高速摄像环境下航天电连接器分离边缘提取算法

高速摄像环境下航天电连接器分离边缘提取算法洪涛;赵佃云【摘要】为了准确测量航天电连接器的分离距离，以深入研究其分离特性，提出了一种高速摄像环境下电连接器分离边缘的提取算法.该算法主要通过划分感兴趣区域选定待测量位置区域，经滤波处理后,利用小波变换算法增强图像的弱边缘信号，然后通过两次自适应阈值分割图像,并利用SUSAN算子进行边缘检测,进而提取边缘，获得准确的边缘信息.％Inordertoaccuratelymeasurethespaceelectricconnectoroftheseparationdistance,forfurtherstudyofitsseparationcharacteristics,ahigh-speedphotographyenvironmentorientede-lectricalconnectorontheedgeoftheseparationextractionmethodwaspresentedherein.Mainlythroughthealgorithmdividedtheregionofinterestareaselectedformeasuringpositions,afterpro-cessingthroughthefilter,wavelettransformtoenhanceimageedgeofweaksignals,andthenthroughthetwoadaptivethresholdsegmentationofimage,andbyusingSUSANoperatorforedgedetection,andthentheedgewasextracted,theaccurateedgeinformationswereobtained.【期刊名称】《中国机械工程》【年(卷)，期】2017(028)009【总页数】5页(P1074-1078)【关键词】高速摄像;小波变换;阈值分割;边缘检测【作者】洪涛;赵佃云【作者单位】中国计量大学质量与安全工程学院，杭州,310018；中国计量大学质量与安全工程学院，杭州,310018【正文语种】中文【中图分类】TP391航天电连接器（以下简称〃电连接器”）最重要的质量特性是分离特性，包括分离距离、分离时间等分离性能参数。国内在电连接器质量领域的研究起步较晚，且多数研究侧重于其连接可靠性等方面［1-3］，目前尚未见通过测量电连接器分离过程进而深入研究其分离特性的文献报道。由于电连接器内部与外部有颜色上的差异，通过选择合适的光源照明，故采用常规摄像机就能够获取清晰的测量位置图像。只有准确地提取电连接器测量位置图像的边缘特征，才能观测到电连接器高速运动的变化趋势，达到下一步高精度测量分离距离的要求。但由于受电连接器瞬间分离后插头的冲击振动、高速运动以及电连接器检测环境等因素影响，因而所采集的插头边缘图像产生运动模糊，这增大了边缘提取难度。如何有效消除运动模糊给图像处理带来的影响，一直是学者们研究的重点。梁若飞等［4］针对高分一号卫星玉米田遥感图像中玉米田光谱复杂和地块边缘模糊导致面积统计误差大的问题，提出了一种块模糊增强和最小值边缘提取相结合的边缘检测方法，进行玉米田地块分割处理，有效减小了面积统计误差；张文杰等［5］将微分算子和模糊边缘检测相结合，提出了一种基于邻域加权的多层次模糊边缘检测方法，有效解决了在低对比度图像、噪声图像中检测效果不理想的问题；尹士畅等［6］将小波变换与直方图均衡化相结合，通过对低频小波系数进行直方图均衡化处理，对高频小波系数进行阈值去噪，提出了一种实现图像增强的方法。上述方法都是在特定环境下针对不同研究对象提出的，处理电连接器高速分离图像的效果并不理想。本文根据实际需要，通过分析电连接器在高速摄像环境下所成像的特性，提出了一种电连接器分离边缘的提取算法。在测量电连接器的分离特性时，其插座由专用的夹具夹持，被直接固定住，使得电连接器测量位置区域图像的插座边缘线显示比较明显。由于插头随着夹具中的动板一起高速运动，故电连接器测量位置区域图像的插头边缘会产生运动模糊。电连接器起始静止测量位置实物如图1所示，摄像机所采集图像为图2。电连接器开始分离时，高速摄像机同步进行分离图像采集，并分别存储在计算机和摄像机缓存中。选定感兴趣区域(regionofinterest，ROI)后，首先，截取电连接器测量位置的模糊区域，并对目标进行中值滤波处理，去除噪声，以满足进一步处理的需要；其次，通过小波变换图像增强算法，对低频小波系数进行非线性增强，对高频小波系数进行去噪处理，经小波重构得到增强图像；再次，通过两次自适应阈值分割图像，主要目的是找到更多的测量位置图像右边边缘像素点；最后，利用SUSAN算法进行边缘检测，提取边缘，获得准确的边缘信息。根据以上实际特性，本文算法的总体框架如图3所示。2.1测量区域的选定ROI是从被处理的图像中以多种方式勾勒出需要处理的区域。通过分析电连接器在高速摄像机下的成像特征及分离方向，确定ROI，以保证后续图像处理时获得足够的信息。本文选定的ROI如图4所示。2.2中值滤波在采集过程中，电连接器测量位置图像易受到测试环境、分离振动、高速运动等因素的影响，难免会产生噪声。这些噪声会造成电连接器测量位置图像质量下降，干扰因素过多，严重影响图像识别，因此，电连接器测量位置图像需要进行去噪。