图像识别在羊绒毛检测中的应用
|
摘要
羊绒和羊毛外表相似，但性能差别很大。由于羊绒保暖性能比羊毛好，价格也就比羊毛昂贵，因而常常出现羊毛和羊绒相混的现象。为了保证产品质量和商家利益，必须采用一种检测方法将其区分。以往检测人员是用手工方法来测量羊绒毛的直径和鳞片长度，不仅耗时耗力，且主观影响大，还得培训专业人员，所以迫切需要一个识别羊绒毛的系统。为了实现这样的系统，检测羊绒毛直径是最重要的工作之一。
本文主要研究光镜羊绒毛的细度提取。羊绒毛具有很好的几何图形特征，从图像的局部来看，羊绒毛图像可以近似为平行直线。这样，可以通过检测图像中平行直线来测量羊绒毛直径。为了能够准确的检测出羊绒毛图像中存在的平行直线，采用了以下几个步骤：
1、用Sobel算子进行边缘检测，以便增强羊绒毛的边缘。
2、采用全局阈值中的最小误差方法对图像进行二值化，以区别开背景和目标。
3、去掉麻点噪声，主要是去掉目标中的背景噪声和背景中的目标噪声。
4、对图像进行细化，从而找出羊绒毛的边缘骨架特征。
5、去掉小的连通区域。
6、用最小二乘法检测图像中的直线，并根据点到直线的距离计算羊绒毛的平均直径。
Although the figure of wool and cashmere are similar, their performance is great different. The price of cashmere is higher than that of wool because the warm capability of cashmere is better than wool' s, so that cashmere and wool are often interblended. In order to ensure product quality and manufacturer profits, it is urgent to find a method to distinguish them. Technician usually measures wool fiber' s diameter and squama' s length by hand. The technique is waste of time and energy, and the result is greatly affected by subject. What' s more, professional workers must be trained. As a result, it is stringent to need a measure system of detecting wool fiber. The measure of wool fiber diameter plays an important role in the system.
The diameter measure of wool fiber magnified by optical microscope is mostly content of this paper. Wool fiber has very nice geometrical character. The image of wool fiber can be approximately regarded as parallel beelines in partial image. So we can measure wool fiber' s diameter by detecting parallel beelines. For exactly detecting parallel beelines in the wool fiber image, the following processes are adopted:
1 Using Sobel edge detector to intensify edge.
2 Using minimum error method .which belongs the global threshold , to attain binary image, so that background and object are distinguished.
3 Deleting dot noise to reduce background noise in object and object noise in background.
4 Thinning to discover wool fiber' s edge framework.
5 Deleting small connected area.
6 Using least-square technique to detect beeline, then calculating average wool fiber' s diameter based on the distance from point to beeline.
本文主要研究光镜羊绒毛的细度提取。羊绒毛具有很好的几何图形特征，从图像的局部来看，羊绒毛图像可以近似为平行直线。这样，可以通过检测图像中平行直线来测量羊绒毛直径。为了能够准确的检测出羊绒毛图像中存在的平行直线，采用了以下几个步骤：
1、用Sobel算子进行边缘检测，以便增强羊绒毛的边缘。
2、采用全局阈值中的最小误差方法对图像进行二值化，以区别开背景和目标。
3、去掉麻点噪声，主要是去掉目标中的背景噪声和背景中的目标噪声。
4、对图像进行细化，从而找出羊绒毛的边缘骨架特征。
5、去掉小的连通区域。
6、用最小二乘法检测图像中的直线，并根据点到直线的距离计算羊绒毛的平均直径。
Although the figure of wool and cashmere are similar, their performance is great different. The price of cashmere is higher than that of wool because the warm capability of cashmere is better than wool' s, so that cashmere and wool are often interblended. In order to ensure product quality and manufacturer profits, it is urgent to find a method to distinguish them. Technician usually measures wool fiber' s diameter and squama' s length by hand. The technique is waste of time and energy, and the result is greatly affected by subject. What' s more, professional workers must be trained. As a result, it is stringent to need a measure system of detecting wool fiber. The measure of wool fiber diameter plays an important role in the system.
