劉銳 張長(zhǎng)勝 張漢平

摘要：圖像分類識(shí)別技術(shù)主要處理彩色或灰度圖像，使用圖像特征提取方法提取出同類樣本的共性及不同樣本的差異性，再配合恰當(dāng)?shù)姆诸惼髟O(shè)計(jì)得到較高的分類識(shí)別率。選取200個(gè)錫基合金，通過(guò)二值化、形態(tài)學(xué)邊緣提取和掃描線種子填充算法尋找封閉區(qū)域，用改進(jìn)的多邊形包含算法進(jìn)行封閉區(qū)域包含判定，提取出金相組織的形狀特征。對(duì)識(shí)別的金相組織設(shè)計(jì)雙閾值級(jí)聯(lián)分類器，根據(jù)特征識(shí)別進(jìn)行歸類。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的分類器測(cè)試精度達(dá)到96%，識(shí)別速度快，能滿足實(shí)際需求。

關(guān)鍵詞：圖像分類；多邊形包含；邊緣提?。惶卣髯R(shí)別；雙閾值級(jí)聯(lián)

DOIDOI：10.11907/rjdk.172823

中圖分類號(hào)：TP317.4

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)文章編號(hào)：1672-7800（2018）008-0212-04

英文摘要Abstract：The processing object image classification technology mainly deals with color or grayscale images，using image feature extraction method to extract similar samples properly，similarities，differences in the different samples，the classification with the appropriate classifier design is finally able to get a higher rate； 200 tin alloy were selected through the binarization.Morphological edge extraction and scan line seed fill algorithm were employed to find the closed areas which include judging by the improved algorithm of polygon.The shape features of the metallographic structure are extracted.A double threshold cascade classifier is designed to classify the recognition tissue according to the feature recognition.Experimental results show that the accuracy of the proposed classifier is 96%.The recognition speed is fast and the actual demand is met.

英文關(guān)鍵詞Key Words：image classification ；polygon inclusion；edge extraction；trick recognition ；dual threshold cascade

0 引言

數(shù)字圖像中的形狀特征提取，大量運(yùn)用于定位識(shí)別[1]、果類自動(dòng)分級(jí)系統(tǒng)[2]、果類自動(dòng)采摘[3]中，通常從顏色、形狀、紋理3個(gè)特征進(jìn)行提取[4]，用輪廓特征和區(qū)域特征表征形狀特征[5]。

一般用提取對(duì)象的邊界特征值表征輪廓特征，提取對(duì)象的整個(gè)區(qū)域特征表征區(qū)域特征。文獻(xiàn)[6]采用分支限界法對(duì)對(duì)象的骨架圖進(jìn)行匹配提取區(qū)域特征。文獻(xiàn)[7]利用徑向基網(wǎng)絡(luò)成功實(shí)現(xiàn)遙感影像的識(shí)別分類。上述方法效率高，但計(jì)算量大。文獻(xiàn)[8]利用SUSAN算子識(shí)別圖像中角點(diǎn)信息，該方法適用于特征單一對(duì)象，對(duì)特征算子的要求比較高。

本文運(yùn)用圖像閾值分割、邊緣提取等方法有效地識(shí)別出錫基合金金相圖中各相的形狀特征，并采用改進(jìn)方法識(shí)別金相圖中的包含關(guān)系，對(duì)被包含部分進(jìn)行區(qū)分，最終獲得金相組織的形狀特征。本文根據(jù)上述方法識(shí)別出來(lái)的形狀特征參量設(shè)計(jì)了雙閾值級(jí)聯(lián)分類器，對(duì)金相圖像中各相進(jìn)行有效分類。

1 金相圖組織成份提取

金相識(shí)別目的在于提取圖1中白色不規(guī)則圖形的輪廓和區(qū)域信息[9]。用邊界搜索提取圖像輪廓，進(jìn)一步用區(qū)域填充提取區(qū)域特征信息。

1.2 形態(tài)學(xué)邊緣檢測(cè)及金相組織提取

用給定約束條件下的結(jié)構(gòu)元素獲取圖像中與之相符合的形狀特征[12]。相比于其它算法，形態(tài)學(xué)邊緣檢測(cè)能更好地表現(xiàn)圖像集合特征。邊緣檢測(cè)處理結(jié)果如圖3所示。

