智能算法論文剖析

1、研究生課程論文機制砂粒度檢測圖像分割算法課程名稱 智能優(yōu)化算法及應用 姓名學號專 業(yè) 測試計量技術(shù)及儀器 任課教師開課時間 20132014學年第二學期 1-18 周教師評閱意見：論文成績評閱日期課程論文提交時間： 2014 年 7 月 日機制砂粒度檢測圖像分割算法作者：學院：年級： 學號： 摘要 ：機制砂粒度檢測的圖像處理中的圖像分割是圖像處理質(zhì)量的重要保證。閾值分割是圖像分割方法中的一種。 對于閾值的取法又有雙峰法、 迭代法、 最大類間方法法以及小波變 換，本文將這幾種算法運用到 Matlab 平臺中對顆粒進行圖像分割。 關(guān)鍵詞 ： 圖像分割；閾值分割；雙峰發(fā)；迭代法；最大類間方差；小波變

2、換1. 序言為保護有限河砂資源，避免過度開采、濫采， 避免影響生態(tài)以及江河防洪堤、航運和橋 梁使用安全， 政府向相關(guān)單位、 科研院校等發(fā)出了有必要通過推廣應用機制砂解決建設(shè)工程 用砂量問題的通知， 其內(nèi)容還包含了要加強機制砂生產(chǎn)和應用過程的質(zhì)量管控， 確保工程質(zhì) 量安全。 機制砂產(chǎn)品的質(zhì)量決定了混凝土拌合物的各種工作性能及強度，是保證混凝土拌合物質(zhì)量的關(guān)鍵。其中，細集料的顆粒大小和形狀是影響混凝土性能的重要因素之一。對顆粒狀物質(zhì)的質(zhì)量檢查， 特別是粒度測量工作， 是保證產(chǎn)品質(zhì)量的一個重要方面。 機 制砂顆粒的粒度分布檢測是機制砂顆粒級配的前提。 確定適用于水泥混凝土用機制砂顆粒大 小和形狀的檢

3、測方法， 對于控制機制砂生產(chǎn)質(zhì)量、 保證機制砂混凝土性能具有重要的經(jīng)濟意 義。本文采用的粒度檢測方法是基于機器視覺的粒度檢測。 是將高速顯微鏡采集的顆粒圖像 通過 CCD 攝像頭和圖形采集卡傳輸?shù)接嬎銠C中，由計算機對這些圖像進行邊緣識別等處理， 計算出每個顆粒的投影面積， 根據(jù)等效投影面積原理得出每個顆粒的粒徑， 再統(tǒng)計出所設(shè)定 的粒徑區(qū)間的顆粒的數(shù)量，就可以得到粒度分布了。圖像處理一般分為 5個步驟：圖像類型轉(zhuǎn)換，灰度調(diào)整，圖像分割，填充空洞，清除與 邊界連通的對象。如何從視覺圖像中準確定位并識別目標邊界信息，是機制砂粒度分析的難點和關(guān)鍵。2. 圖像分割2.1 圖像分割概述圖像分割是將一幅圖

4、像分解為若干互不交疊的、 有意義的、 具有相同性質(zhì)的區(qū)域。 反映 物體真實情況的、我們感興趣的、占據(jù)不同區(qū)域的、具有不同特性的目標區(qū)分開來，以便計 算各個目標的數(shù)字特征。 圖像分割一般是圖像分析的第一步。 其它分析過程經(jīng)常依賴于分割 的結(jié)果，準確的分割影響甚至決定其它部分分析的準確程度。圖像分割的特征：分割出來的各區(qū)域?qū)δ撤N性質(zhì)（例如灰度、紋理）而言具有相似性， 區(qū)域內(nèi)部是聯(lián)通的且沒有過多的小孔； 相鄰區(qū)域?qū)Ψ指钏罁?jù)的性質(zhì)有明顯的差異； 區(qū)域邊 界是明確的。現(xiàn)有的圖像分割方法主要分為以下幾類：基于閾值的分割方法，基于區(qū)域的分割方法， 基于邊緣的分割方法以及基于特定理論的分割方法。近年來， 研

5、究人員不斷改進原有的圖像分割方法并把其他學科的一些新理論和新方法用于圖像分割，提出了不少新的分割方法。2.2 閾值分割閾值分割是一種區(qū)域分割技術(shù)， 適用于物體與背景有較強對比的景物分割。 當使用閾值 規(guī)則進行圖像分割時， 所有灰度值大于或等于某閾值的像素都被判屬于物體， 所有灰度值小 于該閾值的像素被排除在物體之外。如式 2.1 是閾值分割的數(shù)學表達式。2.1)g(x,y) bb0ff(xx,yy) TTb1f(x,y) T當 T取決于 g(x,y)時，閾值就稱為全局閾值，如圖2.1 。如果T取決于g(x,y) 和p(x,y) 時，閾值就是局部閾值 ,如圖2.2 。3. 閾值分割算法3.1 雙