The diameter measure of wool fiber magnified by optical microscope is mostly content of this paper. Wool fiber has very nice geometrical character. The image of wool fiber can be approximately regarded as parallel beelines in partial image. So we can measure wool fiber' s diameter by detecting parallel beelines. For exactly detecting parallel beelines in the wool fiber image, the following processes are adopted:
1 Using Sobel edge detector to intensify edge.
2 Using minimum error method .which belongs the global threshold , to attain binary image, so that background and object are distinguished.
3 Deleting dot noise to reduce background noise in object and object noise in background.
4 Thinning to discover wool fiber' s edge framework.
5 Deleting small connected area.
6 Using least-square technique to detect beeline, then calculating average wool fiber' s diameter based on the distance from point to beeline.
引文
[1] 郭东生．中国羊绒业的现状与发展趋势．四川纺织科技[J]．2003年第2期8～10．
[2] 吕善模，张保国．国外羊毛试验方法标准综述之三——纤维直径试验方法[光学纤维直径分析仪(OFDA)法]．中国纤检[J]．2002年第6期36～40．
[3] 刘源，马永才，刘生红．羊绒与羊毛的定性鉴别与定量分析．山东纺织科技[J]．2001年第4期51～54．
[4] 羊毛纤维直径试验方法—投影显微镜法．(GB10685-1989)
[5] 羊毛纤维平均直径测定方法—气流法。(GB11603-89)
[6] 吴建奎，阿里曼．气流法投影法测定羊毛细度结果分析．中国纤检[J]．1994年12期23～25．
[7] 王彦霞，栾文彦．采用数字图像处理技术测量羊绒细度研究．激光与红外[J]．2002年第32卷第2期121～123．
[8] 董玉钢，栾文彦．羊绒细度测量仪器的研制．激光与红外[J]．2001年第31卷第1期121～123．
[9] 黄丽华，杨卫中．计算机自动检测羊绒细度的研究．农业工程学报[J]．2000年第16卷第2期132～134．
[10] 琼斯．生物学实验技术[M]．长沙：湖南科学技术出版社．2001年11月，116～124．
[11] 舍英，伊力奇，呼和巴特尔等．现代光学显微镜[M]．北京：科学出版社．1997年1月，61～161．
[12] 别戈诺夫，柴卡斯诺夫，基留辛等著，包学成译．光学系统理论[M]．北京：机械工业出版社。1989，241～253．
[13] 李志雄．现代光学系统理论[M]．北京：北京理工大学．1994年1月，155～198．
[14] 陈力．生物电子显微技术教程[M]．北京：北京师范大学出版社．1998年6月，4～23．
[15] 康莲娣．生物电子显微技术[M]．合肥：中国科学技术大学出版社．2003年3月，36～145．
[16] 张启元．现代生物学实验技术[M]．北京：北京师范大学出版社．1992年4月，1～18．
[17] 何斌，马天予，王云坚等．Visual C++数字图像处理．北京：人民邮电出版社，2001年，394～508．
[18] 阮秋琦．数字图像处学[M]．北京：电子工业出版社．2001年1月，204～212．
[19] J. Serra. Introduction to mathematical morphology. Computer Vision, Graph Image Processing, 1986, 35: 333～335.
[20] 景红梅，程惠全，邵岚等．击中与否单通道光学处理器用于人脸识别．中国激光[J]．1999，26(7)：627～632．
[21] 唐瑞良．基于小波高频分量的边缘检测方法[J]．北方工业大学学报．2002，14(1)：13～16．
[22] 聂汉军，沈永增．基于小波变换和模糊中值滤波的图像边缘检测[J]．计算机工程与应用．2002，13：180～182．
[23] 张红岩，张登攀．图像边缘检测二维小波算法研究与实现[J]．中国工程科学．2003，5(4)：61～63．
[24] 杨松．宋菲君．小波变换在图形边缘检测中的应用[J]．北京工业大学学报．2000，26(增刊)：80～83．
[25] 韩思奇，王蕾．图像分割的阈值法综述[J]．系统工程与电子技术．2002，24(6)：91～95．
[26] Levine M D, Nazif A M. dynamic measurement of computer generated image segmentation[J]. IEEE trans, on pattern recognition analysis and machine intelligence, 1985, 7:155～164.
