（机械电子工程专业论文）羊绒与羊毛纤维鉴别系统的研究.pdf

羊绒与羊毛纤维鉴别系统的研究 摘要 删f l1 1 11 1 1 1 1 i ij ii ii i i iijl,iwl y 2 0 3 9 6 0 7 山羊绒纤维是一种珍稀而昂贵的动物纤维，具有优良的性能，用其可以生产价值昂贵 的高档产品，因此羊绒含量的高和低不仅影响其制成品的性能，还与企业的生产成本、以 及制成品的定价都是密切相关的。本论文主要是基于数字图像处理技术对绒毛纤维进行处 理，在处理图片的基础上对纤维的特征参数进行了提取，并且对绒毛纤维的种类进行了分 类识别的研究，主要工作是对大量绒毛纤维图片进行数字图像处理、特征参数的提取及测 量、数据的分析。本文主要工作如下： 研究了图像复原方法，并利用盲解卷积算法对绒毛纤维图像进行复原，利用数字图像 处理技术对纤维图像进行预处理，得到只有边缘信息的二值图像；研究了特征参数的提取 方法，对纤维鳞片的直径、纤维鳞片的高度、纤维鳞片的厚度、纤维鳞片的密度、纤维鳞 片表征面积、纤维鳞片表征周长、径高比、鳞片密度、鳞片外方形因子、鳞片内方形因子、 鳞片相对周长、鳞片相对面积等特征参数进行提取，设计了特征参数的数据库将测量结果 存储到数据库中；对数据库中的鳞片信息数据进行分析，利用b p 神经网络的方法对羊绒 羊毛纤维进行分类研究，对实验结果进行误差分析：最后分析设计了绒毛纤维图像处理与 识别系统。 关键词：羊绒纤维鉴别；模糊图像处理；特征提取；小波变换；模式识别 i 乇e s e a r c ho ni d e n t i f i c a t i o ns y s t e mo fc a s h m e r e a n dw o o lf i b e r a b s t r a c t c a s h m e r ef i b e ri sak i n do fr a r ea n de x p e n s i v ea n i m a lf i b e r , w h i c hh a sh i g hp e r f o r m a n c e i t sp r o d u c t i o ni se x p e n s i v ea n dh i g h - g r a d e t h u st h ec o g e n to fc a s h m e r ei sn o to n l ya f f e c t i n g t h ep e r f o r m a n c eo fm a n u f a c t u r e dg o o d s ，a n da l s oc l o s e l yr e l a t e dw i t ht h ec o s ta n dt h ep r i c i n go f t h ep r o d u c t i o n c a s h m e r ef i b e rp r o c e s s i n gi sb a s e do nd i g i t a li m a g ep r o c e s s i n gt e c h n i q u e s a f t e r i m a g ep r o c e s s i n gt h ec h a r a c t e r i s t i cp a r a m e t e r so f t h ef i b e ra r ee x t r a c t e db ys o m ee x t r a c t i o n m e t h o d a tl a s t ，r e s e a r c ht h em e t h o do ft h ec l a s s i f yr e c o g n i t i o nf o rc a s h m e r ef i b e r t h em a i n w o r ki su s i n gal a r g en u m b e ro fc a s h m e r ef i b e ri m a g e st od od i g i t a li m a g ep r o c e s s i n g ，e x t r a c t a n dm e a s u r ec h a r a c t e r i s t i cp a r a m e t e r s ，a n dd od a t aa n a l y s i s ，e t c t h em a i nc o n t r i b u t i o n sa r e g i v e na sf o l l o w i n g ： am e t h o do fi m a g er e s t o r a t i o nf o rf u z z yi m a g ei sr e s e a r c h e d t h i sm e t h o di su s e dt or e s t o r e al o to ft h ef u z z yc a s h m e r ei m a g e ，w h i c hc a l l e db l i n dd e c o n v o l u t i o na l g o r i t h m c a s h m e r ef