（电路与系统专业论文）基于图像处理的大输液中可见异物检测方法研究.pdf

摘要 i 帆帅咖吣眦哪帆呲眦峨 y 2 14 7 6 2 4 输液在医疗保健工作中起着极其重要的作用。输液质量影响医药 生产企业的产品质量、效益，直接关系到临床治疗效果，以及病人的 生命安全，是医药灌装生产线检测中不可或缺的环节。目前我国采用 的人工灯检法效率低下、检测标准不统一，因此研究大输液中可见异 物自动检测系统具有重要的意义及价值。本文以大输液瓶中可见异物 目标为研究对象，重点研究了基于图像处理的可见异物目标检测与跟 踪识别算法，以及实现了基于高速数字信号处理器( d i g i t a ls i g n a l p r o c e s s o r ，d s p ) t m s 3 2 0 d m 6 4 2 的异物检测与跟踪识别算法。 论文首先在分析大输液中可见异物检测系统及检测与跟踪识别 算法研究现状的基础上，给出了输液中可见异物检测系统的设计方案。 利用高速d s p 专门处理耗时的异物检测与跟踪算法，达到实时检测 的设计要求。 然后研究了异物检测算法。为了有效地将异物与各种背景相分离， 同时满足检测的实时性要求，本文利用等时间间隔的5 帧运动序列图 像进行检测。为了给后续跟踪提供准确的初始数据，同时减少跟踪的 计算量，本文首先利用简化的归一化互相关系数快速建立序列图像的 背景，然后利用背景减除法、灰度图像形态学操作及视觉最大对比度 阈值分割法提取异物目标。 接着研究了异物跟踪算法。为了排除输液中气泡对可见异物检测 的影响，利用均值漂移( m e a ns h i f t ) 算法对异物进行跟踪识别。为 克服输液瓶中可见异物很小，相似度大，出现异物重叠现象等而造成 传统m e a ns h i f t 算法难以准确跟踪的问题，提出了改进的m e a ns h i f t 跟踪算法，将线性预测及局部二值模式纹理模型嵌入到m e a ns h i f t 算法中，在提高跟踪准确性的同时降低了m e a ns h i f t 的迭代次数，实 现了异物目标的有效跟踪。 论文最后实现了基于d s p 的可见异物检测与跟踪识别算法。设 计了基于d m 6 4 2 的硬件检测系统与软件开发过程，同时设计了输液 中可见异物检测系统应用软件。 关键词：图像处理、异物自动检测、局部二值模式、m e a ns h i f t 、 d s p i i a bs t r a c t t r a n s f u s i o np l a y sav e r yi m p o r t a n tr o l ei nm e d i c a la n dh e a l t hw o r k i t sq u a l i t yd i r e c t l ya f f e c t st h eq u a l i t ya n de f f e c t i v e n e s so fp r o d u c t si n m e d i c a lp r o d u c t i o nb u s i n e s s i ti sa l s o d i r e c t l y r e l a t e dt oc l i n i c a l t r e a t m e n te f f e c ta n dp a t i e n t s l i f e t h e r e f o r e ，t r a n s f u s i o nq u a l i t yd e t e c t i o n i sa ne s s e n t i a lp r o c e d u r eo nap a c k i n gl i n e d u et ol o we f f i c i e n c ya n d n o n u n i f o r mm e a s u r er e s u l to ft h ep r e s e n ta r t i f i c i a l l i g h ti n s p e c t i o n a d o p t e di nc h i n a ，t h es t u d yo fa u t o m a t i cf o r e i g nb o d yd e t e c t i o ns y s t e mi s o f g r e a ti m p o r t a n c ea n dv a l u e t h ep a p e rf o c u s e so nt h ef o r e i g nb o d ya n d i t sd e t e c t i o na n dr e c o g n i t i o na l g o r i t h m ，a n dr e a l i z e st h ea l g o r i t h m si n