2010年第 2期 　　　　 　　　　 　煤 　炭 　工 　程 　　　　　　　 　 　 研究探讨 　 基于格林函数边缘检测的焊缝信息获取 赵娜娜 , 黄友锐 , 涂 　帅 (安徽理工大学 电气与信息工程学院, 安徽 淮南　 232001) 　　摘　要:格林函数边缘检测算法受噪声和阈值干扰较大, 针对这一问题 , 采用各向异性扩散 方程对图像进行去噪处理, 并用改进的粒子群算法优化指数熵来确定高低阈值, 将改进的格林函 数边缘检测算法引入焊缝图像的处理过程, 有效解决了边缘检测技术在抗噪声能力和精确定位能 力间的矛盾。 仿真结果表明, 改进的算法检测的边缘细、 连贯 , 受噪声的干扰小 , 将改进的算法 应用于焊缝图像处理起到了很好的效果 。 　　关键词:粒子群算法;指数熵 ;格林函数;各向异性扩散 ;焊缝图像 　　中图分类号:TP391　　文献标识码 :B　　文章编号 :1671 -0959(2010)02-0087-03 Acquisitionofweldedseam informationbaseonGreenfunctionedgedetection ZHAONa-na, HUANGYou-rui, TUShuai (SchoolofElectricalandInformationEngineering, AnhuiUniversityofScienceandTechnology, Huainan232001, China) Abstract:Thegreen′sfunctionedgesdetectionalgorithmcouldbehighlyinterferedbythenoiseandthresholdvalue. Accordingtotheproblem, anisotropicdiffusionequationwasappliedtothenoisetreatment.Theimprovedparticleswarm algorithmwasappliedtooptimizetheexponententropyforthedeterminationofthelowandhighthresholdvalues.The improvedgreen′sfunctionedgedetectionalgorithm wasintroducedtotheprocessingoftheseam imagesandcouldbe effectivelytosolethecontradictionbetweentheantinoisecapacityandaccuratepositioningcapacityfortheedgedetection technology.Thesimulationresultsshowedthattheedgesdetectedwiththeimprovedalgorithmwasfineandcoherenceand thenoiseinterferencewaslow.Theimprovedalgorithmwasappliedtotheseamimageprocesswithgoodresults. Keywords:particleswarmalgorithm;exponententropy;green'sfunction;anisotropicdiffusion;weldedseamimage 1　概 　述 传统边 缘 检 测 常 用 的 边 缘 检 测 算 子 有 Sobel算 子、 Prewitt算子 和 Canny算 子等 [ 1] , 格林 函数 是表 示一 种特 定 的 “场” 和产生 这种场的 “源” 之间的关系, 是英国人 G. 格林于 1828年引入的。 用格林函数推 导出微分算 子应用 于 边缘检测, 实验效 果明 显优 于 Canny算 法, 但 是该 算法 也 存在着不足之 处, 图像受 噪声 干扰 较大, 阈 值选取 不当 就 会检测出伪边 界, 针对这 一问 题, 采用 各向 异性扩 散方 程 对图像进行滤波 [ 2] , 并用改 进的 粒子群 算法 优化指 数熵 得 到最佳阈值。 