本文采用中值滤波对电连接器测量位置图像进行去噪。中值滤波把局部区域的像素按灰度等级进行排序，取该邻域中灰度的中值作为当前像素的灰度［7］。在滤除噪声的同时，也能够保护图像的边缘特性，使之不被模糊。中值滤波效果如图5所示，相对于图4,图5图像显示更平滑，有效保护边缘，使之不被模糊。电连接器的高速分离运动使得测量位置图像的插头边缘产生运动模糊，插头边缘信号微弱，显示不清晰。由于小波变换能够充分突出信号某些方面的特征，有效细分高频、低频处，故本文选用小波变换增强电连接器图像。经多尺度小波变换可以获取原始图像的小波系数［8］。本文中电连接器的模糊边缘信息主要包含在高频小波系数中，它也包含大部分图像的噪声，而图像的近似信号主要包含在低频小波系数中。为了减少噪声，以增强电连接器待处理目标区域图像，可以对低频小波系数进行非线性图像增强，对高频小波系数进行去噪处理，最后经小波重构得到增强图像。本文采用以下非线性函数对低频小波系数进行非线性增强：式中，Xij为非线性增强后的低频小波系数；xij为非线性增强前的小波系数；T为阈值，合适的阈值可以有效增强目标边缘细节，Tu(0,|xij|);k为亮度系数，不同的k值代表不同对比度的图像［9］。本文用以下非线性算子调整高频小波系数，合适的阈值可有效去除噪声、增强边缘。即其中，Y、Y'分别是调整前后的高通小波系数；K是系数因子，K>1;T'是阈值［10］。在本文算法中，参数K取15,T"取0.2。将处理后的两种小波系数进行小波重构，从而得到增强后的图像。小波变换的图像增强基本框图及实际效果分别如图6和图7所示。ROI勾勒出的图像，经过中值滤波，以及小波变换增强图像后，希望滤除噪声，以突出待测量目标区域图像，减小边缘误差。为将电连接器待测量目标区域图像从背景中独立出来，将图像进行阈值分割，使其图像非黑色即白色。经阈值分割后，电连接器内部反光强烈的测量位置图像将变成白色，背景变成黑色，这样目标区域得以独立出来。本文首先通过均匀性度量法自动获取阈值T0。相较Otsu法、迭代法、类间最大距离法等阈值分割方法，均匀性度量法具有很强的自适应性，针对ROI勾勒出的图像，经中值滤波和小波变换增强处理后，分割效果较好；然后把经中值滤波和小波变换增强处理后的图像与经阈值T0获取的区域图像作差分运算，并再次使用均匀性度量法获取最终的分割阈值。均匀性度量法是以均值与方差作为度量均匀性的数字指标［11］。均匀性度量法的步骤如下［12］。给定一个初始阈值T0=T1，将原图分为C1和C2两类；分别计算两类的类内方差：式中，分别为类图C1、C2的类内方差；2分别为类图C1、C2的灰度均值；NC1、NC2分别为类图C1、C2的像素个数。分别计算两类像素在图像中的分布概率：其中，P1、P2分别为类图C1、C2的分布概率；Nimg为原图的像素个数。选择最佳阈值T0=T2，使得下式成立：人工设定日。】勾勒出的图像，分别经过中值滤波和小波变换增强后，采用均匀性度量法处理后的图像见图8。SUSAN算法是一种基于灰度的特征点获取方法，未用到梯度的运算，故该算法对噪声图像的边缘检测效果优于传统的边缘检测算法［13］。SUSAN算法采用一种圆形模板在图像上扫描，并将模板内部每个图像像素点的灰度和模板中心像素的灰度求差来比较大小，若其差值小于一定值，则认为该点与模板中心像素具有相同或相近的灰度，由满足这一条件的像素组成的区域称为USAN［14］。其比较方法如下。模板内属于USAN的像素的判别函数式中，1(x0)为模板中心像素的灰度；I(x)为模板内其他任意像素的灰度；t为灰度差门限。图像中每一点的USAN大小其中，D(x0)为以x0为中心的圆形模板区域。得到每一个像素的USAN值m(x0)以后，再与预先设定的阈值g进行比较，当m(x0)<g时，可以认为所检测到的像素位置x0是一^边缘点。阈值g决定了边缘点的USAN区域的最大值［15］,若m(x0)<g，则该点就被判定为边缘点。若g过大，可能会提取出其他边缘点像素；若g过小，则可能会漏检部分边缘点。大量实验证明，g取3m/4时(m为模板的最大USAN值)，边缘点提取效果较好。t表示所能检测边缘点的最小对比度，也是能忽略的噪声的最大容限。t越小，可从对比度越低的图像中提取特征。因此，对于不同对比度和噪声情况的图像，应取不同的t值［16］。经SUSAN算子处理后的图像是只有黑色背景和白色边缘线组成的二值图像。设定灰度阈值为255，通过水平方向逐行扫描一定图像范围，读取每一个像素点的灰度，若该像素点的灰度等于给定灰度阈值，则获取当前像素点的图像坐标。继续下一个像素点的扫描，直至给定图像内的所有像素点，其流程如图10所示。本文通过分析电连接器测量位置在高速摄像机下的成像特征，采用小波变换算法增强图像的弱边缘区域，再应用均匀性度量法自适应阈值分割图像，经SUSAN算子提取图像模糊边缘。本方法即使受到测试环境、分离振动、高速运动等因素的影响，仍能对电连接器测量位置图像进行有效识别，经试验验证可有效提高电连接器分离边缘提取的准确性，有利于深入研究其分离特性，提高质量可靠性。为了进一步提高其分离距离的测量精度，可以从亚像素级边缘拟合入手，获取插座、插头边缘更精准的信息，这也是笔者今后的研究方向。【相关文献】潘骏，靳方建.电连接器接触件结构分析与插拔试验[J].