l l i g h - s p e e d 卫m s 3 2 0 d m 6 4 2d s pc h i p f i r s t l y , a f t e rs t u d y i n gt h ep r e s e n tr e s e a r c hs t a t u sa b o u tt h er e l a t e d d e t e c t i o ns y s t e m sa n dt h ed e t e c t i o na n dr e c o g n i t i o na l g o r i t h m s ，a n a u t o m a t i cd e t e c t i o ns y s t e mf o rv i s i b l ef o r e i g nb o d yi nt r a n s f u s i o nb o t t l e s b a s e do ni m a g ep r o c e s s i n gi s d e s i g n e di n t h i sp a p e r t oa c h i e v et h e d e s i g nr e q u i r e m e n to fr e a l - t i m ed e t e c t i o n ，t h eh i g hs p e e dd s pc h i pi s u s e d i n d e p e n d e n t l yt o d e a lw i t ht h e t i m e - c o n s u m i n gf o r e i g nb o d y d e t e c t i o na n dt r a c k i n gr e c o g n i t i o na l g o r i t h m t h e n ，t h ep a p e rs t u d i e st h ed e t e c t i o nm e t h o do ft h ef o r e i g nb o d y i n o r d e rt os e p a r a t et h ef o r e i g nb o d ya n da l lk i n d so fb a c k g r o u n d s ，a n dt o m e e tt h er e a lt i m er e q u i r e m e n to fo n l i n ed e t e c t i o n ，f i v em o v i n gi m a g e s e q u e n c e sw i t he q u a lt i m ei n t e r v a l sa r ea c q u i r e d t op r o v i d et h ea c c u r a t e i n i t i a ld a t at of o l l o w i n gt r a c k i n g ，a n dt or e d u c e st h ec o m p u t i n ge f f o r to f t r a c k i n g ，t h ep a p e rf i r s t l ys e t su pt h eb a c k g r o u n do fi m a g es e q u e n c e s a c c o r d i n gt ot h es i m p l i f i e dn o r m a l i z a t i o nc r o s sc o r r e l a t i o nc o e f f i c i e n t s t h e n ，t h ef o r e i g nb o d i e sa r ee x t r a c t e du s i n gb a c k g r o u n ds u b t r a c t i o n ，黟a y i m a g em o r p h o l o g i c a lo p e r a t i o n sa n dt h et h r e s h o l ds e g m e n t a t i o nm e t h o d w i t ht h em a x i m u mv i s u a lc o n t r a s t a n dt h e n ，t h ep a p e rf o c u s e so nt h et r a c k i n gm e t h o do ft h ef o r e i g n i i i b o d y t or e m o v et h e i n t e r f e r e n c eo fb u b b l e s ，m e a ns h i f t t r a c k i