基于視覺(jué)顯著圖的異性纖維彩色圖像分割方法

王思樂(lè)，范士勇，盧素魁，楊文柱＋

（1.河北大學(xué) 數(shù)學(xué)與計(jì)算機(jī)學(xué)院，河北 保定071002；2.河北大學(xué) 計(jì)算中心，河北 保定071002）

0 引 言

棉花異性纖維自動(dòng)視覺(jué)檢測(cè)系統(tǒng)，由于采用風(fēng)力傳送，使得采集的彩色圖像由于團(tuán)絮狀的皮棉背景灰度不均勻，加上異性纖維種類繁多，顏色、形狀各異，使得現(xiàn)有的圖像分割方法難以實(shí)現(xiàn)異性纖維圖像的準(zhǔn)確分割。因此，研究異性纖維彩色圖像的精確分割方法，是提高異性纖維檢測(cè)系統(tǒng)精度的基礎(chǔ)。

二層環(huán)路中的每條鏈路都存在一個(gè)向根交換機(jī)接收和發(fā)送流量的端口，此端口即為指定端口.指定端口通常選擇存在于根交換機(jī)上(根交換機(jī)上所以端口均為指定端口)，兩臺(tái)非根交換機(jī)的鏈路之間必定有一個(gè)端口為指定端口，指定端口的選舉由非根交換機(jī)到根交換機(jī)的鏈路開(kāi)銷大小所決定，鏈路開(kāi)銷最小的非根交換機(jī)所在的鏈路的端口為指定端口.如果兩條鏈路開(kāi)銷相同，則繼續(xù)比較兩臺(tái)非根交換機(jī)的BID，擁有最小BID的非根交換機(jī)所在的鏈路的端口為指定端口.

自動(dòng)視覺(jué)檢測(cè)系統(tǒng)實(shí)現(xiàn)棉花異性纖維自動(dòng)剔除和含量計(jì)量，是目前棉花異性纖維檢測(cè)領(lǐng)域的研究熱點(diǎn)［1，2］。基于薄棉層的檢測(cè)方法容易破壞異性纖維的形狀，使得皮棉中的異性纖維難以剔除或計(jì)量；而基于風(fēng)力傳送的檢測(cè)方法對(duì)皮棉的開(kāi)松程度要求低，能基本保持異性纖維形狀不被破壞，因此成為目前異性纖維檢測(cè)的首選方法。但基于風(fēng)力傳送的棉花異性纖維檢測(cè)系統(tǒng)產(chǎn)生的圖像由于團(tuán)絮狀的皮棉背景灰度不均勻，使得現(xiàn)有的圖像分割方法難以實(shí)現(xiàn)異性纖維目標(biāo)與背景的準(zhǔn)確分割。在采集的棉花異性纖維圖像中，盡管背景灰度不均勻，但通過(guò)觀察，發(fā)現(xiàn)其中的異性纖維目標(biāo)仍然具有視覺(jué)上的顯著性，能迅速引起人的注意，即：這些異性纖維目標(biāo)要么帶有顏色，要么在亮度上顯著區(qū)別于背景。基于這個(gè)原因，本文提出了一種利用視覺(jué)注意原理來(lái)實(shí)現(xiàn)目標(biāo)識(shí)別的方法，即基于視覺(jué)顯著圖的彩色圖像分割方法，以期實(shí)現(xiàn)異性纖維彩色圖像的準(zhǔn)確分割。

計(jì)算機(jī)界的學(xué)者們投入了大量的時(shí)間和精力用于實(shí)現(xiàn)視覺(jué)注意的計(jì)算模型，希望其至少能夠展現(xiàn)人類視覺(jué)系統(tǒng)的部分特征［3－6］。圖像驅(qū)動(dòng)的自底向上模型和知識(shí)驅(qū)動(dòng)的自頂向下模型是兩個(gè)最常用的視覺(jué)注意模型［7］。顯著圖首先由Koch和Ullman提出，用于解釋自底向上模型的選擇控制；而自底向上視覺(jué)注意的計(jì)算模型則首先由Itti構(gòu)建，并設(shè)計(jì)實(shí)現(xiàn)了相應(yīng)的計(jì)算機(jī)算法［8］。目前，基于視覺(jué)注意的圖像處理應(yīng)用主要包括目標(biāo)檢測(cè)與識(shí)別［9－11］、圖像分割［12］、圖像概括［13］等。

本文的目標(biāo)是設(shè)計(jì)一種適合于自動(dòng)視覺(jué)檢測(cè)系統(tǒng)的彩色圖像分割算法，以便實(shí)現(xiàn)棉花異性纖維的準(zhǔn)確檢測(cè)。