采用掃描線種子填充算法搜索封閉區(qū)域，并提取金相區(qū)域信息即可獲得組織輪廓。

1.3 多邊形包含算法改進(jìn)

上述方法可獲取位于較大封閉區(qū)域中的[13]封閉區(qū)域，如圖3中的封閉區(qū)。這些區(qū)域?yàn)棣凉倘荏w，需要將其排除，使識(shí)別結(jié)果更準(zhǔn)確。圖4為沒(méi)有進(jìn)行區(qū)域包含判斷，但被錯(cuò)誤識(shí)別包含的α固溶體組織。

討論圖像的包含情況[14]，采用改進(jìn)方法識(shí)別圖像中多邊形與多邊形的位置關(guān)系。改進(jìn)方法可有效識(shí)別包含區(qū)域，準(zhǔn)確率有提高。改進(jìn)方法如下：

圖5（a）所示閉合區(qū)域R2在R1內(nèi)，在R1上任取一點(diǎn)A，過(guò)A點(diǎn)向左作線段AB交圖像邊界于B。取A下一點(diǎn)C作CD平行于A，交圖像邊界于D。此時(shí)線段AB和線段CD與R2有一個(gè)交點(diǎn)，與R3有兩個(gè)交點(diǎn)，與R4無(wú)交點(diǎn)，即當(dāng)線段與封閉區(qū)有奇數(shù)個(gè)交點(diǎn)時(shí)，R1被閉合區(qū)域包含，為偶數(shù)則不包含。

圖5（b）中閉合區(qū)域R2在R1內(nèi)，在R1上任取一點(diǎn)A，過(guò)A點(diǎn)向左作線段AB交圖像邊界于B。取A下一點(diǎn)C作CD平行與A交圖像邊界于D。圖5（b）中AB與R3相切，圖5（c）中R2內(nèi)切R1，與A點(diǎn)AB均與封閉區(qū)域有偶數(shù)個(gè)交點(diǎn)，即當(dāng)兩條線段與封閉區(qū)存在奇數(shù)個(gè)交點(diǎn)時(shí)，R1被封閉區(qū)包含，都為偶數(shù)時(shí)不包含。

圖5（d）中R2被R1包含，若從R2上A向左作一條線段AB，則B是圖像左邊緣上的一點(diǎn)。取A下一點(diǎn)C作CD平行于AB，此時(shí)線段AB與封閉區(qū)域有6個(gè)交點(diǎn)，CD與封閉區(qū)域有4個(gè)交點(diǎn)。如果用圖6（a）判斷，則R2不被R1包含，因此需要將相鄰的像素點(diǎn)看作一個(gè)點(diǎn)。

2.2 外接矩長(zhǎng)寬比提取

通過(guò)圖8可分析出方塊狀組織長(zhǎng)寬比條狀或放射狀組織要大，可采用此特征進(jìn)行區(qū)分。本文選擇MABR（最小面積外接矩形）表征多邊形的外接矩形。

2.3 雙閾值級(jí)聯(lián)分類器

對(duì) 200 個(gè) Cu6Sn5、SnSb 組織進(jìn)行緊湊度和長(zhǎng)寬比計(jì)算。從圖9可以看出，使用單一的緊湊度進(jìn)行分類，會(huì)出現(xiàn)圖中Ⅰ區(qū)域淺色和Ⅱ區(qū)域深色數(shù)據(jù)誤分類現(xiàn)象；單獨(dú)使用長(zhǎng)寬比進(jìn)行分類，同樣會(huì)出現(xiàn)Ⅰ區(qū)域深色和Ⅱ區(qū)域淺色部分?jǐn)?shù)據(jù)誤分類現(xiàn)象?？梢钥闯觯捎脝翁卣鞣诸惼鬟M(jìn)行分類會(huì)使結(jié)果出現(xiàn)明顯偏差[15]。

