形成二维数字图像。本研究中采用加拿大Matrox公司的的标准型MeteorIIStandard图像采集卡，此采集卡支持NTSC/PAL/RS-170/CCIR输入模式，彩色/黑白PCI采集，7路视频输入，4MB视频传输缓存，可选MJPEG实时压缩模块，并具有触发功能。通过采集卡上的VIA(VideoInterfaceASIC)可实现摄像机图像到计算机内存的可靠实时传送,最高传输速率可达到132Mb/s。在采集过程中，由于采集卡传送数据采用PCIMasterBurst方式，图像传送几乎不占用CPU时间，留给CPU更多的时间用于图像的运算与处理。为了能获得清晰图像，本研究对图像采集卡进行了如下设置：设置输入信号模式为：PAL制；设置输入信道触发模式为：外部触发；设置图像扫描方式：隔行扫描；设置图像显示方式：按帧显示；设置图像保存格式：BMP格式；设置采集窗口的范围：760×500(pixel)。2.3X射线液位图像获取2.3.1X射线液位图像的特征分析一瓶355ml听装饮料(易拉罐)经过X射线照射，图像增强器将其投影转换为可视光信号，再由CCD摄像机获取图像进入计算机。在计算机屏幕上观察到的数字图像如图2-5(以液位线为中心进行了截取)。可见，射线透射下的液位图像灰度较暗，对比度不高，而且噪声干扰严重，图像比较模糊，有黑或白的闪点。噪声主要是在图像采集过程中由图像增强器和CCD摄像机产生或引入的，这在射线成像的过程中不可避免。图2-5X射线液位图像在图像的内容上，呈现灰度差异的几个部分分别是背景、瓶体边缘、瓶中空部、瓶中液体，各个部分影像的灰度差别是由于它们材质或数量的差异。液体部分对射线的衰减较大；空气部分，吸收X射线的材料仅是瓶子的两层铝壁，对射线的衰减相对较小，此部分的灰度与背景接近;瓶子的两侧边缘与射线方向相切，瓶子顶盖与射线方向平行，在这些部位射线透射的铝材较厚，衰减较大，因而灰度较暗。对于液位检测来说，图像的边缘信息是分析处理的重要依据。在液位图像中，视觉上可以分辨的边缘包括瓶体(包括侧边和顶盖)与背景的边缘、液体与空气的边缘(即液位线)、顶盖的下边界等。经过观察不难发现，这些边缘主要呈现水平或竖直方向，这一点与实际情况相符。不过，这些边缘都受到噪声的干扰，总体上比较模糊，尤其是液位线，噪声干扰较为突出。值得注意的是，从射线液位图像中也可发现，除了由于实际物体的边界产生的边缘，以及可以辨别的噪声以外，不存在其他明显的纹理信息，背景和液体影像内部的灰度分布较为均匀。2.3.2管电压与管电流的设定X射线管的管电压和管电流直接决定了所产生射线的硬度和强度，因而不同的管电压和管电流也就会导致背景图像灰度的差别。为了达到液位检测的目的，需要利用图像中各个部分的灰度特征，提取相关边缘信息。若能通过设置合理的成像系统参数，如X射线管的管电压、管电流等，可以使各部分的灰度差异最大化，或最大限度呈现出其有利于液位检测的特征，就可以减少后期分析处理时间，提高系统的检测效率。需要说明的是管电压和管电流并非相互独立的参数。根据X射线管的灯丝发射特性曲线和阳极特性曲线，管电流除了与灯丝加热电流有关，也与管电压相关。对于一定的灯丝加热电流，较低的管电压只能得到较低范围的管电流。根据检测对象的材质特征，射线管的发生电压控制在0~30KV，管电流控制在0~2mA范围内。在调节管电压和管电流时，既要尽量增大图像对比度，又应防止因管电流或管电压过大，使检测产品发生“穿透”损失边缘信息。现分别在14KV、16KV、18KV、20KV管电压，0.6mA、1.0mA、1.4mA、1.8mA管电流下获取易拉罐图像,如图2-6所示(为便于观察,均为4帧平均结果)。(a)14kV0.6mA(b)14kV1.0mA(c)14kV1.4mA(d)14kV1.8mA(e)16kV0.6mA(f)16kV1.0mA(g)16kV1.4mA(h)16kV1.8mA(i)18kV0.6mA(j)18kV1.0mA(k)18kV1.4mA(l)18kV1.8mA(m)20kV0.6mA(n)20kV1.0mA图2-6不同管电压和管电流下的液位图像从图2-6可以看出，管电压和管电流都是引起图像灰度变化的因素。