i b e r p r o c e s s i n gi su s i n gd i g i t a li m a g ep r o c e s s i n gt e c h n i q u e s b yi m a g ep r o c e s s i n g ，t h eg r a ya n d b i n a r yi m a g e sc a nb ep r e s e n t e d t h em e t h o d so fe x t r a c t i o nf o rc h a r a c t e r i s t i cp a r a m e t e r sa r e t a k e nt os t u d y f o rc h a r a c t e r i s t i cp a r a m e t e r sw i t hm a n yk i n d s ，s u c ha st h ed i a m e t e r , h e i g h t ， t h i c k n e s s ，d e n s i t y , a r e a ，p e r i m e t e r ，r a t i oo fd i a m e t e ra n dh e i g h t ，t h es c a l e ss q u a r ef a c t o r ，i n s i d e s q u a r ef a c t o r , r e l a t i v ep e r i m e t e ra n dr e l a t i v ea r e a a l lt h e s ep a r a m e t e r sa r ee x t r a c t e da n ds a v e di n t h ed a t a b a s e t h ep a r a m e t e ri n f o r m a t i o ni nt h ed a t a b a s ec a nb ep i c k e du p t h em e t h o do fb p n e u r a ln e t w o r ki sp r e s e n t e dt om a k et h ea n a l y s i sa n dr e s e a r c ht h ek i n do ft h ef i b e rf r o mt h e d a t a b a s ed a t a r e s u l t so ft h es i m u l a t i o nh a v em a d et h ee r r o ra n a l y s i s t h ec a s h m e r ef i b e r i d e n t i f i c a t i o ns y s t e mi sd e s i g n e db a s e dt h ef o r m e ra n a l y s i s k e yw o r d s ：c a s h m e r ef i b e ri d e n t i f i c a t i o n ，f u z z yi m a g ep r o c e s s i n g ，f e a t u r ee x t r a c t i o n ； w a v e l e tt r a n s f o r m ，p a t t e r nr e c o g n i t i o n i l 北京服装学院硕l 学位论文 第l 章绪论 1 1 课题的研究背景 羊绒纤维不仅富有一定的弹性，还有很好的光泽和很强的拉力，并且羊绒细长、均匀、 手感滑糯柔软、细腻，也因此得名“软黄金”。我国是羊绒生产和出口的大国，其产量约 占世界总产量的2 3 左右，也有着大量的出口创汇产品。最近，有一些不法分子为了牟取暴 利，把羊毛和羊绒相混合，这种行为不但破坏了羊绒的珍贵资源，还对我国的声誉有严重 的影响【i 】。因此，羊绒和羊毛纤维的快速鉴别是一个非常重要的问题，它不仅影响保护消 费者的合法权益，还对我国在世界上的声誉的维护有很大的作用。但要准确鉴别两者并不 是一件容易的事情，因为羊绒和羊毛组织结构非常接近。很多方法在鉴别过程中并不理想 2 1 。但人们还在做着努力，努力寻找最合适的方法来鉴别羊绒和羊毛，从开始研究两者的 区别到现在已经研究了很多方法，有一些比较突出的成绩，但是自动化识别两者的系统还 没有做出来。本课题是以羊绒纤维的检测j 为主要课题，该课题在近年来一直是纺织检测 技术研究的重要课题，人们已经研究了相当多的检测方法，但都存在着很多问题，比如准 确性差、速度慢或者检测成本太高等等。 数字图像处理是一门新兴学科，它随着世界科学技术尤其是计算机技术的发展，己广 泛应用于信息处理、工程技术和测量技术等领域。所谓图像处理【5 8 】就是对图像的基本信息 进行变换、分析和加工，来满足人们的视觉、心理和实际用途的要求。经过某些学者的调 查研究表明，人类获取的大部分外界信息( 约7 0 ) 都是来自于视觉系统所接受到的图像信 息，即所谓“百闻不如一见”。由此，图像信息加工和处理技术的广泛应用是必然的趋势。 