仿真结果表明, 该算 法检测的边 缘细, 连贯, 受噪声的干扰较小, 并 且用 指数 熵代替 对数 熵大大 减少 了 运算的时间。 焊缝图像识别是使 用视 觉机 器人进 行焊 接要解 决的 技 术问题, 目前应用于焊 缝图 像边 缘检测 的方 法多为 常规 算 子边缘检测方法 [ 3] , 很难 抵抗 噪声 的干扰, 改进的 格林 函 数边缘检测算法可 以有效 地检 测出 图像的 边缘, 将 此算 法 应用到焊缝图像的 处理过 程, 实 验表明 优于 常规的 图像 处 理算法。 基于格林函数的边缘检测算法见文献 [ 4] 。 2　改进的格林函数边缘检测算法 2.1　改进的粒子群算法优化阈值 粒子群优化算法 源于 对鸟群 捕食 行为 的研究。 粒子 群 的数学模型公式如 式(1)、 (2)所 示 [ 7] , 其中, 下标 i代 表 第 i个粒子, 上 标 k代表 迭代 次数, ω为 惯性 权重, pbestk i 代表 k次迭代的个体极 值的坐标, gbestk g代 表 k次迭代的 全 局极值的坐标, c1 , c2 为学习因子, 通常取 c1 =c2 =2 , r1, r2 1] 之 间 的 随 机 数 。 实 验 发 现, 当 ω∈ 1.2] 时, 算法具有较理想的搜索能 力。 所以在搜 索 [ 0.9, 是 介 于 [ 0, 　　收稿日期: 2009 -05 -06 　　基金项目: 2009年安徽省淮南市科技计划项目(2009A05006) 　　作者简介:赵娜娜(1985 -), 女, 安徽淮南人, 本科, 2007年毕业于安徽理工大学电子信息 工程专业, 现 在主要研 究 方向为数字图像处理。 87 中国煤炭期刊网 www.chinacaj.net

　 研究探讨 　　　　　　 　　　煤 　炭 　工 　程 　　 　 　　 　　　　2010年第 2期 　 ωmax-ωmin 过程中可 以对 进 行动 态 调 整:ω=ωmax- 这样可以保证 在 开始 时以 最 大的 速度 在 全局 范围 内 搜索, 而在搜索后期缩小 搜索范 围, 从 而避免 算法 进入局 部停 滞 状态。 itermax ×iter。 2 2 i+c1r1(pbestk i =ωvk i -xk vk+1 i) (gbesti g -xk i) r +c i+vk+1 i =xk xk+1 (1) (2) 　　信息熵有效地 对信息 量进 行了 度量, 但 是它也 存在 一 定的问题。 如果概 率为 0或 者是概 率趋近 于 1的 时候就 不 能用对数来定 义信息, 就 会发 生信 息丢失 的问 题, 针对 这 一问题, 用 1 -pi代替 1/pi, 即用指数定义信息熵 [ 8] , 所以 适应度函数定义为如式(3)所示: i fit=-H(t)=-(H1(t)+H2(t))= -∑t -∑l-1 ln pi 1 -pt lnpi pi pt pt pi 1 -pt i=t+1 i=0 2.2　改进的格林函数边缘检测算法 2.2.1　算法实现 (3) 改进的格林函数边 缘检 测算 法用各 项异 性扩散 方程 对 图像进行去噪处理, 并 用粒 子群 算法优 化指 数熵来 选取 高 低阈值, 算法步骤如下: 1)首先读取一幅图像, 用去噪算法对图 像进行去噪 处 理, 本文采用各向 异性扩 散方 程对 图像进 行去 噪处理。 各 向异性扩散方程如式(4)所示 [ 9] : u(x, y, t) t div(c( u ) u) t> 0 u(x, y, 0)=u0 (x, y) t= 0 (4) 其中:u0 (x, y)为 原 始图 像, u 为 梯 度大 小, c( u )为 扩 散 系 数 函 数, 用 来 保 持 图 像 的 边 界, 它 是 u 的减函数 , 即 梯度大 的地 方扩散 系数 小, 以 保持 边 缘信息, 梯度小 的地方 扩散 系数大, 以去除 噪声, 这样 就 形成了方向性的自适应扩散。 