管电压影响射线的硬度，反映射线的穿透能力，在图像上由最高灰度值(通常位于透射区域中心)体现。管电流体现射线的密度，在图像上表现为灰度分布的均匀程度，同样的管电压下，管电流越大,相似区域灰度分布越均匀，有效透射区域越大。1.管电压的选取管电压反映了射线的穿透能力。在较低的电压区间，图像的灰度随着电压的增加而增加。在选择管电压时，应在满足穿透要求的前提下尽量选择低电压值。但是，如果管电压过低(12KV及以下)，图像位于低灰度区，对比度低，并且对随机噪声非常敏感，不利于后续分析处理。虽然增加管电流能够使图像灰度提高，但较大的管电流产生密集的X射线离子，也会使图像的弱边缘区域产生失真。当管电压增大至20KV及以上时，射线已经完全穿透罐体的金属壁层(图2-6(m)、(n))，液位图像的部分边缘信息产生失真。综合以上因素考虑，本项目对16kV管电压、0.6-1.8mA管电流下的图像进行分析。2.管电流的分析设定管电压16KV，以管电流0.6mA、0.8mA、1.0mA、1.2mA、1.4mA、1.6mA、1.8mA获取图像，分别统计图像中各部分的灰度分布，如表2-4所示。表2-416KV管电压下图像灰度管电流mA1.8背景118-157139-172148-189159-200166-204173-206174-206空气111-140142-159147-171152-178156-183158-187160-188瓶边84-11186-11992-12399-135101-144109-149118-151液体63-8973-9386-9787-10391-11191-11893-120在一定的管电压下，当电流较低时，随着电流的增加，图像灰度逐渐加大；当电流较大时，图像灰度随电流增加的幅度逐渐趋缓。例如16KV下当电流大于1.2mA时，随着电流增加，图像灰度缓慢增长，背景灰度约为206。图2-7分别表示了既定管电压下管电流改变时图像灰度变化情况，图中灰度值取表2-4中灰度范围的较大值。图2-716kV管电压下管电流变化的图像灰度变化图对图2-7中各部分灰度作回归分析。定义背景、空气、瓶边、液体的灰度变化曲线分别为f背景、f空气、f瓶边、f液体,管电流变化区间设定为mA,使用MATLABCurveFittingTool进行曲线拟合。选取三次多项式曲线方程为：（2-3）经拟合得拟合的R-Square分别为0.9953、0.9989、0.9930和0.9958，拟合结果如图2-8所示"2-816kV管电压下图像灰度回归曲线由图2-8可以观察出图像各部分灰度随着管电流变化而变化的关系。为了有利于液位检测，使|f背景-f瓶边|和|f空气-f液体|同时达到极大的管电流为最佳电流。观察上图，在管电流变化区间,|f背景-f瓶边|和|f空气-f液体|取得极大值的点位于[1.00.4]区间。事实上,由式(2-3)通过对多项式的导数求零值点可知，f背景-f瓶边极大值点为x=1.1352，f空气-f液体极大值点为x=1.1391。另外,当管电流高于1.4mA时，随着管电流增加，图像灰度增长逐渐微弱。由X射线机特性可知，在同等透射效果时，应尽量选择较小的管电流(和管电压)，从而降低射线管的工作温度，减少射线辐射，增加射线管使用寿命。基于上述分析，本项目选择管电压16KV、管电流1.2mA。多次试验表明，该参数下图像灰度特性稳定。2.4图像液位检测系统的原理及构成硬件系统包含图像液位检测模块及通信接口模块，LCD显示模块等。由于图像液位检测模块的制作成本过高，选择采用现成的图像液位检测模块。图像液位检测系统由X射线机、图像增强器、CCD摄像机、图像采集卡、计算机数据采集和处理系统、通信输出等部分组成，图像液位检测系统从功能上主要包括数字图像的获取、图像算法处理、信号输出。