6、峰法 在一些簡單的圖像中， 方圖中各自形成一個波峰， 即區(qū)域和波峰一一對應。 擇雙峰間的波谷處所對應的灰度值為閾值， 即可將兩個區(qū)域分離。 景中分理出各類有意義的區(qū)域。雙峰法比較簡單， 在可能的情況下常常作為首選的閾值確定法， 形狀隨著對象、 圖像輸入系統(tǒng)、 輸入環(huán)境等因素的不同而千差萬別， 坦、各區(qū)域直方圖的波形重疊等情況時， 用雙峰法難以確定閾值， 自動選擇適宜閾值要求。對象物的灰度分布較有規(guī)律， 背景和各個對象物在圖像的灰度直 即區(qū)域和波峰一一對應。 由于每個波峰間形成一個波谷， 因為選 以此類推， 可以在圖像背但是圖像的灰度直方圖當出現(xiàn)雙峰間的波谷平必須尋求其他方法， 實現(xiàn)圖 3.1

7、標準砂分散原圖圖3.2 二值圖3.2 最大類間方差閾值法當圖像灰度直方圖的形狀有雙峰但無明顯低谷或雙峰與低谷都不明顯時采用最大方差 閾值法。圖像灰度直方圖的形狀是多變的，有雙峰但是無明顯低谷或者是雙峰與低谷都不明顯， 而且兩個區(qū)域的面積比也難以確定的情況常常出現(xiàn)， 采用最大方差自動取閾值往往能得到較 為滿意的結(jié)果。圖像灰度級的集合設(shè)為 S= ( 1,2,3, ,i, L), 灰度級為 i 的像素數(shù)設(shè)為 ni，則圖像的全 部像素數(shù)為N n1 n2nLni(3-1)iS將其標準化后，像素數(shù)為 P ni / N ，其中， i S， pi 0， pi 1 (3-2 )iS圖3.4圖像灰度直方圖設(shè)有某一

8、圖像灰度直方圖如圖 3.4，t為分離兩區(qū)域的閾值。 由直方圖統(tǒng)計可被 t分離后的 區(qū)域1、區(qū)域 2占整圖像的面積比以及整幅圖像、區(qū)域1、區(qū)域 2的平均灰度為：區(qū)域 1 的面積比：nj ；區(qū)域 2 的面積比 2njj 0 n j t 1 n3-3)或者G1整幅圖像平均灰度 u( f jj0nj ) ; 區(qū)域 1 的平均灰度 u1 n1t(fjj0nj)；區(qū)域 2 的平均灰度 u21G1jt1nj)n(3-4)式中， G 為圖像的灰度級數(shù)。整圖像平均灰度與區(qū)域 1、區(qū)域 2 平均灰度值之間的關(guān)系為u u1 1 u2 2 ( 3-5 ) 同一區(qū)域常常具有灰度相似特性， 而不同區(qū)域之間則表現(xiàn)為明顯的灰

9、度差異， 當被閾值 t分離的兩個區(qū)域之間灰度差較大時， 兩個區(qū)域的平均灰度 u1,u2與整圖像平均灰度 u之差也較 大，區(qū)域間的方差就是描述這種差異的有效參數(shù)，其表達式為：2 2 2B (1 u1 u)2(u2(t) u)(3-6 )2式中， B 表示了圖像被閾值 t分割后的兩個閾值之間的方差。顯然不同的t值，就會得到不同的區(qū)域方差，也就是說，區(qū)域方差、區(qū)域1均值、區(qū)域 2均值、區(qū)域面積比、區(qū)域面積比都是閾值 t的函數(shù)，因此式( 3-8)可寫為：2 2 22B 1(t)(u1 u)2 2(t)(u2(t) u)2 (3-7 ) 經(jīng)數(shù)學推導，區(qū)域間的方差可表示為：222B 1(t) 2(t()