[27] 朱菊华，杨新，李俊．一种改进的自适应保细节中值滤波算法[J]．计算机工程与应用．2001，3：93～95．
[28] 张宇，王希勤，彭应宁．自适应中心加权的改进均值滤波算法[J]．清华大学学报(自然科学版)．1999，39(9)：76～78．
[29] 刘永昌，张平，严卫．小波包域值法去除合成孔径雷达图像斑点噪声[J]．红外与激光工程．2001，30(3)：160～163．
[30] 胡昌华，张军波，夏军．基于MATLAB的系统分析与设计—小波分析．西安：西安电子科技大学出版社．2001年9月，1～23．
[31] 周金刚，金少先，陈红兵等．小波多分辨分析用于化学发光光谱的噪声滤除[J]．光谱学与光谱分析．2000，20(4)：216～217．
[32] 秦前清，杨宗凯．实用小波分析[M]．西安：西安电子科技大学出版社．1999．
[33] 张宇，张关泉．小波变换用于去除高频随机噪声[J]．石油地球物理地理．1997，32(3)：327～335．
[34] 崔凤奎，王晓强，张丰收等．二值图像细化算法的比较与改进[J]．洛阳工学院学报．1997，18(4)：48～52．
[35] 田村秀行著；赫荣威译．计算机图象处理技术．北京：北京师范大学出版社，1986．
[36] 林春蔚．C环境下地图图像矢量化及图形编辑技术与实例．北京：海洋出版社，1993．
[37] 马建波．C语言图像处理程序集．北京：海洋出版社，1992．
[38] 崔屹．图像处理与分析—数学形态学方法及应用．北京：科学出版社．2000：1～87．
[39] 杨治明，周齐国．基于二霍夫变换理论的图形识别[J]．重庆工业高等专科学校学报．2002，17(4)：16～18．
[40] 孙丰荣，刘积仁．快速霍夫变换算法[J]．计算机学报．2001，24(10)：1102～1109．
[41] 侯宇．基于Hough变换的图象检测对偶点法[J]．中国图象图形学报．2001，6(A版)，8期：746～749．
[42] 林金龙，石青云．用点Hough变换实现圆检测的方法[J]．计算机工程．2003，29(11)：17～19．
[43] 章毓晋．图象分割．北京：科学出版社，2001：1～65．
[44] 黄杰，蔡希洁，林尊琪．一种对称的线性拟合数据处理方法[J]．计量技术．2000，5：47～49．
[45] 王明江，唐璞山．基于矢量斜率的分段线性拟合[J]．软件学报．1999，10(2)：165～169．
[46] 张桂林，陈益新，曹伟贵等．基于跑长码的连通区域标记算法[J]．华中理工大学学报．1994，22(5)：11～14．
[47] Adnan Amin. Segmentation of Printed Arabic Text. Advances in Pattern Recognition-ICAPR 2001. Springer, 2001, 118～119.
[48] 陆宗骐，梁成．用sobel算子细化边缘[J]．中国图象图形学报(A版)，2000，5(6)，516～520．
[49] 李坤全，李勇，王得胜．人体图像边缘检测的算法研究[J]．天津工业大学学报，2002，21(5)，76～79．
[50] 张宏群，张雪，肖旺新．小波变换的自适应阈值图像边缘检测方法[J]．红外与激光工程，2003，12(1)，32～36．
[51] L. FENG, C. Y. SUEN, Y. Y. TANG and etc. . edge extraction of images of by reconstruction using wavelet decomposition details at different resolution levels[J]. international journal of pattern recognition and artificial intelligence, 2000, 14(6), 779～793.
[52] Nicolae Duta and Anil K. Jian. Learning-Based Detection, Segmentation and Matching of Objects. Advances in Pattern Recognition-ICAPR 2001. Springer, 2001, 435～444.