n g a l g o r i t h mi su s e dt ot r a c kt h ef o r e i g nb o d i e si ni m a g es e q u e n c e s t os o l v e t h ep r o b l e mo fh a r dt r a c k i n gf o rf o r e i g nb o d i e s ，w h i c ha r ev e r ys m a l la n d s i m i l a r , o ro v e r l a p p i n g ，t h ep a p e rd e v e l o p sa ni m p r o v e dm e a ns h i f t t r a c k i n ga l g o r i t h m ，t h a ti sm e a ns h i f tc o m b i n e dw i t hl i n e a rf o r e c a s t i n g a n dl o c a l b i n a r y p a t t e r nt e x t u r e sm o d e t h ei m p r o v e d t r a c k i n g a l g o r i t h mi m p r o v e st h ed e t e c t i o na c c u r a c ya n da t t h es a m et i m e ，i t r e d u c e st h en u m b e ro fi t e r a t i o n so fm e a ns h i f t i tc a nt r a c kt h ef o r e i g n b o d ye f f e c t i v e l y f i n a l l y , t h ed e t e c t i o na n dt r a c k i n ga l g o r i t h m so ft h ef o r e i g nb o d ya r e r e a l i z e do nd s ei nt h i sp a r t ，ah a r d w a r ed e t e c t i o ns y s t e ma n ds o f t w a r e d e v e l o p m e n tp r o c e s sb a s e do nd s p i sd e s i g n e d t h ea p p l i c a t i o ns o f t w a r e f o rf o r e i g nb o d yd e t e c t i o na n dt r a c k i n gs y s t e mi sa l s od e s i g n e d k e y w o r d ：i m a g ep r o c e s s i n g 、f o r e i g nb o d ya u t o m a t i c a l l yd e t e c t i o n 、 i b p 、m e a ns h i f t 、d s p i v 基于图像处理的大输液中可见异物检测方法研究 第一章绪论弗一早三百比 1 1 课题背景及研究目的 输液在医疗保健工作中起着极其重要的作用。每天都有成千上万 人通过输液补充营养，输注药物，恢复健康，其治疗具有迅速、高效 的特点，成为医药单位必备的药品。输液质量影响医药生产企业的产 品质量、效益，直接关系到临床治疗效果以及病人的生命安全，是医 药灌装生产线检测中不可或缺的环节。在输液封装过程中，大输液产 品中不可避免地会含有一定数量的玻璃渣、橡胶屑、毛发、纤维等【l 】 可见异物，当这些异物通过注射进入人体，将对患者造成多方面的伤 害，如造成局部循环障碍，引起血管栓塞；导致局部供血不足和组织 缺氧；产生水肿和静脉炎；引起过敏反应、热源样反应等【2 1 。因此， 很多国家在药典中都规定，要对每一支或每一瓶医用液体进行异物检 测。 目前，广泛采用的输液中异物检测方法仍然是半自动的人工灯检 方式，这种方式通常为在黑色背景下，以高强度日光灯照射输液瓶， 灯检工人完全依靠肉眼逐个对输液瓶进行检查，并将主观认为有异物 的输液瓶及时取出。这种方法的缺点主要有三点。第一，通常异物很 小，若非灯光很强烈，否则无法观察出细小异物，而且工人长时间在 强光下目测，难免引起视觉疲劳，导致误判；第二，因为不能统一所 有灯检工对输液瓶合格的判别标准，而且统一灯检工在不同时间的判 别标准也不相同，因而导致检测结果不统一。第三，采用人工灯检的 方法，人工成本及管理成本大。 随着数字图像处理技术的不断发展，其应用领域己越来越广泛， 如在通信工程、生物医学、航天航空技术、军事公安、电子商务、工 业生产等领域的广泛应用。