在纤维的检测和识别中，有一些传统的方法，例如显微镜投影法与投影仪法，这两种 方法依赖于认得经验，所以存在着劳动强度大和效率低等问题。因此将传统的方法向数字 图像处理技术转变是克服这些缺点的有效方法。这方面已经有大量的国内外研究人员作了 研究工作，工作的主要内容有：纤维取向度、纤维直径、棉网均匀度测定、羊绒鳞片结构 分析、纤维弯曲形态分析、羊绒与纤维的鉴别等i 乳1 5 】。 1 2 课题的研究目的和意义 羊绒纤维具有非常优良的性能，它是一种珍稀并且昂贵的动物纤维，可以用在很多方 面，比如原材料、生产高档产品等，并且羊绒产品的价值正在飞速的提升。这些因素使得 羊绒含量的高低有着重要的影响作用，首先含量的高低不但影响羊绒制成品的性能，还和 企业的生产成本和制成品的定价有着密切的关系。一般把羊绒和羊毛等混纺在一起，不一 第l 章绪论 样的比例，产品的价格和成本就会有所差异，这在实际生产过程中是非常重要的。因此就 提出一个问题，羊绒在制成品中的含量到底是多少，产品的价格应该定在哪个位置比较合 适，而消费者又能不能相信厂家所谓的多少百分比的羊绒含量。由此对羊绒羊毛快速而准 确地鉴别变得非常重要。而鉴别工作是在图像处理基础上进行的，图像的获得方式有很多 种，其中利用扫描电镜采集纤维图像，虽然能够清晰地显示出纤维鳞片的细节，但是此种 方法太昂贵，不利于推广。人们一直致力于建立羊绒羊毛快速识别的自动化系统，但都没 能成功，至今仍没有一个完整的系统被研制出来，主要工作还是靠人工的方法来完成，这 种方法主观性比较大，而且既费时间又费人力，最终的鉴别效果可靠性还不高。 为了得到快速又准确的纤维鉴别方法，必须进行大量的研究及实验工作。而其中利用 图像处理方法来鉴别纤维是不错的方法，这样既提高了鉴别的准确度，又节省了人力物力， 尤其是可以提高鉴别的效率，这就使得羊绒羊毛鉴别工作有个比较好的处理方法。不过能 够自动化鉴别羊毛羊绒纤维的系统暂时还没有研究人员做出来，主要是由于纤维鉴别的指 标不唯一，没有办法用一个指标对其进行判断，这要求系统要强大一些，适应性更加广泛 一些，以便鉴别出所需要的信息。还有，由于用扫描电镜方法采集纤维图像需要的成本特 别高，不利推广应用，因此，研究和开发一种基于光学显微镜采集到得纤维图像的自动鉴 别系统，还有提出一种或几种有效的纤维鉴别的指标【1 6 】就显得尤为重要。 1 3 国内外的研究现状 绒毛纤维的鉴别一直都是纺织界的一个难题，而且近年来，国内和国外商业界及学术 界都投入了大量的人力物力，就是为了得到一种快速有效的鉴别方法。一定程度上，羊绒 羊毛纤维的鉴别已经有了很多种方法，鉴别技术也有了很大程度的提高。如下是一些比较 普遍的纤维鉴别方法。 1 3 1 光学显微镜法 最早的一种纤维鉴别方法就是光学显微镜法，这种方法操作简单，而且成本也相对低 廉，因此，现在仍然是鉴别方法中使用最广泛的一种。光学显微镜法主要的工作原理是根 据鳞片结构特征或者纤维的直径来对纤维进行鉴别。但这种方法也有它的缺陷，首先光学 显微镜下的纤维图片是没有办法区分出鳞片厚度和边缘高度的，其次在人的操作下，由于 环境因素的影响，测量和计算的误差会较大。沈淦清等研究人员一直致力于光学显微镜下 的显微图像的识别研究，取得了一定瞩目的成就，也提出了一些新的指标，即径高比，还 验证了径高比的可行性。但他们并没有做更深入的研究，比如频率分布等。在他们之后， 胡志宇等研究人员有对其进行了进一步的研究，提出了绒毛纤维径高比的频率分布，并且 2 北京服装学院硕士学位论文 发现径高比均值大于l 是羊毛纤维，而径高比均值小于l 是羊绒纤维f 1 5 1 。可是这种方法并不 能确定比值在两者之间的纤维是羊绒还是羊毛。 1 3 2 扫描电镜法 k u s h 和m r n s 在1 9 8 3 年发现，在扫描电子显微镜下：羊绒纤维鳞片的未梢边缘厚度比 羊毛鳞片的小很多。基于这个重大的发现，w o r t m a n n 又观察了2 9 种纤维鳞片末梢边缘的厚 度，然后进行了对比，并得出最终的结论：羊毛纤维的鳞片厚度大于0 5 5 1 x m ；羊绒纤维的 鳞片厚度小于0 5 5 1 a m 。并且根据扫描电镜获得的图像的特点，如分辨率高和景深大等，并 且放大倍率也是从几千到几十万倍的，所以它能够观察出纤维的结构特征，并以此来准确 的测量出纤维鳞片的特征值。但扫描电镜的测试设备非常昂贵，成本也很高，很难得到广 泛的应用【”】。 1 3 3 计算机图像自动识别法 苏格兰s c o t t i s h 纺织学院的r o b s o n 等人在1 9 8 9 年首先提出了利用计算机图像分析技 术来分析细羊毛与羊绒纤维的鳞片特征【2 。首先利用光学显微镜来获得纤维图像，再把图 片信息导入计算机，利用计算机图像自动识别软件对图片信息进行分析，这样能对纤维图 像进行快速的分类识别。计算机图像自动识别技术不仅提高了工作效率，还节省了大量的 入力，减少由于人为因素带来的主观的误差。此种方法成功的关键也是有先决条件的，该 条件就是首先获得清晰的纤维图像，为此，温演庆等研究人员对小波变换图像融合技术进 行了研究，以便用于羊绒羊毛纤维的鉴别中f 2 2 i ，加了融合技术的图片比光学显微镜下直接 得到的图像更加的清晰，这也为图像的进一步处理和识别做好了铺垫。 