2.4.1嵌入式硬件设计考虑到主模块的开发成本过高，开发周期长。从而选择其他厂家已有的主模块，再在该主模块上进行二次开发，自主设计网络接口模块与LCD显示模块。对本产品需要移植Linux操作系统，进行图像处理运算量比较大等因素进行综合考虑，本系统选用主芯片为S3C2440的主模块。网络接口模块设计网络接口模块采用的是嵌入式系统中常用的网卡芯片RTL8019AS，这是一种高度集成以太网控制器，能实现简单的Plug与Play；支持EthemetII和IEEE802.3，10Base5，l0Base2，10BaseT，并在10BaseT支持自动极性修正；支持在全双工模式下的双倍信道带宽；片内集成16KBSRAM；接口时序符合ISA总线标准，是嵌入式系统中最常用的网卡芯片。网络接口模块采用的是嵌入式系统中常用的网卡芯片RTL8019AS，这是一种高度集成以太网控制器，能实现简单的Plug与Play；支持EthemetII和IEEE802.3，10Base5，l0Base2，10BaseT，并在10BaseT支持自动极性修正；支持在全双工模式下的双倍信道带宽；片内集成16KBSRAM；接口时序符合ISA总线标准，是嵌入式系统中最常用的网卡芯片。微处理器通过寄存器来实现对RTL8019AS的控制。微处理器读写寄存器是通过I/O寻址实现的，在微处理器看来，RTL8019AS的RAM与普通的RAM芯片没有区别。因此，需要解决2个问题：寄存器在RTL8019AS的内部RAM中定位，因为数据手册中的寄存器都是相对于基地址的偏移量。微处理器的哪块地址空间分配给RTL8019AS，以便让微处理器能够I/O寻址到它的各个寄存器。解决第一个问题的关键所在是要确定所有寄存器的基地址BaseAddr。而基地址是由寄存器CONFIG1(配置寄存器)的低4位(IOS0-IOS3)确定。在跳线方式下，RTLS019AS复位后CONFIG1的初始值由跳线引脚的电平决定，即IOS0-IOS3的值分别由RTL8019AS的81脚(IOS0)、82脚(IOS1)、84脚(IOS2)、85脚(IOS3)所接的电平决定。本系统将这4个引脚全接高电平。第二个问题比较简单，不同的系统可以考虑不同的地址空间。S3C2440有8个bank，每个bank大小为128MB，总共1GB，这里将第3个bank的地方分给网络芯片，即让nGCS3接RTL8019AS的AEN引脚。解决了以上2个难点问题后，功能引脚的处理就比较容易。引脚IORB，IOWB，RSTDRV分别接到该系统的读(RD)、写(WR)、复位(RST)；引脚SMEMWB、SMEMRB是片内RAM读写允许引脚，应该接到VCC；引脚IOCS16B用于8/16位模式的选择，必须经下拉电阻接到GND，以使RTL8019AS工作在8位模式下；RTL8019AS既可以通过双绞线上网，也可以通过同轴电缆上网，并通过2组不同的引脚来划分其功能。该系统采用的是双绞线介质，因此，其引脚TPOUT+、TPOUT-作为网络信号的输出分别接到FB2022的TD+、TD-信号线；而引脚TPIN+、TPIN-作为网络信号的输入分别接到FB2022的RD+、RD-信号线。其设计见图2-9。图2-9网络芯片接口电路LCD显示模块设计LTV350QV-F04是三星公司推出的分辨率为320*240的TFT型液晶显示模块，而本硬件平台的主芯片为S3C2440，其自带LCD控制器。本节介绍S3C2440控制液晶显示屏的原理及其硬件设计。S3C2440的LCD控制器的主要功能是传输显示数据和产生控制信号。它支持屏幕水平和垂直滚动显示。数据的传输采用专门的DMA通道进行。通过对数据接口的位宽，接口时序，水平和垂直像素素数等可编程参数的调整，S3C2440可支持单色模式，4级，16级灰度显示以及256色和4096色彩色STNLCD；支持1，2，4或8bbp调色显示和16bbp，24bbp真彩色TFTLCD。并且支持多种不同尺寸的液晶屏。