3 實(shí)驗(yàn)結(jié)果與分析

本文實(shí)驗(yàn)素材均來(lái)自筆者所在材料學(xué)院，從這些金相圖提取100個(gè)SnSb及Cu6Sn5共計(jì)200個(gè)金相組織構(gòu)成訓(xùn)練樣本，再各選取50個(gè)SnSb和Cu6Sn5組織作為測(cè)試樣本，測(cè)出每個(gè)樣本的緊湊度和長(zhǎng)寬比數(shù)據(jù)。將測(cè)得數(shù)據(jù)輸入分類器進(jìn)行訓(xùn)練和分類，識(shí)別結(jié)果（部分）見圖10。根據(jù)表1可知分類器用時(shí)較少，測(cè)試精度達(dá)到96.1%，識(shí)別率高、耗時(shí)短，可滿足應(yīng)用需求。

4 結(jié)語(yǔ)

本文利用閾值分割、邊緣識(shí)別等一系列方法提取金相圖中各相的輪廓特征，利用改進(jìn)的多邊形包含算法很好地剔除了金相組織中被包含的部分。利用雙閾值級(jí)聯(lián)分類算法對(duì)錫基合金圖中的各相進(jìn)行分類，能在較短時(shí)間內(nèi)高效識(shí)別金相組成。根據(jù)識(shí)別結(jié)果計(jì)算各相組織含量，進(jìn)一步分析各相組織含量與合金硬度之間的關(guān)系，對(duì)錫基合金具有一定意義[16]。

參考文獻(xiàn)：

[1] 倪健.基于圖案形狀特征的機(jī)器視覺(jué)定位技術(shù)的研究與開發(fā)[D].無(wú)錫：江南大學(xué)，2013.

[2] 趙茂程，侯文軍.我國(guó)基于機(jī)器視覺(jué)的說(shuō)過(guò)自動(dòng)分類技術(shù)及研究進(jìn)展[J].包裝與食品機(jī)械，2007，25（5）：5-8.

[3] 王輝.機(jī)器視覺(jué)技術(shù)在果園自動(dòng)化中的應(yīng)用研究[D].中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院，2011.

[4] 汪啟偉.圖像直方圖特征及其應(yīng)用研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2014.

[5] 孔珊珊.基于形狀特征的圖像檢索系統(tǒng)[D].太原：太原理工大學(xué)，2013.

[6] ZHU S C，YUILLE A L.FORMS：a flexible object recognition and modeling system[J].International Journal on Computer Vision，1996，20（3）：187-212.

[7] 駱劍承，周成虎，楊艷.基于徑向基函數(shù)（RBF）映射理論的遙感影像分類模型研究[J].中國(guó)圖象圖形學(xué)報(bào)，2004（2）：94-99.

[8] 賀菁，李慶華，王新賽.基于方向性SUSAN 算子的圖像角點(diǎn)特征提取[J].小型微型計(jì)算機(jī)系統(tǒng)，2008，29（3）：508-510.

[9] 肖鵬，徐軍，陳少?zèng)_.紋理特征提取方法[J].電子科技，2010，23（6）：49-51.

[10] OTSU N.A thresh selection method from gray-level histograms[J].IEEE Transactions on System Man and Cybemetic，1979，9（1）：62-66.

[11] 喬萬(wàn)波，曹銀杰.一種改進(jìn)的灰度圖像二值化方法[J].電子科技，2008 （11）：63-64.

[12] 傅茂名.基于形態(tài)灰度邊緣檢測(cè)算法的一種改進(jìn)[J].電子科技大學(xué)學(xué)報(bào)，2005，34（2）：206-209.

[13] 陸宗騏，朱煜.使用線段表實(shí)現(xiàn)線段編碼與種子填充快速算法[J].中國(guó)圖象圖形學(xué)報(bào)，2009，14（3）：499-504.

[14] 江平，劉民士.射線法判斷點(diǎn)與包含簡(jiǎn)單曲線多邊形關(guān)系的完善[J].測(cè)繪科學(xué)，2009，34（5）：220-222.

[15] 張國(guó)英，沙蕓，劉玉樹.模式識(shí)別中基于Boosting的特征篩選[J].北京理工大學(xué)學(xué)報(bào)，2004（7）：613-616.

[16] 崔鳳奎，王曉強(qiáng)，張豐收.定量金相分析算法及實(shí)現(xiàn)[J].材料科學(xué)與工藝，2000（3）：109-112.

（責(zé)任編輯：杜能鋼）