1 3 4 溶液法 在同一鉴别溶液中，羊绒和羊毛纤维卷曲伸展状态会有所不同，溶液法就是根据这一 特征来鉴别羊绒羊毛的。羊毛的鳞片层比羊绒的鳞片层厚，溶液容易渗透到羊绒纤维鳞片 皮质层中，又由于羊绒纤维的直径比较细，所以溶液很容易能渗透到整根羊绒纤维。经过 同一种鉴别溶液后，两种纤维出现不同程度的卷曲：羊毛几乎保持着原来形态，没有出现 太多的卷曲，即使出现卷曲的地方曲率也非常的不均匀；与之相反羊绒卷曲伸展，而且沿 纤维方向曲率变化很小而均匀。这种卷曲伸展的差异可以借助光学显微镜进行观察1 2 3 1 。 1 3 5 染色法 选用相同的染料和处方，羊绒和羊毛的染色性能有不同程度上的差异，根据着色及上 染率的不同来对羊毛和羊绒进行鉴别。经过实验发现：羊绒上染率比羊毛要高很多，着色 第l 章绪论 也比较深2 1 1 。 1 3 6 着色剂法 利用羊绒与羊毛纤维结构的差异及其染色性能的差别，在未经染色的羊绒和羊毛上， 经过着色剂染色、清洗、烘干，再根据物体的间色和配色原理，由于选择性上染而使颜色 有所差异，就可以鉴别出羊绒与羊毛纤维1 2 3 1 。 1 3 7 生物芯片法 羊毛和羊绒纤维在d n a 链有所不同，可以利用d n a 的特性来开发和设计d n a 探头及 d n a 芯片。美国的h a m l y mp e 等人在1 9 9 2 年第一个制作出了d n a 探头，这种探头可以区 别出从羊毛和羊绒分离出的d n a ，但很多因素使得这种方法并未得到广泛应用。生物芯片 的工作速度要比生物探头等人工方法快得多。研究一种有效的生物芯片来鉴别羊绒羊毛纤 维必将成为科研人员关注的前沿课题【2 4 1 。 1 3 8 其它方法 除了以上几种鉴别方法，沈魏等人利用彩色目标提取方法来检测羊绒羊毛混纺比。 b a u t e r s 、p e a k m a n 和r i v e r 等研究人员分别报道了利用动物纤维中氨基酸和多肽及脂肪的分 析结果差异来鉴别，但是这些方法均不适用与羊绒羊毛纤维的鉴别。 计算机图像自动识别方法是一种比较理想的鉴别方法，但目前的研究还不够深入，还 没有一个人或企业推出计算机图像自动识别的系统或软件。开发设计一个自动化图像分析 软件，并利用计算机图像分析技术来完成羊绒羊毛纤维特征参数的提取，进而对羊绒羊毛 进行鉴别，是当前纺织界研究的一个热点。随着研究的一步一步的深入，计算机图像处理 技术在纺织业中将会大有光景。 1 4 课题的前景 随着数字图像处理在纺织业中的深入发展，将会有越来越多的工作者投身于用计算机 数字图像处理的方法来鉴别羊毛与羊绒纤维的研究，纤维图像的预处理中可以采用很多新 的图像处理方法，用以增强纤维图像边缘的信息使得特征参数的提取准确性有所提高，这 有利于提高鉴别的准确度。随着研究者的加入以及研究工作的深入，必将产生一种或者几 种有效的鉴别标准，这样可以规范羊绒毛市场，维护广大消费者的利益，以及维护我国在 世界上的声誉。 虽然电子显微镜下采集的图片比较清晰，纤维的纹理特征也明显，但由于电子显微镜 价格昂贵，不利于推广，建立一套完善的基于光学显微镜下采集的纤维图像的自动化的计 4 北京服装学院硕j ：学位论文 算机鉴别系统，用来进行自动的测量纤维的各个特征参数，并能够有效的识别羊绒羊毛纤 维，这不仅满足了广大生产商的需求，还能大大的缩短检测周期，节省了大量的人力物力。 另外，用户界面的友好性也在原有的基础上有一定的完善，促进鉴别软件得到更广泛的应 用。 随着羊绒与羊毛鉴别问题研究的深入和问题的逐渐解决，其它毛绒类纤维( o n 马海毛、 兔毛、人的头发等) 的鉴别问题也会得到解决。不同纤维的鉴别指标将会确立，最终建立起 统一的鉴别标准，根据鉴别指标就能够准确的鉴别出是哪种纤维。现在许多企业为了降低 生产成本，提高经济效益，将羊绒与羊毛、兔毛、蚕丝等纤维混纺。为了保证产品的质量， 提高产品的性价比，维护广大消费者的利益，准确地鉴别羊绒在织物中的混纺比也显得尤 为重要。随着研究继续深入，检测羊绒混纺比的问题也会得到解决。本文将光学显微镜采 集好的图片，用计算机进行图像识别和测量各类数据，再利用模式识别技术对参数进行训 练，根据训练的结果得出经验库，再根据模式识别采用的自动加权处理，得出各个指标的 权重值，以及哪些项指标可以准确的反映羊绒与羊毛之间的区别。 1 5 论文的组织结构 本文的内容按照以下顺序分为论述：绪论介绍了课题的研究背景，羊绒毛纤维鉴别的 国内外发展概况及发展前景，并介绍了本课题研究的目的及意义： 接下来是根据仿真实验确定图像处理方法，并介绍了对质量不理想图片处理的方法及 处理结果的评估，在利用多小波变换对分水岭算法的提高进行图像的预处理； 然后对羊绒纤维特征参数的提取测量，直径和高度都采用中轴线的方法，面积和周长 都采用像素点扫描的方式，间接参数由直接参数测量得到： 然后是模式识别方法的论述及简要介绍，并使用b p 神经网络的模式识别方法来对羊绒 羊毛进行鉴别，及对实验结果的处理分析和误差分析，得出结论b p 神经网络的方法对羊绒 羊毛的识别有一定的有效性； 然后是本文所用到软件的简介及应用，包括m a t l a b ，s q ls e r v e r ，和v c + + ，利用v c + + 对程序进行设计和功能模块的实现； 最后是课题的总结和展望。 