[53] 杨银才，陈凌峰，沈邦兴等．Hough变换在工业检测中的应用[J]．振动、测试与诊断，2000，20(增刊)，164．
[54] 杨枝灵，王开。Visual C++数字图像获取、处理及实践应用。北京：人民邮电出版社，2003．
[55] 沈瑞庆．纺织纤维二值化数字图像的阈值确定[J]．武汉纺织工学院学报．1994，17(4)：29～32．
[56] 王彦霞．采用数字图像处理测量羊绒细度方法研究．大连理工大学硕士学位论文．2002，1～52．
[57] 周剑平，封举富，孙宝海．电镜羊绒毛图象自动识别方法研究[J]．中国图象图形学报．2001，6(A)：980～984．
[2] 吕善模，张保国．国外羊毛试验方法标准综述之三——纤维直径试验方法[光学纤维直径分析仪(OFDA)法]．中国纤检[J]．2002年第6期36～40．
[3] 刘源，马永才，刘生红．羊绒与羊毛的定性鉴别与定量分析．山东纺织科技[J]．2001年第4期51～54．
[4] 羊毛纤维直径试验方法—投影显微镜法．(GB10685-1989)
[5] 羊毛纤维平均直径测定方法—气流法。(GB11603-89)
[6] 吴建奎，阿里曼．气流法投影法测定羊毛细度结果分析．中国纤检[J]．1994年12期23～25．
[7] 王彦霞，栾文彦．采用数字图像处理技术测量羊绒细度研究．激光与红外[J]．2002年第32卷第2期121～123．
[8] 董玉钢，栾文彦．羊绒细度测量仪器的研制．激光与红外[J]．2001年第31卷第1期121～123．
[9] 黄丽华，杨卫中．计算机自动检测羊绒细度的研究．农业工程学报[J]．2000年第16卷第2期132～134．
[10] 琼斯．生物学实验技术[M]．长沙：湖南科学技术出版社．2001年11月，116～124．
[11] 舍英，伊力奇，呼和巴特尔等．现代光学显微镜[M]．北京：科学出版社．1997年1月，61～161．
[12] 别戈诺夫，柴卡斯诺夫，基留辛等著，包学成译．光学系统理论[M]．北京：机械工业出版社。1989，241～253．
[13] 李志雄．现代光学系统理论[M]．北京：北京理工大学．1994年1月，155～198．
[14] 陈力．生物电子显微技术教程[M]．北京：北京师范大学出版社．1998年6月，4～23．
[15] 康莲娣．生物电子显微技术[M]．合肥：中国科学技术大学出版社．2003年3月，36～145．
[16] 张启元．现代生物学实验技术[M]．北京：北京师范大学出版社．1992年4月，1～18．
[17] 何斌，马天予，王云坚等．Visual C++数字图像处理．北京：人民邮电出版社，2001年，394～508．
[18] 阮秋琦．数字图像处学[M]．北京：电子工业出版社．2001年1月，204～212．
[19] J. Serra. Introduction to mathematical morphology. Computer Vision, Graph Image Processing, 1986, 35: 333～335.
[20] 景红梅，程惠全，邵岚等．击中与否单通道光学处理器用于人脸识别．中国激光[J]．1999，26(7)：627～632．
[21] 唐瑞良．基于小波高频分量的边缘检测方法[J]．北方工业大学学报．2002，14(1)：13～16．
[22] 聂汉军，沈永增．基于小波变换和模糊中值滤波的图像边缘检测[J]．计算机工程与应用．2002，13：180～182．
[23] 张红岩，张登攀．图像边缘检测二维小波算法研究与实现[J]．中国工程科学．2003，5(4)：61～63．
[24] 杨松．宋菲君．小波变换在图形边缘检测中的应用[J]．北京工业大学学报．2000，26(增刊)：80～83．
[25] 韩思奇，王蕾．图像分割的阈值法综述[J]．系统工程与电子技术．2002，24(6)：91～95．
[26] Levine M D, Nazif A M. dynamic measurement of computer generated image segmentation[J]. IEEE trans, on pattern recognition analysis and machine intelligence, 1985, 7:155～164.