图像处理在工业生产方面的应用，大大降 硕士学位论文 低了工业生产的成本，提高了生产的效应，同时还能实现无损检测【3 】。 将图像处理技术应用于输液中的异物检测，既可以提高检测准确率和 效率，又可以降低人力成本，满足了自动化生产的要求。 本课题的主要任务是研究基于图像处理技术的大输液中可见异 物的自动检测方法，实现工业生产中输液瓶的实时在线异物检测，以 满足工业生产的实时性及检测的精度要求。 1 2 国内外研究现状 1 2 1 大输液中可见异物检测系统的研究现状 对于大输液中可见异物的检测，国内起步相对于国外晚。目前， 暗室中人工灯检法仍被广泛使用，其检测效率和精度低，易导致疲劳。 类似于大输液中可见异物的智能检测系统，在我国高校和研究所已有 所研究，如湖南大学的“高速自动化流水线上多传感融合智能空瓶检 测机器人 【4 】；在公司试验运行的全自动灯检系统5 1 。我国生产的产 品在市场上也取得了巨大的利润，如湖南千山制药机械生产的玻璃瓶 全自动智能灯检机；济南万象空调净化工程有限公司生产的安培瓶、 口服瓶灯测机等。但是当今国内市场仍被德、意为首的欧美国家所把 持。 国外发达国家对于医药输液产品的质量检测大多采用基于机器 视觉的方法进行，通过拍摄一定的图像序列进行异物检测。如a k i r a i s h i i 6 ： 二19 9 8 年，g r i n d i n g e r t 7 1 于2 0 0 5 年分别提出了基于机器视觉的 异物检测方法。基于机器视觉的检测系统已经在意大利、日本、美国 和德国出现并投入使用 8 】。这些检测系统都是采用了旋转急停的方式 对输液瓶中的异物进行运动分析，以区分环境干扰与异物。比如意大 利b r e v e t t i 公司生产的适用于安培瓶、西林瓶、口服瓶、卡式瓶液体 微粒检测的各种型号的异物侦验机；日本e i s a i 公司适用于安瓿瓶与 注射液等小容量试剂的全自动检查机【9 】：美国b o s c h 公司采用s l i d i n g i m a g et e c h n o l o g y 技术的异物检测机：德国k r o n e s 公司推出的用于检 基于图像处理的大输液中可见异物检测方法研究 测啤酒包装中的玻璃渣的旋转式整瓶检测系统r o t o c h e c k l 4 ；德国 s e i d e n a d e r 公司生产的适用于安培瓶、西林瓶、预充式注射器的各种 型号的灯检机【lo 】；i n s q x 推出的适用于玻璃容器里的异物检测系统 s c a n t r a cd u o 。 通过研究各种输液产品中的异物检测技术，可以总结为：各种异 物检测系统基本上都采用了基于计算机的结构，或者利用具有高速计 算能力的d s p 处理器【l o 】对数字图像进行处理。利用数字图像处理中 的运动目标检测与识别技术，结合一定的经验，针对具体的目标设计 专用的检测与识别算法。而我国在检测算法方面，尤其是从包含了大 量背景干扰的输液序列图像中分割出微小目标的技术很落后，而且我 国在药剂容器制造工艺方面与国外存在一定差距，若国内少数医疗器 械公司引进这方面的进口设备，则会因知识产权保护而价格昂贵，而 且达不到理想的检测精度，因此我国迫切需要自主研发适用于国内液 体药品可见异物检测的先进设备及技术。 1 2 2 异物检测与跟踪识别算法研究现状 文献 1 1 】利用r o b e r t 、s o b e l 边缘检测算子对单帧图像进行边缘检 测，以边缘点数的统计来判断瓶内是否有异物。此方法不能排除异物 以外的瓶身刻痕、气泡、噪声点等背景干扰的影响，检测效果不是很 理想。 文献 1 2 提出一种利用帧差图间的方差及其梯度建立新特征图， 再对新特征图进行阈值分割的方法。此方法适用于对比度低的异物检 测。但同样不能排除气泡等的干扰。 文献 1 3 】采用了基于二次差分与能量累积的图像增强方法。在对 图像进行分割时采用了与图像的均值和标准差有关的自适应阈值法， 利用求得的阈值对异物目标图像进行二值化。文中通过面积最大的异 物与生产指标相比较来判断产品是否合格，而不能根据异物的数量来 判别，同时，也不z f j 、匕l - , 排除气泡和一些噪声点的影响。 硕士学位论文 文献 1 4 根据只要一个异物被检测出即认为产品不合格的思想， 首先从面积最大的目标开始，建立目标链，并把各帧中与开始目标相 似度大的目标加入到目标链中。然后对目标链中的杂质利用支持向量 机( s u p p o r tv e c t o rm a c h i n e ，s v m ) 进行归类，判断是否属于同一异 物，若是则为不合格产品，否则重新选择目标建立目标链，直到所有 目标链都己作判别。此方法不能很好地对小目标或灰度值相似度大的 异物进行识别。 