1 異性纖維自動(dòng)視覺(jué)檢測(cè)系統(tǒng)

“正常人”十分愛(ài)惜自己的羽毛，顧惜自己的尊嚴(yán)。“獨(dú)立之精神，自由之思想”是他做人的不二信仰。“正常人”對(duì)人生的感悟是：生命的本質(zhì)，是“時(shí)光”和“自由”。

圖1 棉花異性纖維自動(dòng)視覺(jué)檢測(cè)系統(tǒng)框架

1.1 系統(tǒng)的工作原理

經(jīng)過(guò)打包機(jī)壓實(shí)的待檢皮棉首先送入開(kāi)松機(jī)進(jìn)行開(kāi)松，以便使皮棉蓬松從而易于風(fēng)力輸送。開(kāi)松后的待檢皮棉在負(fù)壓風(fēng)力的作用下通過(guò)輸棉管道送到視覺(jué)檢測(cè)主機(jī)進(jìn)行在線檢測(cè)。輸棉管道中的負(fù)壓是由負(fù)壓風(fēng)機(jī)產(chǎn)生的，風(fēng)速約為7.5m／s。待檢皮棉經(jīng)過(guò)視覺(jué)檢測(cè)主機(jī)的玻璃檢測(cè)通道時(shí)，由線掃描相機(jī)進(jìn)行實(shí)時(shí)圖像采集，并實(shí)時(shí)傳送到相連的計(jì)算機(jī)進(jìn)行處理和分析。檢測(cè)過(guò)的皮棉存儲(chǔ)在皮棉收集箱中。

1.2 圖像的采集

將紅、綠、藍(lán)3個(gè)顏色顯著圖Sr、Sg、Sb進(jìn)行融合，得到綜合顏色顯著圖S

圖2 異性纖維彩色圖像片段

2 基于顯著圖的彩色圖像分割

上述閾值TC、TB和TW均為通過(guò)反復(fù)實(shí)驗(yàn)得到的經(jīng)驗(yàn)值

圖3 基于視覺(jué)顯著圖的彩色圖像分割方法

2.1 顏色顯著圖的計(jì)算

設(shè)I為輸入的異性纖維RGB彩色圖像，分辨率為M×N，其中M和N 分別是圖像的行數(shù)和列數(shù)。令R、G、B分別是I的紅、綠、藍(lán)3個(gè)顏色通道，分辨率也是M×N。圖像的紅色特征矩陣r、綠色特征矩陣g和藍(lán)色特征矩陣b由式 （1）～式 （3）計(jì)算得出

利率的非市場(chǎng)化是銀行業(yè)高利潤(rùn)主要原因之一，但利率非市場(chǎng)化，商業(yè)銀行不能進(jìn)行風(fēng)險(xiǎn)定價(jià)，在降低不良貸款的壓力下，會(huì)使貸款過(guò)分集中地投放到壟斷行業(yè)的所謂“優(yōu)質(zhì)客戶”之中，銀行貸款投放的這種“傍大款”現(xiàn)象進(jìn)一步加劇了我國(guó)中小企業(yè)融資難的問(wèn)題，阻礙了資金的合理化配置和經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整，降低了整個(gè)社會(huì)經(jīng)濟(jì)資源的配置效率。

用于圖像采集的相機(jī)是加拿大DALSA公司生產(chǎn)的工業(yè)級(jí)線掃描相機(jī) （PC－30－04K60，DALSA，Canada），分辨率為4096pixels／line。工作時(shí)采用內(nèi)觸發(fā)曝光模式，掃描頻率設(shè)置為10KHz。實(shí)時(shí)產(chǎn)生的掃描線由圖像采集卡（X64－CL Express，CORECO，Canada）進(jìn)行收集和組幀，每128條掃描線組成1幀，因此每幀圖像的分辨率為128×4096。為顯示方便，僅截取采集的異性纖維圖像的部分用于展示，如圖2所示。

2.2 亮度顯著圖

以黑色羽毛為例的黑白目標(biāo)分割結(jié)果如圖5所示。可以看出，黑色羽毛的顏色顯著性不如亮度顯著性明顯，通過(guò)顏色顯著圖幾乎無(wú)法獲得正確的分割結(jié)果；這是由于顏色顯著性閾值TC是專為分割彩色目標(biāo)設(shè)計(jì)的，當(dāng)將之用于分割顏色顯著圖中的黑白目標(biāo)時(shí)，顯然無(wú)法獲得滿意的結(jié)果。幸運(yùn)的是，黑色羽毛的亮度顯著性非常明顯，利用亮度顯著圖可以得到準(zhǔn)確的分割結(jié)果。由于設(shè)置了兩個(gè)分割閾值，分別用于識(shí)別黑色目標(biāo)和白色目標(biāo)，因此本文的方法對(duì)白色目標(biāo)同樣有效。