第2 章羊绒纤维的图像处理 第2 章羊绒纤维的图像处理 本文研究的是在光学显微镜下采集到的纤维图像，图像采集的过程中会受到各种情况 的影响，如采集现场光照不均、羊绒纤维本身有污损等，这些常使获得的羊绒纤维图像的 边缘模糊、羊绒纤维与背景的灰度值差异不大、边界零碎等。因此，首先需要对纤维图像 进行判断，如果纤维图像过于模糊，应先对纤维图像先进行复原，然后再对羊绒纤维图像 做滤波、图像增强等一系列的预处理。在一幅图像中并不是所有信息都有用，因此需要有 选择地突出某些特征和提取时感兴趣的信息，并要抑制一些无用的信息，这个过程就是边 缘提取。由此可见，在进行特征提取之前需要对羊绒图像进行一定的处理，这些处理包括 了模糊图像复原，及其图像增强、图像滤波、图像分割等。 2 1 数字图像处理系统 2 1 1 概述 人们可以从场景中获取图像，其中获取的图像可以是微观的、宏观的、表面的、内部 的；也可以是静止的、运动的、局部的或者整体的；但大都是二维的图像。图像是对周围 环境的一种映像，可以用数学理论中的二维连续函数f ( x ，y ) 表示： f i x , y ) = s oc ( x , y ，柚v ( 的d 九x 1 x x 2 s y l y y 2 ( 2 1 ) 其中名是波长，c ( x ，y ，力) 为亮度分布函数，1 ，( 五) 是人眼的光谱响应函数，x ，y 为图像的横 纵坐标。想要对一幅图像进行数字图像处理，首先必须要对二维连续的图像进行取样，再 把提取出来的实数样本值做等级量化，从而得到实数矩阵，而矩阵中的每一元素都是像素 点。具有确定灰度值的像素所构成的矩阵所表示的离散化的图像称为数字图像，其矩阵称 为数字图像矩阵，通常由5 1 2 x 5 1 2 个像素组成，若系统级别比较高，也可以是1 0 2 4 1 0 2 4 个 像素，灰度值通常为2 5 6 个等级f 2 4 】。 像素的数目为n xn 的数字图像矩阵如下： f ( x ，y ) = f ( 1 ，1 )f ( 1 ，2 ) f ( 1 ，刀) f ( 2 ，1 ) f ( 2 ，2 ) f ( 2 ，2 ) f ( n ，1 ) f ( n ，2 ) f ( n ，n ) ( 2 - 2 ) 从图像和图像矩阵中可以得到很多图像特征，这些特征是对图像解释的基础。常用的 图像特征有如下几类：次度、边缘、纹理特征、形状特征、物体表面主方向、传感器和 物体表面各点的距离、物体运动信息。 图像处理系统对图像进行预处理，包括灰度校正和噪声过滤以及畸变校正等，再根据 6 北京服装学院硕上学位论文 场景模型和先验知识，对场景做出一定的解释。图像处理系统在数学角度上可以是利用一 种算符q 对f ( x ，少) 的一种作用，使图像变成另一幅图像g ( x ，y ) ，即 g ( x ，y ) = o f ( x ，y )( 2 3 ) 数字图像处理系统主要有以下几个部分构成，如图1 所示： 图1 图像处理系统 从图像数字化器中取出所要处理的初始图像，再存入一个缓存中。然后，根据相应的 操作指令去调用或执行图像处理程序。程序执行过程中通过显示器显示处理的图像信息。 图像处理结束时再将处理后的图像信息存入缓存。最后，利用存储设备存储图像的相应信 息。总之，图像处理就是把图像修改为另一幅图像的过程。图像处理方法如表1 。 表1 图像处理方法 中分类 粗分类 锐化，平滑，复原，校正 边缘与线的检测，区域分割，形状特 征测量，几何计算，纹理分析，匹配 投影图像重建，利用像对生成立体像， 全息图的再生 图像质量改善 图像分析 图像重建 图像处理过程中，程序设计人员可以根据需要修改图像的像素。最终的结果转化为可 视的和可供人们解释的图像。 2 2 图像复原 2 2 1 基本概念 无论是用什么方法获得图像都会有不同程度的退化。不同图像的获得方法，会产生不 同的退化效果。如传感器噪声，物体和摄像设备之间相对移动，摄像机未聚焦，光学系统 的相差，随机大气湍流，成像光源或射线的散射，几何畸变和摄像胶片的非线性等，这些 都会导致成像的分辨率和对比度有所退化。如果对退化的机制，类型和过程都十分清楚， 7 第2 章羊绒纤维的图像处理 就可以根据反过程把已退化的图像进行复原。但退化过程有的时候比较复杂，很难凭借先 验知识得到【2 5 1 。 对图像复原结果有一些准则作为评价标准，包括最小方均误差准则、最大熵准则、加 权均方准备等。这些准则是规定了复原后的图像与原图像进行比较的质量标准，换句话说， 当确定了图像复原的标准后，对期望的结果的某种最佳估计。典型的图像复原方法是建立 一个退化模型，并以此模型为基础，再采用各种反退化处理方法，使图像复原后符合某些 标准，得到改善后的图像【2 6 】。 2 2 2 图像退化 图像复原的关键是建立退化模型，蓿原图像f ( x ，y ) ，通过系统h 和加入个外来性噪声 n ( x ，y ) 后，得到了图像g ( x ，y ) 的，如图2 ： 图2 图像的退化模型 图像复原可以被看成一个预测估计的过程，由已给出的退化图像g ( x ，y ) 来估计系统的参 数h ，最后恢复出f i ：x ，y ) 。其q 丁n ( x ，y ) 是统计性质的一种信息。为了得到最佳估计的处理结果， 一般要先确定质量标准。