文献【1 5 】首先利用形态学上的高帽变换与低帽变换增强图像的 对比度，然后利用前后两帧图像作差，得到一组抑制背景后的新的序 列图像。最后利用s v m 分类算法将各帧中具有相同不变特征的异物 和残留噪声分别归类，将同一类内的目标按照图像帧的顺序关联成轨 迹，根据轨迹的区别判断异物。此方法因前后两帧图像时间间隔很短， 而可能出现因帧差而造成的空洞现象，而造成漏检。 文献 1 6 】对等时间间隔的5 帧序列图像采用先检测后跟踪的方法。 利用帧差法粗略检测异物位置，利用c a m s h i f t 跟踪算法对异物进行 跟踪，并根据异物综合不变特征对异物进行s v m 归类。此文献对于 橡胶颗粒异物的检测率高，而对于灰度信息相似度大、快速降落和做 漂浮运动的目标跟踪不理想而导致检测率不高。 文献【1 7 】首先根据具有最大交互方差系数的两帧图像来建立序 列图像的背景，利用背景减除法提取异物目标，然后结合质心迭代跟 踪算法与卡尔曼( k a l m a n ) 滤波器预测算法对运动目标进行跟踪。 此方法能够较好地解决因遮挡问题造成的错误跟踪问题。 文献 1 】通过对相邻的三帧图像对称差分来检测中间一帧中的运 动异物，然后利用引入了k a l m a n 滤波器预测的改进的m e a ns h i f t 跟 踪算法跟踪图像序列帧，达到排除气泡干扰的目的。此方法提高了跟 踪匹配的效率，但没有给出对于相似度大的目标的检测效果。 4 基于图像处理的大输液中可见异物检测方法研究 1 3 本论文主要内容 本论文以大输液瓶中可见异物目标的检测与跟踪为研究对象，阐 述了整个系统的实现原理及方法。针对大输液中可见异物的特点，重 点研究了可见异物目标的检测与跟踪识别算法，并利用m a t l a b 仿 真工具对提出的算法进行了验证。另外，本文将算法嵌入到d s p 中， 利用c c s 集成开发环境，实现了基于d s p 的大输液可见异物检测。 ( 1 ) 阐述课题背景及研究目的、大输液中可见异物检测系统及 异物检测与跟踪识别算法研究现状。 ( 2 ) 介绍基于图像处理的大输液中可见异物检测系统的硬件结 构与软件设计原理。 ( 3 ) 研究可见异物检测方法。对常用可见异物检测方法进行分 析，提出适合本文的检测算法。通过背景建模法、背景减除法、灰度 图像形态学、最大对比度阈值分割方法提取异物目标的个数、位置、 大小信息，为后续跟踪提供初始数据。 ( 4 ) 研究可见异物跟踪方法。分析常用跟踪算法，选用m e a ns h i f t 跟踪算法。同时为了更好地对大输液中的可见异物进行跟踪，对m e a n s h i i l 算法进行了改进，将局部二值模式、线性预测与m e a ns h i f t 相 结合，解决了跟踪时异物目标小、相似度大、发生遮挡时跟踪错误的 问题。 ( 5 ) 实现在t m s 3 2 0 d m 6 4 2d s p 上的异物目标检测与跟踪算法。 介绍d s p 的硬件系统与软件开发环境，完成算法在d s p 上的具体实 现。设计输液异物检测系统应用软件，提供整个检测过程每个步骤的 功能实现。 ( 6 ) 对课题内容及结果进行总结，指出有待解决的问题及对未 来的展望。 硕士学位论文 第二章大输液中可见异物检测工作原理 该系统是针对机器视觉检测大输液异物过程中存在对噪声敏感、 难以区分异物与气泡的问题，而设计的一套自动检测系统方案。首先 利用摄像机拍摄生产线上每瓶输液的连续运动图像，并将图像信号送 到高速d s p 中，然后d s p 利用嵌入至其中的异物检测识别算法对图 像进行处理，并将处理后的数据送入高性能p c 机中。p c 机根据预 设条件，如可见异物的大小和数量，判断输液是否合格，并发送判断 结果给a r m ( a d v a n c e d s cm a c h i n e s ) 控制器，由a r m 控制器控 制执行机构，剔除不合格的输液瓶。针对大输液中异物的颜色特征， 将其分为黑色和白色两类【6 】。为增加输液内异物目标与各种背景的对 比度，在拍摄序列图像时对黑色异物采用背部给l e d 白光的方式， 对白色异物采用黑色背景、底部给l e d 红光的方式。 2 1 大输液中可见异物检测系统硬件结构原理 根据系统工作原理，该系统由光电传感器、夹持与旋转机构、l e d 光源、摄像机、d s p 图像处理单元、高性能p c 机、a r m 控制器、 剔除机构等组成。本文采用了高灵敏型低照度工业c m o s 摄像机， 它采用美国o m n i v i s i o n 公司生产的o v 7 7 2 5 作为核心传感器。 o v 7 7 2 5 工作电压低，提供单片v g a 摄像头和图像处理的所有功能， 包括自动曝光控制、自动白平衡等，v g a 格式图像采集速率可高达 6 0 帧秒。