2.3 目標(biāo)檢測(cè)

在采集的異性纖維圖像中，異性纖維目標(biāo)要么是彩色目標(biāo)，要么是黑白目標(biāo)。彩色目標(biāo)可以在顏色顯著圖中進(jìn)行識(shí)別，而黑白目標(biāo)則可以在亮度顯著圖中進(jìn)行檢測(cè)。

橋梁各構(gòu)件表面和內(nèi)部不同點(diǎn)位上的實(shí)際溫度都處在不斷變化的狀態(tài)，而從由自然環(huán)境因素引起的溫度荷載角度講，可分為以下三種類型：①日照溫度荷載，主要受太陽(yáng)輻射影響，具有短時(shí)急變的時(shí)間性，作用于局部，不均勻分布，易使結(jié)構(gòu)局部應(yīng)力增大，是最為復(fù)雜的溫度荷載；②驟然溫降溫度荷載，主要受強(qiáng)冷空氣影響，具有短時(shí)變化的時(shí)間性，作用于整體，分布相對(duì)均勻，易使結(jié)構(gòu)應(yīng)力增大，具有一定復(fù)雜性；③年溫變化荷載，主要受緩慢溫變因素影響，具有長(zhǎng)期緩慢的時(shí)間性，作用于整體，分布均勻，易使結(jié)構(gòu)整體位移增大，是較簡(jiǎn)單的一種溫度荷載。本次研究只考慮前兩種溫度荷載，年溫變化荷載在工程設(shè)計(jì)中有所提及，故本次不考慮。

在顏色顯著圖中設(shè)置分割閾值TC以區(qū)別某個(gè)像素是否為彩色目標(biāo)像素；如果該像素的顏色顯著性大于TC，則為彩色目標(biāo)像素，否則為背景像素。

在亮度顯著圖中，設(shè)置兩個(gè)閾值TB和TW；如果某像素的亮度顯著性小于TB，則為黑色目標(biāo)像素；如果某像素的亮度顯著性大于TW，則為白色目標(biāo)像素；其他為背景像素。

在采集的異性纖維圖像中，異性纖維目標(biāo)可能是彩色的，如彩色布條、紅色丙綸絲等，也可能是黑白的，如黑色羽毛、白色紙片等。由于圖像的背景總是黑白的，要么是反光板的均勻灰白色，要么是皮棉的不均勻白色；因此，在含有彩色異性纖維目標(biāo)的圖像中，顏色是異性纖維目標(biāo)最顯著的特征；而在含有黑白異性纖維目標(biāo)的圖像中，亮度是其最顯著的特征。也就是說(shuō)，我們可以通過(guò)顏色特征來(lái)檢測(cè)圖像中含有的彩色異性纖維目標(biāo)，通過(guò)亮度特征檢測(cè)圖像中含有的黑白異性纖維目標(biāo)；通過(guò)目標(biāo)融合，就可以得到全部異性纖維目標(biāo)。基于顯著圖的彩色圖像分割方法框架如圖3所示。

將彩色目標(biāo)Oc和黑白目標(biāo)Od進(jìn)行融合，得到最終目標(biāo)O。由于Oc和Od均為二值圖像，因此目標(biāo)融合可利用二進(jìn)制的位或運(yùn)算實(shí)現(xiàn)

我國(guó)“黑金子”石墨粉的粉碎技術(shù)一直比較落后，往往是將粗加工石墨粉出口到國(guó)外加工，再?gòu)膰?guó)外進(jìn)口使用，這樣一來(lái)成本增加、利潤(rùn)降低。力普研制的石墨粉碎球化生產(chǎn)線破解了這一難題，吸引并成了日本、巴西客商以及國(guó)內(nèi)石墨集產(chǎn)地的首選，深受?chē)?guó)內(nèi)外客商的青睞。

3 結(jié)果與討論

利用棉花異性纖維自動(dòng)視覺(jué)檢測(cè)系統(tǒng)采集的實(shí)際圖像作為實(shí)驗(yàn)對(duì)象，對(duì)本文方法進(jìn)行驗(yàn)證。算法利用Matlab 7.0進(jìn)行了處理效果驗(yàn)證，并通過(guò)C＋＋和OpenCV實(shí)現(xiàn)，在試驗(yàn)平臺(tái)上進(jìn)行實(shí)際運(yùn)行驗(yàn)證。

