空气中悬浮石棉纤维自动识别计数算法的研究.docVIP

空气中悬浮石棉纤维自动识别计数算法的研究 　　摘要:应本文旨在将计算机图像处理和识别的技术引入到空气中悬浮石棉纤维的检测当中,提出了对空气样本图像进行预处理,然后对其中的石棉纤维自动识别并计数的一系列算法。为环境中石棉纤维现场检测起到了预言作用。 　　关键词:石棉纤维 纤维检测 自动计数 　　中图分类号:文献标识码:A文章编号:1007-9416(2010)05-0000-00 　　 　　0 引言 　　随着人们环保意识和对自身健康关注的逐步提高,对于空气中悬浮的石棉纤维进行快速、实时的检测就显得越来越重要。当前,世界各国对于石棉纤维的检测主要采用矿物学和物理相结合的方法,取样后在实验室中完成。石棉纤维的现场检测技术是一个正在解决的难题,有必要将图像处理和识别的技术引入到空气中悬浮石棉纤维的检测当中,提高检测的现场性、实时性和精确度。 　　 　　1 含石棉纤维空气图像的预处理 　　空气样本的采集通过微型空气泵抽取检测环境的空气,导入特殊设计、置于偏光显微镜下直径大约为5mm的玻璃管道,利用高分辨率CCD图像采集设备进行连续采集,并实时传至电子计算机。 　　1.1图像增强 　　目的在于改善图像的视觉效果,满足特殊分析的需求。采用基于小波变换的灰度直方图均衡化算法对采集到的空气样本图像进行增强[1]。算法流程为: 　　(1) 对源图像做小波分解,得出LL、LH、HL和HH四个子频带的小波系数。(2) 再在低频带LL做直方图均衡处理。(3) 再将均衡化的子带与HL,LH,删进行重构,得到小波重构后的图像。(4) 对小波重构后的图像进行直方图均衡化处理,从而得出小波变换均衡化的图像结果。 　　应用此算法可以使增强后的图像亮度均匀,视觉效果较好,大幅增加了图像的灰度范围。 　　1.2二值化 　　图像二值化处理就是将图像上的像素点的灰度值设为0或255,将整个图像呈现出明显的黑白效果。旨在从图像的直方图中找到阈值,将图像分两个区域,每个区域有着相似的灰度值。采用Otsu方法进行图像的二值化,求取图像最佳阈值g的公式为式(1):(1) 　　该式右边括号内实际上就是类间方差值,阈值g分割出的目标和背景两部分构成了图像,而目标取值μ0(t),概率为ω0(t) ,背景取值μ1(t) ,概率为ω1(t), μ则代表整幅图像的中心灰度,要使目标和背景得到分割,当然希望分割出的目标尽量远离图像中心,即:(μ0(t)- μ)2尽量大,背景也尽量远离中心,即:(μ1(t)- μ)2尽量大。由于希望两者都大,于是有: 　　(1) 两者之加权和最大:(2) 　　(2) 两者之积最大: (3) 　　1.3 混合滤波 　　(1) 脉冲噪声消除 　　采用改进的中值滤波的方法对图像中的脉冲噪声进行消除。中值滤波基于排序统计理论,它将将滤波窗口内图像中每一个像素点的灰度值设置为该点某邻域内的全部像素点的灰度值的中值。 　　设图像中某一噪声像素点为Pm,n,以点Pm,n为中心,将滤波窗口中全部有用像素点的灰度值构成一个集合Pm,n。 　　(5) 　　由小到大依次排列集合Pm,n中的灰度值,从而构建出新的灰度值集合Qm,n。搜索到集合Qm,n中的灰度值中值Mm,n。因为Pm,n中排除了噪声像素点的灰度值,减小了脉冲噪声噪对滤波结果的干扰,从而在窗口中噪声像素点的数量大于总像素点的半数的情况下也能起到消噪的效果。 　　(2) 高斯噪声消除 　　高斯噪声N(i,j)分布的数学模型如式(5.21):(6) 　　对中值滤波的自适应阈值 合理估计后,选择跟图像中任一像素点p距离最近的像素点取平均值,作为3×3的模板的滤波输出。即:(7) 　　1.4 边缘检测 　　图像边缘检测是利用某些特定的方法查找出图像的边缘。本文采用Canny边缘检测算子来提取样本图像的边缘。步骤为: 　　(1) 对需要边缘检测的图像首先使用高斯滤波器对其进行平滑处理,抑制高斯噪声,输出较为平滑的图像。高斯滤波器函数表达式为式(5.26): 　　 (2) 高斯滤波平滑图像后,计算图像中所有像素点的梯度幅值M(i,j)和方向θ(i,j)。使用2×2的模板P和Q对x、y两个方向求其一阶偏导数近似: 　　(3) 抑制图像所有的像素的梯度幅值非极大值。采用非极大值抑制的方法确定目标中(i,j)像素点的边缘点。计算图像中的像素(i,j)处邻域内的梯度幅值,邻域内的梯度幅值如果是梯度方向上非最大值点则该点不是图像边缘,反之则是图像边缘。 　　(4) 检测和连接边缘。采用双阈值算法,对步骤(3)中非极大值抑制幅值完成阈值化操作,生成图像边缘矩阵。高阈值Th通过求图像中限速的梯度幅值M(i,j)的累积直方图来实现,低阈值Tl=0.5×Th。 　　1.5 膨胀运算