复原处理的基础在于推断出系统h 的基础解，系统是由某些元件 或部件以某种方式构造而成的整体、系统本身所具有的某些特性就构成了系统输入信号与 输出信号的某种关系，这种联系从数学上可以用响应函数h ( x ，y ) 来描述。 因此图像退化过程的数学表达式就为 g ( x ，y ) = h f ( x ，y ) 】+ n ( x ，y )( 2 4 ) h f ( x ，y ) 】可以理解为综合所有退化因素的函数或算子。 图像复原的过程，就是设计一个恢复系统p ( x ，y ) ，以退化图像g ( x ，y ) 作为输入，该系统 应使输出的恢复图像f ( x ，y ) ，按某种准则最接近原图像f ( x ，y ) 。其q 丁h ( x ，y ) - 与p ( x ，y ) 均为系统 的冲击响应。如图3 所示： 图3 图像退化与复原的过程 8 北京服装学院硕士学位论文 2 2 3 图像复原方法 2 2 3 1 非约束复原 图像复原的目的是在假设已知退化图像g 及h 和n 的前提下，估计出原始图像f 的估 计值复原图像，估计值的大小应在最优估计下得到。若要求某种优化准则最小，而不 考虑其他条件约束，则这种复原方法称为非约束复原法。 1 代数方法 由前面图像退化模型可知，噪声项是 n = g - h f ( 2 - 5 ) 在不知道噪声项n 的时候，希望可以找到一个f ，使h f 可以在最小二乘方上来说近似 为g ，换句话说，希望可以找到一个f 的估计厂，使得 l ln l l 2 ： lg h f i l 2( 2 - 6 ) 由定义可知 0n i l 2 = g l t h i | g h f1 1 2 = ( g h f ) ，( g 一日厂)( 2 7 ) 求f ln 1 1 2 最小等效于求| lg h f i l 2 最小，及 ，( ) ： ig 一日厂1 1 2( 2 - 8 ) 实际上是求，( ) 的极小值问题。求上式极小值的方法可以采用一般的求极值的方法进 行处理。把，( ) 对( ) 微分，并使结果为零，即 可o j ( f ) ：一2 h r ( g 一片夕) ：0 ( 2 - 9 ) o f 由上式可推导出 f = ( h 7 h ) 。1h7 g ( 2 - 1 0 ) 假设h 为一方阵，并且设一存在，则可求得厂，即 厂= ( 7 1 日) 一h r g = 一g 以上是在非约束条件下，而且利用线性代数的方法和最小二乘方准则， 的近似值f 的过程。 2 2 3 2 有约束复原 ( 2 - 1 1 ) 求取图像信号 为了可以用数学方式处理，通常要在无约束复原的基础上加上一定的约束条件，再在 9 第2 章羊绒纤维的图像处理 多个结果中选择最佳结果，这便是有约束复原方法。 1 最小二乘类约束复原 无约束复原是除了使准则函数j ( f ) = lg 日川2 最d , s b ，再没有其他约束条件。因此 只需要了解点扩展函数h 或退化系统的传递函数，就能利用上边的公式进行复原。但是由 于传递函数h 存在奇异性的问题，复原局限在有限区域内( 靠近原点) 进行，这就说明无约 束复原方法存在较大的局限性。 而最小二乘类约束复原指的是除了要求知道退化系统的传递函数h 之外，还要知道噪 声的噪声与图像的某些相关情况或噪声的统计特性。根据噪声的先验知识不同，采用约束 条件应有不同，由此可得到不同的图像复原技术。 最小二乘类约束复原，其复原问题表现为在满足i i 刀| | 2 爿ig 一厂 1 2 的约束条件下，寻 找一个最优估计厂，而使形式为l | q 厂1 1 2 ： ln l | 2 的函数最小化。因此对于这类有约束最小化 的问题，都用拉格朗日乘数法对其进行处理。即寻找一个厂，使得下面的准则函数最小。 d ( f ) = lq 厂1 1 2 + 五( i ig 一日厂0 2 0 ，2 1 1 2 )( 2 1 2 ) 式中，q 为厂的线性算子，元为一常数称为拉格朗日乘子。对上式求导，可得 乓，( 夕) ：2 q r g 夕一2 2 - r ( g 一日夕) ：0 ( 2 - 1 3 ) o f 常数五必须反复迭代齐整，知道满足约束条件i in 1 1 2 爿ig h f i i2 。和无约束问题相比， 有约束条件的问题更加符合图像退化的情况，因而其适应面更加的广泛。如果选择不同形 式的q 矩阵，就能得到不同类型的最小二乘方类图像复原方法。 2 维纳滤波 一般情况下，图像的信号可近似为平稳的随机过程，而维纳滤波的基本原理就是将原 始图像和估计厂看作随机变量，根据f 和估计值之间的均方差达到最小的准则可以实现 图像复原，即 e 2 = e 厂( 石，y ) 一f ( x ，y ) 】2 ( 2 1 4 ) 式中，e 为数学期望。 设尺，和兄分别是f 和n 的自相关矩阵，定义如下： r y = e ( f f r ) r 。= e ( n n7 ) l o ( 2 1 5 ) ( 2 - 1 6 ) 北京服装学院硕j ：学位论文 根据以上定义可知，r ，和尺。均为实对称矩阵。在大多数图像中，相近像素点是高度 相关的，而距离较远的像素点的相关性则相对较弱。通常情况下，无论是f 或是1 1 ，元素 的相关性不会延伸到2 0 - 3 0 个像素的距离之外。从而自相关矩阵r ，和r 。