2)根据式(2)对去噪后的 图像 进行微 分运 算, 得到 图 y)和梯度方向 α=arctan x+f2 像的梯度幅值 f(x, y)=sqrt(f2 (gy/gx)。 3)对图像进行非极大值抑制, 即要求边 界强度大于 该 点梯度方向上的两个相邻像素的边界强度。 4)结合最大指数熵原理对图像进行分 割, 该算法用 指 数来定义熵, 并用 改进的 粒子 群算 法来优 化分 割阈值, 从 而得到了最佳阈值。 5)门限参数的选择, 设高 低门限分 别为 T1 和 T2, 格 林函数边缘检测算子中有一个高门限 T1自 适应的过 程, 高 门限过高可以去除 大部分 噪声, 但同时 也会 损失到 大部 分 细节, 低门限 T2是检测的终止条件, 其值 越小, 保留的 边 缘信息就越多 , 一般 取 T2 =0.5T1。 用粒 子 群算 法求 出 的 阈值作为 T1, T2 =0.5T1, 对 微分后 的图像 进行边 缘提取, 图像中大于 T1的为 边界点, 小于 T2的为 非边 界点, 介 于 88 T1和 T2 之间 的 要 根 据 周 围 的 具 体像 素 分 布 情 况 来 具 体 判断。 2.2.2　仿真结果 本文 采 用 105 ×140 的 256 灰 度 级 含 噪 角 型 图 像 在 MATLAB7.0软件平台上进行仿真, 群体规模 m=30, 迭代次 数为 60, 惯性权重参 数 ωmax=0.9, ωmin=0.4, 速度最 大值 为 vmax=10, 学习因子 c1 =c2 =2。 格林微分算子参数 设置为 u=1.1, η=3.5, a=0.06, t=1, 仿真结果如图 1所示。 图 1　角型图像边缘检测效果比较 3　结果分析及结论 3.1　结果分析 图 1中是焊缝图像边缘检测效果的比较。 Canny算子 检 测的边缘不清晰, 检测的图形线条较 多, 受噪声 干扰较大, 格林函数检测的 图像 线条 较少, 轮 廓较清 晰, 但是 也受 噪 声干扰较大, 检测 出来的 伪边 界较 多, 本文使 用的 算法 提 取的边缘图清晰细 化, 而且 用粒 子群结 合最 大指数 熵算 法 来优化分割阈值, 有效地 提高 了分 割质量, 缩 短了 寻找 阈 值的时间, 检测出的边缘受阈值和噪声的干扰较小。 从以上处理结果 可以 看出, 将 改进的 格林 函数 边缘 检 测技术应用于焊缝图像的边缘检测中具有如下的优点: 1)采用各项异性扩 散方 程能有 效抵 制图 像中的 噪声, 为了更加直观的比 较各类 边缘 检测 算法的 优劣, 实 验中 引 入了相似性距离公式反 映边 缘检 测结果 的抗 噪声能 力和 细 节检测能力, 假设两幅二值图像 为 Xm×n和 Ym×n, 其相似 性 距离定义为如式(5)所示: [ ∑m ( Xij-Yij × Zj-i )] DXY = ∑n (5) j=1 i=1 中国煤炭期刊网 www.chinacaj.net

　2010年第 2期 　　　　 　　　　 　煤 　炭 　工 　程 　　　　　　　 　 　 研究探讨 　 　　其中:Xij和 Yij是图 像的 i行 j列 元素;Zij为中 Xj两 端 非 0的元素的行数的平均值, 若 Zj为 小数则 向上取 整。 实 验中用到的焊缝图像是 105 ×140的焊 缝图像, 用 各项异 性 扩散方程对图像处 理后相 似性 距离 大大减 小, 表 1 中反 映 各类边缘检测算法的相似性距离比 较, 从表 1中 可以看出, 本文算法检测的图像的相似性距离较小, 效果较好。 表 1　各类边缘检测算法的相似性距离比较。 DAB 298 DAB 3280 算法 Canny 格林函数 算法 对数熵 参考文献: [ 1] 　 OmranM, SalmanA, EngelbrechtA P. Imageclassification usingparticleswarm optimization[ C] .Proceedingsofthe4th Asia-PacificConferenceonSimulatedEvolutionandLearning. Piscataway:IEEEPress, 2002. [ 2] 　郭圣文 .