中国机械工程，2013,24(12):1636-1641.PANJun,JINFangjian.AnalysisoftheStructureoftheElectricConnectorandthePlugandPullTest[J].ChinaMechanicalEngineering,2013,24(12):1636-1641.贾博贤.分离脱落电连接器分离可靠性评估的研究[D].杭州：浙江大学,2014.JIABoxian.SeparationoffElectricConnectorReliabilityEvaluationofMasterofResearch[D].Hangzhou:ZhejiangUniversity,2014.高亮.航天电连接器空间环境可靠性试验与评估的研究[D].杭州：浙江大学,2012.GAOLiang.ResearchonSpaceEnvironmentReliabilityTestandEvaluationofAerospaceElectricalConnectors[D].Hangzhou:ZhejiangUniversity,2012.梁若飞，杨风暴，王毅敏，等.一种基于块模糊增强的玉米田遥感图像边缘检测方法[J].影像科学与光化学，2016,34(2):190-197.LIANGRuofei,YANGFengbao,WANGYimin,etal.AMethodofEdgeDetectionforRemoteSensingImageBasedonBlockFuzzyEnhancement[J].ImagingScienceandPhotochemistry,2016,34(2):190-197.张文杰，熊庆宇，石为人，等.基于邻域加权的多层次模糊边缘检测算法[J].吉林大学学报，2015,45(3):998-1004.ZHANGWenjie,XIONGQingyu,SHIWeiren,etal.MultiLevelFuzzyEdgeDetectionAlgorithmBasedonNeighborhoodWeighting[J].JournalofJilinUniversity,2015,45(3):998-1004.尹士畅，喻松林.基于小波变换和直方图均衡的红外图像增强[J].激光与红外,2013,43(2):225-228.YINShichang,YUSonglin.InfraredImageEnhancementBasedonWaveletTransformandHistogramEqualization[J].LaserandInfrared,2013,43(2):225-228.徐锋，刘云飞，宋军.基于中值滤波SVD和EMD的声发射信号特征提取[J].仪器仪表学报,2011,32(12):2712-2719.XUFeng,LIUYunfei,SONGJun.FeatureExtractionofAcousticEmissionSignalsBasedonMedianFilterSVDandEMD[J].ChineseJournalofScientificInstrument,2011,32(12):2712-2719.刘兴淼，王仕成，赵静.基于小波变换与模糊理论的图像增强算法研究[J].弹箭与制导学报，2010,30(4):183-186.LIUXingmiao,WANGShicheng,ZHAOJing.ResearchonImageEnhancementAlgorithmBasedonWaveletTransformandFuzzyTheory[J].JournalofProjectileandGuidance,2010,30(4):183-186.刘兴淼，王仕成，赵静.一种基于小波变换的非线性红外图像增强算法[J].红外技术，2009,31(12):708-711.LIUXingmiao,WANGShicheng,ZHAOJing.ANonlinearInfraredImageEnhancementAlgorithmBasedonWaveletTransform[J].InfraredTechnology,2009,31(12):708-711.刘国军，唐降龙,黄剑华，等.基于模糊小波的图像对比度增强算法[J].电子学报,2005,33(4):644-666.LIUGuojun,TANGXianglong,HUANGJianhua,etal.TheImageContrastEnhancementAlgorithmBasedonWaveletFuzzy[J].JournalofElectronics,2005,33(4):644-666.GONZALEZRC,WOODSRE.DigitalImageProcessing[M].2nd.Beijing:PublishingHouseofElectronicsIndustry,2006.GONZALEZRC,WOODSRE,EddinsSL.DigitalImageProcessingUsingMATLABEdition[M].2nd.Beijing:PublishingHouseofElectronicsIndustry,2006.马桂珍，房宗良,姚宗中.SUSAN边缘检测算法性能分析与比