在主对角线之间 的相关性是像素距离的函数，而不是像素位置的函数，则可将r ，和r 。近似为分块循环矩 阵。 维纳滤波去卷积提供了一种在噪声情况下导出去卷积传递函数的最优方法，但下面的 三个问题限制了它的有效性。 1 当图像复原的目的是供人观察时，方均误差( m s e ) 准则并不是一个特别好的优化准 则。这是因为m s e 准则不管其在图像中的位置，对多有误差都赋予同样的权，而 人眼则对暗处和高梯度区域的误差比其他区域的误差具有较大的容忍性，由于使 方均误差最小化，因此维纳滤波器以一种并非最适合人眼的方式对图像进行了平 滑。 2 经典的维纳去卷积不能处理具有空间可变点扩散函数的情形，如存在彗差、散差、 表面像场弯曲以及包含旋转的运动模糊等情况。 3 这种技术不能处理非平稳信号和噪声的一半情况。许多图像都是高度非平衡的， 有着被陡峭边缘分开的大块平坦区域。此外，一些重要的噪声源具有与局部灰度 有关的特性。 3 盲解卷积复原 传统的复原方法首先需要知道退化图像的点扩展函数( p s f ) ，但在实际应用中大部分退 化图像的点扩展函数都是未知的，而盲解卷积复原就是根据这种情况提出来的。盲解卷积 复原根据原始模糊图像，并同时估计p s f 和复原图像的一种图像复原方法。其具体实现算 法有多种，其中有非参数限定支持域恢复方法，先验模糊辨识方法，基于高阶统计量的非 参数法以及a r m a 参数估计方法等。 m a t l a b 软件提供了一种d e c o n v b l i n d o i 垂l 数就是用于实现盲解卷积的，该函数类似于加 速收敛函数l u c y - r i c h a r d s o n 算法的执行过程，并同时要重建图像和p s f 。盲解卷积算法一 个很好的优点就是，在失真情况( 包括噪声和模糊) 毫无先验知识的情况下，仍然能够实现 对模糊图像的复原操作。同时，d e c o n v b l i n d o i 函数与d e c o n v l u c y ( ) 函数一样，也可以用于实 现多种复杂图像重建修改算法，而这些算法都是以原始l u c y r i c h a r d s o n 最大化可能性算法 为基础。 d e c o n v b l i n d 函数的调用的方式如下： 1 1 第2 章羊绒纤维的图像处理 【j ，p s f = d e c o n v b l i n d ( 1 ，i n i t p s f ) 【j ，p s f 】= d e c o n v b i i n d ( i ，i n i t p s f , n u m i t ) 【j p s f = d e c o n v b l i n d ( 1 ，i n i t p s f , n u m i t , d a m p a r ) 【j ，p s f = d e c o n v b l i n d ( 1 ，i n i t p s f n u m i t , d a m p a r ，w e i g h t ) 【j p s f = d e c o n v b l i n d ( 1 ，i n i t p s f , n u m i t , d a m p a r ，w e i g h t , r e a d o u t ) 其中，i 表示输入图像，i n i t p s f 表示p s f 的估计值，n u m i t 表示算法重复次数， d a m p a r 只表示偏移阈值，w e i g h t 表示屏蔽坏像素，r e a d o u t 表示噪声矩阵。输出 参数j 表示复原后的图像，p s f 与i n i t p s f 具有相同的大小，表示重建点扩散函数。 2 2 4 绒毛纤维复原的盲解卷积算法 2 2 4 1 图像模糊化 在以下m a t l a b 的图像复原介绍中，为了能够比较复原图像的效果和性能，给出了原 始图像和模糊后的图像以及恢复后的图像进行比较。本实验中使用函数f s p e c i a l 创建并得 到模糊化的图像。如图3 原始图像和图g 模糊图像。 首先读取原始图像；然后生成点扩散函数；再对图像进行模糊处理。 m a t l a b 的实现程序如下： l = i m r e a d ( x i a n w e i b m p ) ； f i g u r e ；i m s h o w ( 1 ) ；t i t l e ( 原始图像) ； p s f = f s p e c i a l ( m o t i o n , 1 5 ，4 5 ) ； f i g u r e ；i m s h o w ( ：p s f , ) ；t i t l e ( 初始p s f 图像) ； b l u r r e d = i m f i l t e r ( 1 ，p s f , c i r c , c o n y ) ； f i g u r e ；i m s h o w ( b l u r r e d ) ：t i t l e ( 模糊图像) ： 图3 原始图像图4 模糊图像 2 2 4 2 图像复原 在调用d e c o n v b l i n d o 函数对图像进行复原时，i n i t p s f 的大小是一个非常重要的指标。 