[27] 朱菊华，杨新，李俊．一种改进的自适应保细节中值滤波算法[J]．计算机工程与应用．2001，3：93～95．
[28] 张宇，王希勤，彭应宁．自适应中心加权的改进均值滤波算法[J]．清华大学学报(自然科学版)．1999，39(9)：76～78．
[29] 刘永昌，张平，严卫．小波包域值法去除合成孔径雷达图像斑点噪声[J]．红外与激光工程．2001，30(3)：160～163．
[30] 胡昌华，张军波，夏军．基于MATLAB的系统分析与设计—小波分析．西安：西安电子科技大学出版社．2001年9月，1～23．
[31] 周金刚，金少先，陈红兵等．小波多分辨分析用于化学发光光谱的噪声滤除[J]．光谱学与光谱分析．2000，20(4)：216～217．
[32] 秦前清，杨宗凯．实用小波分析[M]．西安：西安电子科技大学出版社．1999．
[33] 张宇，张关泉．小波变换用于去除高频随机噪声[J]．石油地球物理地理．1997，32(3)：327～335．
[34] 崔凤奎，王晓强，张丰收等．二值图像细化算法的比较与改进[J]．洛阳工学院学报．1997，18(4)：48～52．
[35] 田村秀行著；赫荣威译．计算机图象处理技术．北京：北京师范大学出版社，1986．
[36] 林春蔚．C环境下地图图像矢量化及图形编辑技术与实例．北京：海洋出版社，1993．
[37] 马建波．C语言图像处理程序集．北京：海洋出版社，1992．
[38] 崔屹．图像处理与分析—数学形态学方法及应用．北京：科学出版社．2000：1～87．
[39] 杨治明，周齐国．基于二霍夫变换理论的图形识别[J]．重庆工业高等专科学校学报．2002，17(4)：16～18．
[40] 孙丰荣，刘积仁．快速霍夫变换算法[J]．计算机学报．2001，24(10)：1102～1109．
[41] 侯宇．基于Hough变换的图象检测对偶点法[J]．中国图象图形学报．2001，6(A版)，8期：746～749．
[42] 林金龙，石青云．用点Hough变换实现圆检测的方法[J]．计算机工程．2003，29(11)：17～19．
[43] 章毓晋．图象分割．北京：科学出版社，2001：1～65．
[44] 黄杰，蔡希洁，林尊琪．一种对称的线性拟合数据处理方法[J]．计量技术．2000，5：47～49．
[45] 王明江，唐璞山．基于矢量斜率的分段线性拟合[J]．软件学报．1999，10(2)：165～169．
[46] 张桂林，陈益新，曹伟贵等．基于跑长码的连通区域标记算法[J]．华中理工大学学报．1994，22(5)：11～14．
[47] Adnan Amin. Segmentation of Printed Arabic Text. Advances in Pattern Recognition-ICAPR 2001. Springer, 2001, 118～119.
[48] 陆宗骐，梁成．用sobel算子细化边缘[J]．中国图象图形学报(A版)，2000，5(6)，516～520．
[49] 李坤全，李勇，王得胜．人体图像边缘检测的算法研究[J]．天津工业大学学报，2002，21(5)，76～79．
[50] 张宏群，张雪，肖旺新．小波变换的自适应阈值图像边缘检测方法[J]．红外与激光工程，2003，12(1)，32～36．
[51] L. FENG, C. Y. SUEN, Y. Y. TANG and etc. . edge extraction of images of by reconstruction using wavelet decomposition details at different resolution levels[J]. international journal of pattern recognition and artificial intelligence, 2000, 14(6), 779～793.
[52] Nicolae Duta and Anil K. Jian. Learning-Based Detection, Segmentation and Matching of Objects. Advances in Pattern Recognition-ICAPR 2001. Springer, 2001, 435～444.
[53] 杨银才，陈凌峰，沈邦兴等．Hough变换在工业检测中的应用[J]．振动、测试与诊断，2000，20(增刊)，164．
[54] 杨枝灵，王开。Visual C++数字图像获取、处理及实践应用。北京：人民邮电出版社，2003．
[55] 沈瑞庆．纺织纤维二值化数字图像的阈值确定[J]．武汉纺织工学院学报．1994，17(4)：29～32．
[56] 王彦霞．采用数字图像处理测量羊绒细度方法研究．大连理工大学硕士学位论文．2002，1～52．
[57] 周剑平，封举富，孙宝海．电镜羊绒毛图象自动识别方法研究[J]．中国图象图形学报．2001，6(A)：980～984．