《基于粒子群优化算法与形态学的纸病图像检测方法》.pdfVIP

PaperScience Technology 2014Vo1．33No．2 基于粒子群优化算法与形态学的纸病图像检测方法术 张 聪 汤 伟 (陕西科技大学电气与信息工程学院，陕西 西安710021) 摘 要：针对传统边缘检测算子对纸病图像检测的不足，提出了一种基于粒子群优化算法和数学形态学的边缘检 测方法。首先通过粒子群优化算法得到图像最优分割阈值 ，将图像二值化，然后利用数学形态学中的腐蚀运算对 纸病图像进行边缘检测。仿真结果表明，相比传统算法，该方法的检测结果更真实地反映了纸病图像的形态特征， 且边缘定位准确，取得了较为理想的检测效果。 关键词：边缘检测；粒子群优化算法；数学形态学；纸病图像 中图分类号：TS77 文献标识码 ：A 文章编号：1671—4571(2014)02—0060—05 在纸张的生产过程中，受工作环境影响以及操作 失误等原因，会产生如条痕、斑点、褶皱、孔洞等外观 纸病，这些纸病不仅影响了纸张的外观和质量，还会 Prewitt算子是一种一阶微分算子的边缘检测，利 影响成品的正常使用，能否将它们准确地识别出来显 用像素点上下、左右邻点的灰度差，在边缘处达到极 值检测边缘，去掉部分伪边缘，对噪声具有平滑作用。 得至关重要。边缘检测在纸病图像预处理环节 占有 Prewitt算子与Sobel算子的区别仅在于选用的模板 重要的位置，它是纸病形态特征提取的前提和基础， 不同，其原理是在图像空间上利用水平、垂直两个方 其算法的优劣直接影响了最终纸病识别 的准确 向模板与图像进行邻域卷积来完成的，卷积模板为： 率 。 传统的边缘检测算法对于边缘明显、噪声较少的 图像，具有 良好的检测效果。然而，纸病图像的形态 ] 复杂各异，再加上 CCD(Charge—coupledDevice)在 对数字图像 i，)，Prewitt箅子求梯度的表达式 采集运动纸张的过程中，会引起光照不均匀，从而造 成背景灰度不均，使得传统的边缘检测算法不能真实 地反映出纸病 图像的形态特征 J。由此，提出了一 种改进的边缘检测算法 。 1 传统的边缘检测算法 经典的边缘检测算子有：Robe,s算子、Sobel算 子、Prewitt算子、Canny算子以及Laplace算子。Sobel 将P(i，)的值赋给图像 中对应模板中心位置的像 算子与Prewitt算子的区别仅在于选用的模板不同， 素，作为该像素的新灰度值。选取合适的阈值T，并 Canny算子检测性能良好，自提出以来受到广泛应 作如下判断：若P(i，)T，则认定该点为边缘点，将 用。因此，文中主要对具有代表性的Prewitt算子和 其灰度值设定为255，其余设定为0，{P(i√)}为边 Canny算子做简要介绍。 作者简介：张聪，男，硕士研究生，主要研究方向：图像处理。 基金项目：陕西省科技统筹创新工程计划项 目(2012KTCQ01—19)。 60 《造纸科学与技术》 2014年 第 33卷 第2期 (4)用双阈值法检测和连接边缘。 1．2 Canny算子 2 改进的边缘检测算法 Canny边缘检测算子是 JohnF．Canny于 1986 年开发出来的一个多级边缘检测算法，其 目标是找到 2．1 基于粒子群优化算法的图像分割 一 个最优的边缘检测算法，最优边缘检测的含义是：2．1．1 算法原理 好的检测、好的定位以及最小响应。为了满足这些要 粒子群