实际应用中，通过分析都是使用不同的p s f 对图像进行重建，再选择一个最合适的p s f 值。 以下程序段以真实大小的i n i t p s f 进行图像复原，得到初步结果，如图5 初步复原图像， 同时初步重建p s f ，如图6 初始p s f 图像。 i n i t p s f = o n e s ( s i z e ( p s f ) ) ； 1 2 北京服装学院硕十学位论文 【j , p = d e c o n v b l i n d ( b l u r r e d ，i n i t p s f , 3 0 ) ； f i g u r e ；i m s h o w ( j ) ； f i g u r e ；i m s h o w ( p , , n o t r u e s i z e 1 ： 图5 初步复原图像图6 初始p s f 图像 下面利用w e i g h t 数组对权值矩阵进行图像重建，得到如图7 所示的复原结果以及所 使用到的p s f 如图8 。由图可以看出，复原后的图像已经消除了“环”的存在，但是复原 之后仍然有一定的失真。 w e i g h t = e d g e ( i , s o b e l , 2 8 ) ；s o b e l 算子边缘提取 s e l = s t r e l ( d i s k , 1 ) ； s e 2 = s t r e l ( l i n e , 15 ，4 5 ) ； p l = p ；保存数据 p l ( f i n d ( p 1 4 t 2 时羊绒图像边缘图2 82 t 2 3 时羊绒图像边缘 本研究通过仿真实验，由以上图2 3 - - - 2 8 可以得出，认为多小波变换对分水岭变换的过 分割有改善作用，原来的过分割现象不再重现，且分割出来的纹理比较清楚，方便接下来 的参数测量，因此对纤维图像实现了有意义的分割。小波基的选取对分割效果有一定的影 响，由仿真实验的图片可以看出，h a r r 小波基作用后分割的图片中间纹理不够清楚，没办 法进行下一步的具体测量，而由四进带参数对称反对称正交连续小波作用后的分割图像效 果比较好，但要注意尺度函数的构造中引入的参数t 的选择，不同t 的取值范围，得出的 分割图像有所不同，由图2 7 图2 8 可以看出，其中不论是在尺寸上还是在去除环操作上， 在2 t 2 3 时羊绒分割图像视觉效果最好，由此应结合纤维图像的边缘分割比较难的特点 选取适当的小波基的参数，这样才能得到比较满意的分割结果。 2 4 小- 结 本章主要介绍了两部分内容，一是数字图像的复原、方法以及盲解卷积在m a t l a b 中的 实现及其结果分析；二是羊绒毛纤维图像的计算机处理过程，其中羊绒毛纤维图像的计算 2 l 第2 章羊绒纤维的图像处理 机处理过程是重点。为了后续测量纤维特征参数，原始羊绒图像经过图像分析、图像复原、 灰度化、二值化、图像增强、图像滤波、边缘提取等一系列处理，得到边缘连续并且单像 素的二值图像。本文采用改进的分水岭算法对图像进行处理，得到比较好的处理结果，以 方便接下来的特征参数提取。 北京服装学院硕j j 学位论文 第3 章提取羊绒羊毛的特征参数 提取羊绒羊毛的特征参数就是测量表征羊绒羊毛纤维的特征指标。表征羊绒羊毛纤维 的特征指标有纤维直径、鳞片密度、鳞片长度、径高比、鳞片面积、鳞片周长等等。测量 表征羊绒羊毛纤维的特征指标是以第三章中数字图像处理为基础而进行的。要实现测量表 征羊绒羊毛纤维的特征指标的自动化，需要对各个指标的测量方法进行研究，所选的测量 方法必须精度较高才可以。 3 1 特征参数的介绍 特征参数很多种，分为两大类：直观特征参数和相对特征参数。 3 1 1 直观特征参数 直观特征参数有：纤维鳞片的高度：纤维鳞片的直径；纤维鳞片的厚度；纤维鳞片的 密度；纤维鳞片表征面积；纤维鳞片表征周长。 图2 9 羊绒纤维图像 如图2 9 所示，a b 表示羊绒纤维鳞片的直径；c d 表示羊绒纤维鳞片的高度；m n p q 是 一个完整的纤维鳞片图形，而且四边形的周长可以表征鳞片的周长，存在一定的误差，但 是当多个鳞片在一起计算时，此误差可忽略，四边形的面积也可以近似地表征鳞片的面积。 3 1 2 相对特征参数 相对特征参数包括径高比，鳞片密度，鳞片外方形因子，鳞片内方形因子，鳞片相对 周长；鳞片相对面积等。 纤维直径与纤维鳞片高度的比值表示径高比； 单位长度( 1 m m ) 上鳞片的个数表示鳞片的密度； 鳞片最大内接正方形与鳞片面积的比值表示鳞片内方形因子； 鳞片最小外接长方形与鳞片面积的比值表示鳞片外方形因子； 鳞片表征周长与直径的比值表示鳞片的相对周长： 鳞片表征面积与直径的比值表示鳞片的相对面积； 第3 章羊绒特征参数的提取 鳞片的周长系数入= 1 a 其中s 相代表鳞片相对面积，l 相表示鳞片相对周长) 。 f i t 3 2 指标测量方法 3 2 1 直径测量 纤维直径的测量方法较多，如三角形法和面积法都可以测量纤维直径，本文采用改进 的中轴线法对纤维直径进行测量。 图3 0 纤维直径的测量 简要说明一下中轴线法测量直径。如上图所示，我们可以看出，可以把纤维图片的两 侧近似的看作是两条平行线，做两条垂线与纤维边缘相交与m 、n 、p 、q 四