一种新 的边缘 保留各 向异性 扩散方 法 [ J] .中 国 图象图形学报 , 2008, 13(2): 209 ～ 213. [ 3] 　杨静 , 王明 泉 .焊缝 X射 线 图像 缺 陷 的自 动 提 取与 分 割 [ J] .微计算机信息 , 2008, 24(3):296～ 297. 352 指数熵 160 [ 4] 　刘清 , 林士胜 .基于格 林函数 的边 缘检 测算 法 [ J] .计 算 2)最大熵法是经典的图像分割方法, 本 文在此基础 上 提出了指 数熵方 法, 克服了 对数信 息熵取 不到 0 和 1值 的 不足, 并用改进的 粒子群 算法 搜索 最优阈 值, 搜索 到的 阈 值优于对数 信 息熵 搜索 到 的阈 值, 从 仿真 结果 可 以 看出, 应用指数信息熵选取阈 值的 格林 函数边 缘检 测算法 效果 优 于使用对数熵的格林函数算法。 3.2　结论 格林函数是一种 较好 的边 缘检测 算法, 本 文在 此基 础 上提出改进的 格 林函 数边 缘 检测 算法 有 效地 抵制 了 噪声, 提取出了可靠的边 缘, 将此 算法 应用于 焊缝 图像处 理过 程 中, 有效改善了边 缘检测 的质 量, 大大 提高 了边缘 的抗 噪 声能力。 机工程与应用 , 2008, 44(13):168 ～ 169. [ 5] 　 TorreaoJR A, AmaralM S. Signaldifferentiationthrougha Green' sfunction approach[ J] . Pattern Recognition Lett, 2002, (23):1755～ 1759. [ 6] 　 TorreaoJR A. A Green' sfunctionapproachtoshapefrom 2001. 34(12): 2367 ～ shading[ J] . PatternRecognition, 2382. [ 7] 　潘喆 , 吴一全 .二维指数熵图像阈值选取方法及其快速算法 [ J] .计算机应用 , 2007, 27(4):982～ 985. [ 8] 　王俊伟 .粒 子群 优化算 法的改 进及 应用 [ D] .东 北大 学 , 2006. [ 9] 　白俊奇 , 陈钱 .基于各向异性扩散的红外图像噪声滤波算法 [ J] .光学学报 , 2008, 28(5):866～ 869. (责任编辑　赵巧芝) (上接第 86页) 图 2　输送带纵向撕裂检测图 检测算子具有更好 的抗干 扰性 和更 优的识 别精 度, 非常 适 用于井下煤尘 多、 采集图 像噪 声干 扰大的 情况。 采 用优 化 的边缘检测算法提高了 井下 带式 输送机 纵向 撕裂检 测的 准 确性与可靠性有效 的防止 了漏 报误 报, 因而 可以作 为矿 用 带式输送机纵向撕 裂检测 的一 种新 方向进 行研 究。 此种 检 测方法同样也可以用于其他输送带撕裂检测领域。 参考文献: [ 1] 　刘文耀 .数字图像采集与处理 [ M] .北京 :电 子工业出 版 社 , 2007. [ 2] 　RefaelC.Gonzalez, RichardE.Woods, StevenL.Eddins, 阮 秋琦 .数字图像处理 [ M] .北京 :电子工业出版社 , 2006. [ 3] 　石永华 , 王国荣 , 钟继光 , 等 .水下药芯焊丝焊接焊缝图像 的边缘检测 [ J] 制造业自动化 , 2000, (11):37 ～ 39. [ 4] 　陈义强 , 何继兰 .带式输送机常见纵向撕裂的预防措施的探 讨 [ J] 煤炭工程 , 2008, (12): 86 ～ 88. 5] 　张启明 , 张培友 , 贾翠欣 .带 式输送机 保护装置 的技术现 状 [ J] 煤矿机械, 1999, (8): 5～ 7. (责任编辑　赵巧芝) 89 中国煤炭期刊网 www.chinacaj.net