LCD控制器主要输出接口说明如下：VD[0:23]：LCD显示数据输出端口；VCLK：LCD时钟信号；LCD_PWREN：LCD电源能控制信号；VFRAME/VSYNC：LCD帧同步信号(STN)/垂直同步信号(TFT)；VLINE/HSYNC：LCD行同步信号(STN)/垂直同步信号(TFT)；VM/VDEN：交流控制信号(STN)/数据使能信号(TFT)；LEND：行结束信号(TFT)。LTV350QV-F04液晶模块由TFTLCD屏、驱动IC、控制电路和背光电路组成。图2-10给出S3C2440和LTV350QV-F04之间的接口连接图。图2-10S3C2440与LTV350QV-F04接口图S3C2440视频数据端口与LTV350QV的RGB数据端口相连。S3C2440支持5：6：5(R：G：B)和5：5：5：1(R：G：B：I)两种格式，其中I为强度信号。本设计采用5：6：5格式，蓝色视频信号由VD[3：7]输出，绿色视频信号VD[10：15]输出，红色视频信号由VD[19：23]输出。VD[2]和VD[18]并不实际输出视频信号，但它们的值影响实际的液晶显示。S3C2440的LCD控制端口与LTV350QV的控制信号端口相连，这些信号为液晶提供操作时序。S3C2440所提供的信号必须与液晶所需时序相一致才能使液晶正常工作。在数据和控制接口的连接口要注意走线长度不能太长，否则液晶有可能不能正确显示图像。2.5.基于脉冲耦合神经网络的X射线图像处理方法2.5.1脉冲耦合神经网络人工神经网络是根据生物神经元的特性而构成的，用来模拟生物神经网络实现各种信息的处理。20世纪0年代发展起来的脉冲耦合神经网络(PulseCoupledNeuralNetworks,简称PCCN)模型，来自于Johnson和Eckhorn等对猫的视觉皮层神经元脉冲同步发放现象的研究，是模拟视觉神经细胞活动而得到的人工神经元模型。PCNN为单层模型神经网络，不需要训练过程即可实现模式识别等信息运算，因而适合图像的实时处理环境。该模型还具有对图像二维空间相似、灰度相似的像素进行分组的特点，并能减小图像局部灰度差值，在图像处理中表现出良好的应用性能。关于PCNN理论的研究正在逐步深入。2.5.2基于PCNN的X射线图像去噪滤波噪声对图像信号幅度和相位的影响十分复杂，噪声根据其表现形式分为高斯噪声、瑞利噪声，以及脉冲噪声、连续噪声等。要减少图像中的噪声，必须针对具体情况根据噪声本身特性采用不同方法。2.5.2.1X射线图像的噪声根据X射线成像系统的工作原理，射线图像的噪声主要是在图像采集过程中由图像增强器和CCD摄像机产生或引入的。图像增强器的噪声主要分为两类:电子噪声和离子噪声。电子噪声是图像增强器正常工作期间由光子流和光电子流所固有的随机性启发产生的噪声，其表现特征为整幅图面上基本均匀的细微离子蠕动。离子噪声也称为雪花噪声，它基本存在于设计制造不尽完善的图像增强器中,其表现为如片雪花似的噪声的漂浮图像画面上，并在它出现处显著改变图像的细节结构。综合而言，这两类噪声最显著的表现就是在图像画面上叠加的在时间和空间上随机闪烁的脉冲颗粒。CCD摄像机在电荷产生!存储和转移过程中引入了噪声,这些噪声影响信号再现的精度，是影响CCD成像质量的主要参数。主要存在两类：热噪声和光电子噪声。热噪声是在阻性器件中由于导电载流子随机热运动而造成的电子噪声，它存在于所有电子器件和传输介质中，因温度变化而产生，但不受频率变化的影响，这种噪声从零频率直到很高的频率之间分布一致,一般这种噪声称为高斯白噪声。光电子噪声是由光的统计本质和CCD图像传感器中光电子转换过程引起的。在弱光照的情况下,其影响更为严重,常用具有泊松密度分布的随机变量作为光电子噪声的模型。在光照较强时,泊松型分布趋向更易描述的高斯分布。根据上述分析,X射线图像中，电子噪声和离子噪声主要表现为颗粒状的脉冲噪声。而在本文采集实验设定的采集条件下，图像的光照条件较强，图像的对比度较为稳定，此时CCD噪声的数学表现形态为近似高斯白噪声。