通过标准的s c c b 总线控制，可以输出多种分辨率的8 位 或1 0 位图像，支持r g b 和y u v y c b c r 等多种图像输出格式，在本 设计中，采用的是8 位6 4 0 4 8 0 的( 4 ：2 ：2 ) 格式。l e d 光 源为c m o s 摄像机的辅助光源。本设计选择专用于数字媒体应用的 高性能3 2 位定点t m s 3 2 0 d m 6 4 2d s p 掩】芯片作为运算器，专门处理 耗时的异物检测与跟踪识别算法。d m 6 4 2 工作主频最高达7 2 0 m h z ， 6 基于图像处理的大输液中可见异物检测方法研究 处理性能可达5 7 6 0 m i p s ，满足异物检测系统的精确性和实时性要求。 程序代码和图像数据缓存在同步动态随机存储器( s y n c h r o n o u s d y n a m i cr a n d o ma c c e s sm e m o r y ，s d r a m ) 中，与c e 0 映射的地址 空间相对应。s d r a m 使用两片h y 5 7 v 2 8 3 2 2 0 t p 一6 ，每个 h y 5 7 v 2 8 3 2 2 0 t p 一6 均为3 2 位数据总线的s d r a m ，其中，高3 2 位 存储在一个s d r a m 中，低3 2 位存储在另一个s d r a m 中，以此满 足d m 6 4 2 所需的6 4 位数据总线要求。p c 机作为主控机，负责系统 参数的设置及后台应用软件的管理。系统外围部分选用了$ 3 c 2 4 4 0 处理器作为控制单元，包含了图像数据采集控制、剔除机构运行及光 电传感器读取等功能。检测系统框图如图2 1 所示。 图2 一l 检测系统框图 其工作流程如下： ( 1 ) 传送带将输液瓶送至检测区，同时光电传感器检测输液瓶 到位后，输出检测信号至a r m 控制器，然后a r m 驱动旋转机构夹 住输液瓶瓶口并开始旋转。 ( 2 ) 旋转输液瓶到达摄相机拍摄位置时，a r m 停止旋转机构运 行，同时开启摄像机及l e d 辅助光源。 ( 3 ) 摄像机按照预先设定的曝光时间，连续拍摄指定帧数的图 像，以y u v ( 4 ：2 ：2 ) 格式输出至d s p 的s d r a m 缓存区中。 ( 4 ) d s p 运行异物检测与识别算法，对缓存区保存的序列图像 7 硕士学位论文 数据进行处理，并将处理结果传送给p c 机。 ( 6 ) p c 机根据预设的参数范围对识别结果进行判断，并发送剔 除信息给a r m 控制器。同时p c 机对检测识别过程进行监控。 ( 7 ) a r m 控制器接收p c 机发送的剔除信息，控制剔除机构剔 除不合格的输液瓶。 工作流程框图如图2 2 所示。 ( 开始) 0 初始化 i 输液瓶旋转、开启光源、摄相机拍摄 i 运动异物检测识别 图2 2 工作流程框图 2 2 大输液中可见异物检测系统软件设计原理 在静止时，输液中的可见异物会沉在瓶体，而且输液瓶本身还可 能存在瓶子缺陷、瓶外灰尘、瓶身刻度等静止干扰，这些都将增加检 测的难度。为了将这些静止干扰与运动异物分离，首先采用专门的旋 转机构将输液瓶旋转，然后急停。由于惯性和重力的作用，可见异物 将在输液中做旋转下沉运动，当从垂直于输液瓶的侧面拍摄图像时， 异物将在序列图像中做类似直线的连续运动。此时，摄像机跟踪拍摄 基于图像处理的大输液中可见异物检测方法研究 输液瓶以获得运动异物的连续图像，作为后续异物检测的基础。 输液在旋转过程中不可避免地会产生向上运动的气泡，为了提高 检测的准确性，排除气泡的干扰，本文采用先检测后跟踪识别的异物 检测方法。首先对连续多帧旋转急停跟踪拍摄的大输液瓶图像中的 可疑运动目标进行分割，初步确定异物的大小、数目、位置等信息； 然后以这些信息为基础连续跟踪数帧图像，根据运动目标在帧间运动 的连续性和方向性判别异物气泡。为了使运动异物在连续两帧中位移 较大，从而方便检测，以及满足检测的实时性要求，本文对每瓶输液 瓶选取等时间间隔的5 帧图像，并取其亮度分量y 即灰度信息做检 测。 在采集到的输液瓶图像中，包含有异物、上述静止背景干扰以及 大量的噪声，导致图像信噪比很低，不利于异物目标的提取。因此， 本文首先获取序列图像的背景，然后利用背景减除法提取异物图像。 为了更准确地分割出异物，本文对异物图像利用形态学方法进一步去 除背景亮度，增强目标能量。最后利用阈值分割法进行异物分割。异 物检测识别过程流程图如图2 3 所示。 图2 - 3 异物检测识别过程流程图 为提高算法的跟踪效率和稳定性，本文在跟踪阶段对图像进行了 去背景及灰度膨胀处理，以增强提取出的小目标能量和增大检测目标 的面积。异物检测识别算法流程图如图2 - 4 所示。 