由于實(shí)際圖像的水平分辨率為4096，而垂直分辨率只有128，為使實(shí)驗(yàn)結(jié)果更便于觀察，我們對(duì)圖像進(jìn)行了裁剪，只保留含有異性纖維目標(biāo)的片段，大小為128×512。含有彩色異性纖維目標(biāo)的RGB圖像分割結(jié)果如圖4所示。

令mr、mg、mb分別表示紅色、綠色、藍(lán)色特征的均值。顏色顯著性可以通過(guò)計(jì)算顏色特征與其均值的差得到。為進(jìn)一步提高顯著水平，我們采用上述差的平方來(lái)表示顏色顯著性。利用顏色矩陣r、g、b計(jì)算得到的相應(yīng)顏色顯著圖Sr、Sg、Sb分別表示為式 （7）～式 （9）

圖4 彩色目標(biāo)分割

在彩色目標(biāo)分割試驗(yàn)中，圖像中的彩色目標(biāo)是紅色丙綸絲，因此其紅色特征r最強(qiáng)，而綠色特征g和藍(lán)色特征b相對(duì)較弱，反映到顏色顯著圖中，也是紅色顯著圖Sr最明顯，在綜合顯著圖S中占據(jù)主導(dǎo)地位。通過(guò)觀察發(fā)現(xiàn)，這個(gè)紅色丙綸絲目標(biāo)也具有較強(qiáng)的亮度顯著性，因此這個(gè)目標(biāo)既可以通過(guò)顏色顯著圖進(jìn)行有效分割，也可以通過(guò)亮度顯著圖進(jìn)行有效分割；但這種情況并不總是成立，在某些情況下，僅可以通過(guò)彩色顯著圖分割出彩色目標(biāo)。

基于風(fēng)力輸送的棉花異性纖維自動(dòng)視覺(jué)檢測(cè)系統(tǒng)主要包括4個(gè)部分：開(kāi)松機(jī)、視覺(jué)檢測(cè)主機(jī)、負(fù)壓風(fēng)機(jī)和皮棉收集箱。各部分之間通過(guò)密封的負(fù)壓管道相連接。系統(tǒng)框架圖如圖1所示。

在試驗(yàn)中，用于實(shí)現(xiàn)彩色目標(biāo)分割的顏色顯著性閾值TC設(shè)置為105，而用于實(shí)現(xiàn)黑色和白色目標(biāo)分割的亮度顯著性閾值TB和TW分別設(shè)置為55和200。

加利埃尼組織的出租車(chē)隊(duì)將成千上萬(wàn)士兵迅速運(yùn)抵前線，扭轉(zhuǎn)了戰(zhàn)爭(zhēng)局勢(shì)，加強(qiáng)了法軍防線。這是法軍取得勝利的關(guān)鍵所在。

異性纖維圖像中某些目標(biāo)是黑白的，他們不具有顏色顯著性，但在亮度上與背景有明顯差異，因此可以利用亮度特征檢測(cè)這些黑白目標(biāo)。將彩色RGB圖像轉(zhuǎn)換為灰度圖像，直接作為亮度顯著圖Sd

圖5 黑白目標(biāo)分割

通過(guò)上述討論可知，無(wú)論是彩色還是黑白異性纖維目標(biāo)，本方法都可以獲得滿意的分割結(jié)果。

基于最大類間方差原理的Otsu方法是廣為應(yīng)用的圖像分割方法之一，基于譜殘差的顯著圖方法則是目前最新的視覺(jué)注意目標(biāo)識(shí)別方法之一。本文方法與上述兩種方法的分割效果對(duì)比見(jiàn)表1。

許多人認(rèn)為“人不應(yīng)該有情緒”，所以不肯承認(rèn)自己有負(fù)面的情緒。要知道，人一定會(huì)有情緒的，壓抑情緒反而帶來(lái)更不好的結(jié)果，學(xué)會(huì)體察自己的情緒，是情緒管理的第一步。

諸上各因素的匯聚加劇了照料者在考慮未來(lái)時(shí)的消極情緒體驗(yàn)，弱化了照料者在討論未來(lái)話題時(shí)的能動(dòng)性。在中國(guó)，殘障問(wèn)題在快速老齡化的背景下顯得尤為嚴(yán)峻。但國(guó)內(nèi)針對(duì)殘障人士未來(lái)安置規(guī)劃的實(shí)踐與研究都顯得滯后，亟須立足于以心智障礙家庭為中心的實(shí)證調(diào)查，為決策提供證據(jù)，從而呼應(yīng)社會(huì)政策從既有的再分配范式向“照顧范式”的逐步轉(zhuǎn)向。