传统去噪方法1.时域平均(多帧平均)在射线成像过程中由于电子器件(图像增强器和CCD摄像机等)固有的电子离子运动属性产生噪声作用，屏幕上显示的图像模糊、有跳跃的雪花状噪声。这种噪声具有明显的随机性,一般认为其符合均值为0、互不相关的加性噪声描述。通过时域的多帧平均,可以实现缩小噪声强度。对M帧图像取平均可把噪声方差减小到1/M。在图像中目标保持静止状态时，M越大,平均图像越接近理想图像。图3-1表示了多帧平均的效果。(a)含有雪花状噪声的图像(b)4帧平均后图3-1多帧平均的图像但是,多帧叠加方法要求在目标保持静止时进行多帧的采集,在目标物体不能保证绝对静止的情况下,采集多帧进行平均运算可能造成图像边缘模糊。另外,这种方法所需的处理时间主要决定于图像采集卡连续采集M帧信号所需要的时间,因而不适用于实时性较强的场合。在生产线的液位检测中,产品随传送带快速流动,不能满足多帧采集的要求；虽然理论上可以对各帧进行位移补偿处理,但算法十分复杂。多帧平均法不能应用于本研究中。2.平均滤波平均滤波指在空间邻域上进行局部线性平均运算,按邻域模板的权值分为等权均值滤波和加权平均滤波。等权均值滤波容易给图像带来严重模糊,特别在边缘3.中值滤波中值滤波是由J.K.Tukey提出的非线性信号处理方法,对于抑制图像中的脉冲噪声非常有用。中值滤波器包含一个有奇数个像素的可调节窗口,这个窗口的中心像素被窗口像素的排序后的中间序号的像素值代替。中值滤波用数学公式表示为:中值滤波使与邻域像素灰度相差较大的点处理后能与周围的像素值比较接近,因此可以衰减随机噪声。理论分析表明,对于加性脉冲噪声(孤立噪声),中值滤波错误概率和误差幅度都要比均值滤波小。中值滤波器具有不影响阶跃函数或斜坡函数的性质,对阶跃型边缘能够保留。液位图像边缘处基本呈阶跃边缘,因此中值滤波器能够较多地保留液位图像的边缘信息。但是,由于高斯噪声可能影响到每个像素,中值滤波方法对于受到高斯噪声污染的图像恢复没有明显作用。综上所述,由于自成像仪采集的X射线图像中同时存在脉冲噪声和高斯噪声,若选择单一的滤波方法,滤波效果有限,并且可能造成图像信息损失。2.5.2.3PCNN去噪滤波算法基于PCNN滤波的基本方法是:对于幅度较小的高斯噪声,利用PCNN网络的脉冲传播特性以同步点火区域为对象进行平滑;而对于脉冲噪声和强度较高的高斯噪声,利用PCNN模型实现噪声点的定位,再对噪声点进行滤除。为了实现对噪声像素的定位,并且确定同步点火集群,以图像灰度作为PCNN网络的激励,由神经元的点火时刻建立点火时刻矩阵。设点火时刻矩阵为T,其中元素Tij是第(i,j)个神经元的点火时刻,即T中的各元素记录对应的神经元首次点火的时刻"若某神经元从未点过火,则在T中对应值为0;若在n时刻第一次点火,在T中对应点为n;若该神经元已点过火,则T中的值保持上一次的值不变。当网络迭代至所有神经元都点过火,最后形成了PCNN的点火时刻矩阵T。由于灰度值较大的像素对应的神经元较快点火,因而点火时刻矩阵从时间的角度非线性地反映出图像信息。本文算法如下:(1)读取含噪图像I,给定邻域权阵W、衰减系数、连接系数和阈值给出动态阈值矩阵和输出矩阵Y,并初始化为0。(2)以图像像素为PCNN网络的外部刺激,按式(3-6)~式(3-10)对网络进行迭代循环。循环过程中,在点火时刻矩阵T中记录各元素第一次点火时的循环次数。(3)通过检查T中是否所有元素都不为0来判断所有神经元都已点过火,如果是,转入(4);否则转(2)进行下一次循环。(4)在点火时刻矩阵T中,对每个元素,以其为中心考察3×3邻域元素:如果9个元素相等,则在含噪的灰度图像中,对与中心元素对应的像素进行3×3高斯模板滤波;否则,对灰度图像对应像素进行中值滤波。本文对第二章采集得的X射线图像设定参数为：另外,由于涉及3×3邻域运算,对图像中的边缘行(列)进行单独处理。