10、u1(t) u2(t)2(3-8 )被分割的兩區(qū)域間的方差達最大時，被認為是兩區(qū)域的最佳分離狀態(tài)，由此確定閾定值T ：2T max 2B(t) ，以最大方差決定閾值不需要認為設(shè)定其他參數(shù)，是一種自動選擇閾值的方法，它不僅適用于兩區(qū)域的單閾值選擇，也可以擴展到多區(qū)域的多閾值選擇中去。3.3 迭代式閾值選擇法迭代法的基本思想是： 開始時選擇一個閾值作為初始估計值， 然后按某種策略不斷地改進這一估計值，直到滿足給定的準則為止。 算法步驟如下：選擇圖像灰度的中值作為初始閾值。利用閾值用下式計算區(qū)域 R1和R2的灰度均值 1和 2：Tfi njj01Tnjj0Ti 將圖像分割成兩個區(qū)域 R1和R2，L-

11、1fi nj j T 1 2 L 1nj jT1計算出 1和 2后，用下式計算出新的閾值 Ti+1 ：1 Ti 1( 1 2 )( 3-9)2 重復步驟( 2)和( 3)，直到 Ti+1 和Ti的差小于某個給定值。3.4小波變換的圖像分割 由于圖像的直方圖可以看作是一維信號，而直方圖上的突變點(波峰點和波谷點) ，往 往可以代表圖像灰度變化的特征。 因此 Jean-Christophe Olivo 提出了用小波變換對直方圖進行 處理的方法實現(xiàn)自動閾值提取。 Olivo 通過檢測直方圖小波變換的奇異點和區(qū)域極值點給出 直方圖峰值點的特性。 而小波變換的波峰和波谷點可以代表圖像中灰度代表值和閾值點

12、。 利 用小波變換多尺度特性實現(xiàn)對圖像的閾值分割。又由于小波變換具有多分辨率的特性， 因此可以通過對醫(yī)學圖像直方圖的小波變換， 實 現(xiàn)由粗到細的多層次結(jié)構(gòu)的閾值分割。首先在最低分辨率一層進行，然后逐漸向高層推進。 小波變換 W2j H x 的零交叉點表示了在分辨率 2j 時低通信號的局部跳變點。 當尺度 2j 減小 時，信號的局部微小細節(jié)逐漸增多，因此，能夠檢測出各微小細節(jié)的灰度突變點；當尺度 2j 增大時， 信號的局部細節(jié)逐漸消失， 而結(jié)構(gòu)較大的輪廓卻能清晰地反映出來， 因而能檢測 出該結(jié)構(gòu)較大的灰度突變點。因此，可以選擇小波為光滑函數(shù) x 的二階導數(shù)，對圖像的 一維直方圖信號進行小波變換，

13、 檢測出直方圖信號的突變點， 由此搜索出兩峰之問的谷點作 為分割閾值點。 這就是小波變換用于圖像分割的基本原理。 對圖像的直方圖來說， 它的各層 的小波分解系數(shù)表示不同分辨率下的細節(jié)信號， 它與小波近似信號聯(lián)合構(gòu)成直方圖的多分辨 率小波分解表示。 給定直方圖， 考慮其多分辨率小波分解表示的零交叉點和極值點來確定直 方圖的峰值點和谷點。小波變換的波峰和波谷點可以代表圖像中灰度代表值和閾值點。 利用小波變換多尺度特 性實現(xiàn)對圖像的閾值分割。算法步驟如下：1：預設(shè)分割區(qū)域為 M，分解級數(shù)， L 為圖像最大灰度值；2：小波分解曲線，得到，令 j=0,;3：，將大于 j分解層次的系數(shù)設(shè)置為 0，在重建直

14、方圖中，找出滿足和條件的標號l （灰度），并且統(tǒng)計標號 l的個數(shù) n;4：如果 nM,則j=j+1, 當jJ時，轉(zhuǎn)向步驟 :3；5：從重建直方圖中，找到閾值；6：像素值與閾值比較，標出所在區(qū)域。4. 結(jié)論通過以上各算法，在 Matlab 平臺中進行圖像分割，得出結(jié)果如下圖所示。圖 4.1雙峰法圖像分割圖像圖 4.2最大類間方差閾值法圖像分割圖4.3迭代式閾值選擇法圖像分割圖 4.4 小波變換圖像分割通過對比可以發(fā)現(xiàn)， 由于這里的機制砂的二值圖片是單個波谷的， 所以雙峰法和迭代式法在 圖像分割時有很好的分割效果。 但是這里的機制砂分散較為理想， 實際生產(chǎn)線的機制砂分散 狀況又會多種多樣，所以針對不同的顆粒堆疊狀況應配合不同的算法。 本文只是簡單介紹了圖像閾值分割算法中的一小部分， 但是這些算法是基礎(chǔ)部分， 雖然還有 很多其他算法沒有列寫在這里， 但是對于閾值分割的基本原理已經(jīng)學會， 本文對