通過(guò)表1可以看出，Otsu方法對(duì)序號(hào)為1（被土污染的地膜）和4（黑色羽毛）的圖像分割效果最好，對(duì)序號(hào)為3（紅色丙綸絲）的圖像分割不夠準(zhǔn)確 （將較厚的皮棉部分誤分割為目標(biāo)），而對(duì)序號(hào)為2（黃色布條）的圖像則無(wú)法正確分割。基于譜殘差的方法基本上都可以正確識(shí)別出目標(biāo)，但分割精度較差。本文的方法則可以精確分割出所有目標(biāo)，也沒(méi)有出現(xiàn)誤分割現(xiàn)象。

4 結(jié)束語(yǔ)

（1）彩色異性纖維目標(biāo)可以通過(guò)顏色顯著圖進(jìn)行有效分割；黑白異性纖維目標(biāo)可以通過(guò)亮度顯著圖進(jìn)行有效識(shí)別；通過(guò)目標(biāo)融合，可以得到所有種類的異性纖維目標(biāo)。

（2）實(shí)驗(yàn)結(jié)果表明，本文提出的基于顯著圖的彩色圖像分割方法，在分割精度上明顯優(yōu)于Otsu方法和基于普殘差的方法，可以實(shí)現(xiàn)對(duì)異性纖維彩色圖像的精確分割。

本文的不足之處是所用的分割閾值是實(shí)驗(yàn)獲得的經(jīng)驗(yàn)值；如何選擇自動(dòng)閾值實(shí)現(xiàn)圖像的自適應(yīng)分割是下一步需要研究的工作。

［1］YANG Wenzhu，LI Daoliang.An AVI system for classification of foreign fibers in cotton ［J］.Transaction of the Chinese So－ciety for Agriculture Machinery，2009，40 （12）：177－181 （in Chinese）.［楊文柱，李道亮.基于自動(dòng)視覺(jué)檢測(cè)的棉花異性纖維 分 類 系 統(tǒng) ［J］. 農(nóng) 業(yè) 機(jī) 械 學(xué) 報(bào)，2009，40 （12）：177－181.］

［2］ZHANG Xin，LI Daoliang.Fast segmentation of high resolution color images of cotton foreign fibers ［J］.Transaction of the Chinese Society for Agriculture Machinery，2011，42 （1）：159－164 （in Chinese）.［張馨，李道亮.高分辨率棉花異性纖維彩色圖像的快速分割方法 ［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2011，42（1）：159－164.］

［3］Khuwuthyakorn P，Robles－Kelly A，Zhou J.Proceedings of the 11th European conference on computer vision ［C］／／Heraklion，Springer Press，2010.

［4］Vikram T N，Tscherepanow M，Wrede B.A saliency map based on sampling an image into random rectangular regions of interest ［J］.Pattern Recognition，2012，45 （9）：3114－3124.

［5］Luo W，Li H L，Liu G H，et al.Global salient information maximization for saliency detection ［J］.Signal Processing：Image Communication，2012，27 （3）：238－248.

［6］Ban S W，Jang Y M，Lee M H.Affective saliency map considering psychological distance ［J］.Neurocomputing，2011，74（11）：1916－1925.

［7］Shi H，Yang Y.A computational model of visual attention based on saliency maps ［J］.Applied Mathematics and Computation，2007，188 （2）：1671－1677.

［8］Caltech：Bottom－up visual attention home page ［EB／OL］.［2013－02－23］.http：／／ilab.usc.edu／bu／.

［9］López M T，F(xiàn)ernández－Caballero A，Mira J，et al.Algorithmic lateral inhibition method in dynamic and selective visual attention task：Application to moving objects detection and labeling ［J］.Expert Systems with Applications，2006，31 （3）：570－594.

［10］Lee S J，Kim K H，Kim J Y，et al.Familiarity based unified visual attention model for fast and robust object recognition［J］.Pattern Recognition，2010，43 （3）：1116－1128.

［11］Hou X，Zhang L.Proceedings of the IEEE conference on computer vision and pattern recognition ［C］／／Minneapolis：IEEE Computer Society，2007.

［12］Pan C，Park D S，Yoon S，et al.Leukocyte image segmentation using simulated visual attention ［J］.Expert Systems with Applications，2012，39 （1）：7479－7494.

［13］Wang J W，Wang Y H，Zhang Z X.Sixth international conference on image and graphics ［C］／／Hefei：IEEE Computer Society，2011.