2.5.2.4试验结果分析对于采集的射线图像,分别采用本节PCNN算法、3×3中值滤波及3×3高斯滤波器进行降噪处理,在Matlab7.0环境的仿真结果如图3-2所示,其中(a)为采集得的含噪图像,(b)为(a)的点火时刻矩阵图像示意,(c)、(e)、(g)为对(a)滤波的结果,(d)、(f)、(h)分别表示(c)、(e)、(g)与(a)的差值示意,这三幅图像反映滤除的噪声。(a)待去噪图像(b)PCNN点火时刻矩阵图(c)PCNN滤波后图像(d)PCNN法滤除的噪声(e)中值滤波后的图像(f)中值法滤除的噪声(g)高斯滤波后的图像(h)高斯法滤除的噪声图3-2对X射线图像进行PCNN等方法去噪结果从图3-2可以看出,对于本研究中单帧X射线图像来说,PCNN方法的滤波效果略优于中值滤波和高斯滤波。中值滤波对于去除图像中的孤立噪声效果明显,但是,对整幅图像进行滤波会造成平滑区域的畸变,而且对于强度微弱的高斯噪声效果有限。高斯滤波器对高斯噪声平滑的同时,也造成了边缘的弱化与细节的模糊((h)图中可以看出滤除了边缘轮廓)。基于PCNN的滤波,由PCNN网络点火和脉冲传播过程,一方面将孤立的噪声点定位,找到噪声点的位置后,选用中值滤波法滤除;另一方面,通过PCNN的同步点火区域,识别灰度接近的像素区域,在区域局部进行高斯平滑,避免了对边缘部位进行平均,因此能较好地保留边缘信息。需要注意的是,这里对灰度接近像素区域的确定,不是从图像灰度上得到的,而是通过PCNN的点火时刻矩阵上获得的,由于连接系数B的存在,它包括了相邻像素的作用。本节PCNN算法利用PCNN网络将多种滤波方法综合在一起,有针对性地使用,可以弥补只用某一滤波方法的不足,也能避免多种方法反复使用造成的图像畸变和大运算量。另外,PCNN算法灵活性好,通过参数的调节可以进一步优化算法。2.6图像边缘检测当图像经过去噪滤波以后,理论上能够最大限度地真实体现其所反映的内容。如何理解图像的内容并获取其中数据,这就需要对图像进一步处理。图像的大部分信息都存在于边缘中,因而边缘检测是图像理解的一个基本手段,也是计算机视觉中模式识别算法的重要基础。边缘是两块灰度值相对一致区域的分界线,是梯度较大,或者灰度不连续的区域。噪声条件下的边缘检测,是对图像的每个像素判断是否边缘。2.6.1经典的边缘检测算子1.Roberts、Sobel、Prewitt算子这是三个一阶微商算子,根据各像点处的微商幅值高低体现边缘强弱。Roberts梯度是一种利用局部交叉差分方法其近似计算值如下式。其中f(x,y)是具有整数像素坐标的输入图像。Sobel算子也是一种梯度幅值,它是在以f(i,j)为中心的3×3邻域上计算两个方向的偏导数,并为了抑制噪声对中心点相应加了一定的权值。图3-8所示的两个卷积核形成了Sobel边缘算子,图像中的每个点都用这两个核做卷积,一个核对竖直边缘响应最大,而另一个核对水平边缘响应最大。两个卷积的和(或最大值)作为该点的输出。Prewitt算子和Sobel算子的原理一样,不同的是卷积核的权值。Sobel和Prewitt算子具有一定的抑制噪声能力,对灰度渐变和噪声图像处理效果较好,且能够检测出边缘的方向特征"不过,它们都不能定位一个单像素的边缘。2.6.2Canny边缘检测方法Canny提出了一个性能优良的边缘检测器应该具备的三个指标是:1低误判率,即尽可能少的把边缘点误判为非边缘点;2高定位精度,即准确地把边缘点定位在灰度变化最大的像素上;3单像素响应,对每个边缘有唯一的响应,抑制虚假边缘。据此三个指标,Canny导出了一个性能优良的边缘检测算法。对于二维数字图像,Canny算法实质上是先用高斯函数与图像卷积,然后以带方向的一阶微分定位导数最大值,能在噪声抑制和边缘检测之间取得良好的平衡。设图像f(x,y),二维高斯函数：与LOG算法一致的是,Canny算子也是先对图像平滑再求梯度运算,本质上都是根据点像素与其邻域的灰度差别而决定其输出值"不过,Canny算法还要利用点像素的邻域的边缘信息以增加或减少该点像素为边缘点的置信度。