9 硕士学位论文 找出与第1 帧( n = 1 ) 图像最小互相关系数帧 0 图像差分提取静态背景 i 背景减除提取第n = l 帧中运动异物 l 灰度形态学操作进一步抑制背景干扰 l 对比度分割法分割异物目标 l h 新一帧图像( 1 1 珞：j 斋删g 掣( 1 - ，胖。 o , b i 1 4 2 1 目标模型的建立 m e a ns h i f t 跟踪算法通过计算颜色直方图信息对跟踪图像进行建 模。直方图表示了某一颜色在图像颜色中的概率密度，而没有考虑像 素所在的空间位置对目标特征的影响。文献【5 5 1 提出了加权统计直方图 法，用特征点与目标中心的距离作为权值，此方法能够更加准确的反 映目标的特征。 本文采用e p a n e c h n i k o v 核来计算窗1 2 1 中每个元素的权值。 e p a n e c h n i k o v 核是一个各向同性、单调递减的凸函数，定义如下 ( x ) = ( 1 2 ) c a - l ( d + 2 ) ( 1 一i i x 一1 1 2 ) ，i i x 一1 1 2 1 ( 4 1 2 ) 10 ，其他 式中，d = 2 ，c d 是d 维单位球的体积，为窗f i 中心点，x 为窗 口中的点。l - - x o l l 2 是点x 至u x o 的规- 。欧x 式距离。 统计直方图求取过程如下。 设 t ) 乩。为目标区域中的点，则目标模板吼可表示为： 基于图像处理的大输液中可见异物检测方法研究 q 。= c zk e 1 i ( x x ；) h1 0 2 6 ( 6 ( t ) 一“) ( 4 13 ) i = i 上式中，“：l ，2 ，埘( m 为颜色特征空间的个数) ，n 是目标区域 中点的个数，x 是目标区域中心位置，工，表示目标在图像中的像素位 置，h 为核函数带宽，万是d e l t a 函数，6 ( ) 表示模板中x ，位置处的 像素颜色。c 为吼的归一化常数，使得： q u = 1 ( 4 1 4 ) u = l ，计 c = 1 以i i ( x - - x , ) hi i 2 ( 4 1 5 ) li - - 1 4 2 2 候选目标模型的建立 设 薯) 蛳嘞为候选目标中的点，以y 为中心。使用同目标模型相 同的核函数，则候选目标模型的颜色。分布为 见( y ) = g 羔【1 i ( y 一再) hi i 2 取6 ( 五) 一 ) ( 4 1 6 ) i = 1 其中，g 为r ( y ) 的归一化常数，使得 p 。= l ( 4 1 7 ) u = i ，一 q = 1 圳( 少一x , ) h1 1 2 ( 4 18 ) ，i = 1 4 2 3 相似性度量 在m e a ns h i f t 跟踪算法中，通常使用相似度函数来描述目标与 候选目标模型的相似性。常用的相似度函数有b h a t t a c h a r y y a 系数、 k l 散度等。本文采用的是在m e a ns h i f t 算法中较优的b h a t t a c h a r y y a 系数。在理想情况下，候选目标模型和目标模型相似程度可达到 1 0 0 。但是在实际的应用场景中，是不可能达到的，其值在0 至1 之间，b h a t t a c h a r y y a 系数越大，表示目标和候选目标越相似。其计算 公式如下： 硕士学位论文 p ( p ( 少) ，g ) = 厩 ( 4 1 9 ) 通过相似度的衡量，目标跟踪即可转变成，通过从前一帧中目标 的位置开始，搜索其在当前帧中周围邻域内b h a t t a c h a r y y a 系数最大 的位置，此位置即为当前帧中目标的新位置。 4 2 4 目标定位 利用b h a t t a c h a r y y a 系数在y 。处进行泰勒展开，就可以找到目标 在当前帧中的位置，其计算公式如下： 羔只嵋g r l l ( y o 叫) w 户豪- - r 葫 洚2 m g | l l ( 一m ) 肛1 1 2i 心= 6 【6 ( t ) 一“】吼见( ) ( 4 2 1 ) 式中，为窗i = 1 中每个像素点的权值，g ( 功= 豇。( 曲= l 。 在进行跟踪时，首先令y = ( y 与分别为目标在当前帧和前 一帧中的位置) ，再用公式( 4 2 0 ) 进行反复迭代，用求得的新值代 替原来的y 值，直至y 值不再变化，或者变化小于一定的限度为止。 迭代结束时的y 值即为目标的新位置。 设目标模型为 吼) 耐m ，跟踪目标在前一帧中位置为蜘，最大迭 代次数为、迭代收敛最小阈值为，利用m e a ns h i f t 跟踪算法求得 的目标新位置为y 。，则 m e a ns h i f t 跟踪算法的具体步骤为： s t e p l 初始化迭代次数k ，使得后6 - - 0 ；设当前帧的目标位置为。 s t e p 2 计算 见( y 。) ) 心卅，估计p ( p ( ) ，g ) 。 s t