为此,Canny提出满足下列准则的点可确定为边缘点:(1)该点的边缘强度大于沿该点梯度方向上两个相邻像素的边缘强度))主要作用是准确定位并控制边缘宽度为一个像素。(2)与该点梯度方向上的相邻两点的梯度方向之差都小于45，给出光滑性约束,克服随机因素的影响。(3)以该点为中心的3×3子域中的边缘强度极大值小于某个阈值，保持边缘强度相对一致,驱除噪声产生的虚假边缘。上述三条边缘点判别准则中,(1)也称为非最大值抑制。寻找边界点还可以采用双阈值法(又称迟滞性阈值法):选取两个阈值,一个高阈值T1,一个低阈值T2,如果梯度强度大于高阈值,那么一定是边界点,如果小于低阈值,那么一定不是边缘点。如果在高低阈值之间,就要根据它的邻点的边缘属性信息确定它是否为边缘点。对于二维图像,Canny边缘检测算法一般步骤如下:(1)高斯平滑。(2)求梯度运算。用梯度算子得出每个像素的梯度幅值和方向,即边缘的强度和方向。(3)对梯度进行“非最大值抑制”。为了准确的定位边缘,必须对梯度幅值图像中的“脊线”进行细化,仅保留幅值的局部极大点作为边缘点,这个过程叫做非极大值抑制。通过非极大值抑制将在梯度方向上获得梯度幅值最大点,达到将边缘细化为一个像素宽的目的。(4)用双阈值法或其他方法对经过非最大值抑制后的梯度进行处理。经过非最大值抑制后得到的边缘仍旧可能存在纹理波动产生的虚假边缘,它们的幅值相对较小,可以采用双阈值法进行处理,实现对边缘点的筛选。2.6.3检测效果分析与比较使用MATLAB7.0环境,分别采用以上边缘检测算法编辑图像处理函数,对液位图像进行处理。图3-3表示了以上述方法对一幅液位图像进行检测边缘的结果。(a)待检测图像(b)Roberts(c)Sobel(d)Prewitt(e)LOG5×5模板(f)SUSAN21像素t=8g=15(g)CannyT1=0.12T2=0.1(h)CannyT=0.1图3-3边缘检测效果比较对比图3-3,可以发现:(1)Roberts算子对噪声敏感,抗噪性能较差,尤其是孤立噪声，Roberts算子一般不直接应用于边缘检测。(2)Sobel与Prewitt检测效果近似,较之Roberts算子,更好地描绘了物体边界,抗噪性能有所改进,其原因在于前两者的模板较大,使小的亮度波动平均化了。但这两种算子的边缘宽度大于一个像素,定位不够准确,尤其是液位线。(3)LOG方法对强边缘(瓶体边缘)检测清晰,但同时对图像细节保留较多,对弱边缘(液位线)的定位不够准确,反映的液位与原图有较大差别"。(4)SUSAN方法具有较好的抗噪性能,虚假边缘很少;缺点也很明显,从(f)图也可看出,由于对每个像素进行了USAN统计,对于强边缘检测结果通常至少两个像素宽,而对于液位线,既容易造成定位不准,又不免发生边缘间断,不利于液位的识别。(5)(g)图是应用经典的Canny算法,依次对原图进行高斯滤波、求梯度、非极大值抑制、双阈值迟滞法得到的结果((h)图仅使用了低阈值)。从图中可以看出,Canny算子具有较好的抗噪性能。对于强边缘,在获得单个像素宽度的精度下,定位准确;但是对于液位线,双阈值迟滞法难以实现减少边缘间断与减少虚假边缘的平衡。根据本项目液位判别的思路,对图像边缘的定位要求达到像素级精度,这就要求对边缘尤其是液位线的提取准确。根据以上多种边缘检测算法的特点,考虑到液位在线检测对算法抗噪性、定位精度和可靠性的要求,本项目认为Canny算法的思路值得沿用。2.7X射线液位检测算法2.7.1基于Canny方法的液位检测新算法在啤酒或饮料生产线中,液位判别的任务是对罐装后的液位进行测量,获取当前液位的高度"在此基础上,与标准的液位高度比较,判定当前液位是否合格。本项目利用机器视觉实现液位的自动检测,对图像边缘检测的准确性要求很高,这种准确性的判定只能通过试验客观验证,它不同于为了改善图像视觉效果的边缘检测,后者往往按照人的直观视觉进行主观评价。本项目针对X射线液位图像,基于Canny算法的思路,以及前述比例标定方法,详细讨论液位检测的实现过程。改进的Canny边缘检测过程Canny算法的实质是对梯度进行非极大值抑制,从而保证了单个像素宽度的边缘。为改进检测效果,针对液位图像检测的具体情况,在应用Canny边缘检测算法时,作出部分改进。改进的Canny边缘检测过程如下:(1)对液位图像使用高斯滤波器平滑,本文采用3×3高斯模板。(2)选取Prewitt算子求取图像的梯度。由于液位判别所需要的边缘在图像中基本呈竖直或水平分布,而Prewitt算子的两个模板分别对这两种边缘响应最强,因此选用Prewitt算子比其他梯度算子能更好的检测出所需要的边缘,抑制不感兴趣的信息。本文在应用Prewitt算子时进行如下改进:设图像f的3×3子域中像素编号如：令：则本文Prewitt梯度幅值：（4-1）梯度的方向角度（4-2）运算结果实现对顶盖下边缘的抑制,如图4-1(b)所示。(a)待检测图像(b)本文Prewitt梯度幅值(c)本文非最大值抑制(d)迟滞性阈值化图4-1改进的Canny边缘检测过程3)在梯度幅值图像上,进行非极大值抑制,细化边缘。非极大值抑制实现对梯度幅值图像中的“脊线”进行细化,仅在梯度方向上保留梯度幅值的局部极大点作为边缘点。本项目对瓶体轮廓的细化采用传统的非极大值抑制,对液位线的细化采用按列的非最大值抑制,处理结果如图4-1(c)所示。(4)迟滞性阈值化设定两个阈值T1和T2(T1>T2),梯度幅值大于T1的认为是真的边缘,小于T2的认为一定不是边缘。处于T1和T2之间的点,搜索其八邻域是否有真的边缘点,如果有则此点也是边缘点。注意T1太小会将噪声误判为边缘；但也不能过大,以免丢失大量的真实边缘。本项目实验T1取0.10,T2取0.08,处理结果如图4-1(d)所示。至此,本项目沿用经典Canny算法基本思路对X射线图像进行边缘检测,实现一个像素的定位精度。根据研究对象的特性,在应用中改进了梯度运算,强化液位检测算法所需边缘信息,同时排除强边缘干扰；对于液位线的细化,改进了非极大值抑制算法,抑制液位线区域的虚假边缘。液位信息提取与检测输出经过边缘检测与连接,可以获得瓶体两侧边缘、顶盖边缘和液位线等信息,并且边缘的定位达到了一个像素的精度,具备了液位信息提取与检测的条件。本项目液位信息提取与检测输出算法如下:液位信息提取。由二值图像提取液位信息(直径和液顶距)是得到液位检测结果的重要前提。图4-2为液位信息提取的示意图,其中边缘均为一个像素宽度。图4-2液位信息提取示意自图像的下部开始,在若干个行Ri(i=1,n)上分别识别瓶体两侧边缘上的点。每一行的两个点,其X向坐标分别为Li、Ri。根据式(4-1)算出该行左侧边缘点到右侧边缘点的距离Xi。由于所有边缘都是一个像素宽度,识别两侧边缘点时,自中间向两侧搜索,搜索到的第一个1值点即为边缘点。（i=1,2,3n）（4-1）根据式(4-2)对若干行的Xi求统计平均,得到X0,表示瓶子的像素直径。（4-2）c)对若干行的边缘点坐标,依据式(4-3)可以算得该行的中轴参考坐标XRi。由于实际检测的图像,同一侧边缘上不同行的边缘点不可能绝对位于同一列像素,因而计算得到的各行XRi不一定相等。（4-3）d)对n行的XRi数据绘制直方图,如图4-3所示"图中H(XR)表示位于XR坐标的点的频数。图4-3XR直方图e)设定宽度为T的滑动窗口,沿XR轴滑动,以式(4-17)对窗口内频数求和。当S(x)达到最大值,利用式(4-4)对窗口内XR求均值,得到中轴坐标X。（4-4）（4-5）f)在图像上以Xd为中心取对称奇数列,分别识别顶边和液位线上的边缘点Ti、Bi,按照式(4-6)计算每列两边缘点的距离Yi,以式(4-7)求得Y0,即像素液顶距。（4-6）（4-7）（4-8）(2)液位检测输出。依据4.1.2比例标定法,由于瓶体实际直径Dx为预先测得的已知值,根据式(4-8)即可得到液顶距Dy。将测得的液顶距Dy与标准计量时的基准值相比