基于分形维数的垩白米检测系统

来源:用户上传      作者:

　　[摘要] 垩白是衡量稻米品质得重要性状之一，直接影响稻米的外观品质和商品流通。目前，关于稻米垩白参数一般还采取人工目测的检测方法，主观随意性大，不仅缺乏客观性和可重复性，而且操作也耗时费力。近几年，利用计算机视觉来进行稻米垩白参数测量大大提高了参数的准确率，提高了效率。在关于计算机视觉的稻米垩白检测的已有文献表明，垩白参数的计算一般是根据稻米垩白区域的灰度值与籽粒区域存在差异，设定它们的灰度阈值来分离垩白区域，从而可以计算出垩白大小，并判断它是否是垩白米。然而基于垩白大小的检测方法，识别准确率较低。因为它只能得到垩白区域的累积信息，而不能得到分布信息。因此，本文提出一种基于分形维数的垩白米检测方法，把垩白区域在稻米籽粒表面的分布在统计意义上看成一个分形结构，用分形维数大小来描述它的复杂度，结果表明可以提高垩白米检测的准确率。
　　[关键词] 图像处理 稻米垩白 分形维数
　　
　　一、系统背景
　　
　　1.研究背景
　　计算机视觉又称为机器视觉,是指用计算机实现人类的视觉功能,对客观世界的三维场景的感知、识别和理解,研究用计算机模拟生物外显或宏观视觉功能的科学和技术。计算机视觉技术是一个相当新且发展十分迅速的研究领域。近年来,它的研究与应用已扩展到了工业、农业、军事等诸多领域,并取得了一定成果。在稻米生产、加工、储藏和流通等各环节中,需要对稻米的品质进行各项检测,目前相当多的指标仍需人工检测,从而带来了较多的问题。随着计算机视觉技术的发展和在稻米检测中的广泛应用,使得稻米检测变得更加快速、客观和准确。
　　计算机视觉技术除应用稻米的上述品质指标检测外,还可应用于稻米爆腰率的检测,并且广泛应用于配制米配方优化、稻米加工过程自动控制等。尽管各国在此领域已进行了不少研究,但计算机视觉技术在稻米检测中的应用研究尚属起步阶段,仍有许多技术难题还未解决,需进一步深入研究。
　　2.研究目的与意义
　　大米品质检测项目有水分、直链淀粉、垩白(包括垩白度和垩白粒率)等，其中大米垩白检测方法还采用人工目测，不仅缺乏客观性和可重复性，而且操作耗时费力，检测精度低。把机器视觉技术引进大米外观品质参数的检测中是实现大米快速检测的关键，近几年，利用计算机视觉来进行稻米垩白参数测量大大提高了参数的准确率，提高了效率。在关于计算机视觉的稻米垩白检测的已有文献表明，垩白参数的计算一般是根据稻米垩白区域的灰度值与籽粒区域存在差异，设定它们的灰度阈值来分离垩白区域，从而可以计算出垩白大小，并判断它是否是垩白米。然而基于垩白大小的检测方法，识别准确率较低。因为它只能得到垩白区域的累积信息，而不能得到分布信息。
　　3.研究的主要内容
　　利用计算机语言建立稻米垩白检测系统,系统的主要功能和模块包括:
　　(1)图像预处理模块
　　①图像灰度化，得到原始图的灰度图像。
　　②对灰度图像进行阈值分割，将图像分成物体和背景两部分。
　　③对二值图像去噪，消除其中的小斑点。
　　④对识别到的每颗米进行边界跟踪，并将边界点的坐标保存在一个链表中。
　　(2)垩白计算模块：
　　①计算垩白区域的分形维数。
　　②计算垩白区域的大小。
　　4.系统技术
　　VC++代表了基于Windows的C++语言产品，它完美地集成了传统的编程工具，如编译器、编辑器、调试器和原代码剖析器。同时，它也集成了Windows中特殊的工具箱,如MFC(Microsoft Foundation Classes）和Windows资源编辑器(App Studio）。另外还加入了几种新工具，如轮廓应用程序生成器(App Wizard）、C++类管理器（Class Wizard）和类浏览器（Class Browser），以及各种各样为开发Microsoft Windows下的C/C++程序而设计的工具。这些工具给我们的编程带来了极大的方便。MFC类库为我们提供了丰富的类资源，功能非常全，为我们进行图形处理提供了丰富的资源。
　　
　　二、分形理论及其在图象处理中的应用
　　
　　分形理论是当今世界十分风靡和活跃的新理论、新学科。分形的概念是美籍数学家曼德布罗特(B.B.Mandelbort)首先提出的。1967年他在美国权威的《科学》杂志上发表了题为《英国的海岸线有多长》的著名论文。海岸线作为曲线，其特征是极不规则、极不光滑的，呈现及其蜿蜒复杂的变化。我们不能从形状和结构上区分这部分海岸与那部分海岸有什么本质的不同，这种几乎同样程度的不规则性和复杂性，说明海岸线在形貌上是自相似的，也就是局部形态和整体形态的相似。在没有建筑物或其他东西作为参照物时，在空中拍摄的100公里长的海岸线与放大了的10公里长海岸线的两张照片，看上去会十分相似。事实上，具有自相似性的形态广泛存在于自然界中，如：连绵的山川、飘浮的云朵、岩石的断裂口、布朗粒子运动的轨迹、树冠、花菜、大脑皮层等。曼德布罗特把这些部分与整体以某种方式相似的形体称为分形(fractal)。1975年，他创立了分形几何学(fractalgeometry)，出版了他的关于分形几何的专著《分形、机遇和维数》。在此基础上，形成了研究分形性质及其应用的科学，称为分形理论(fractaltheory)。
　　1.分形定义
　　所谓分形是指具有下列性质的点集:它具有精细的结构，即有任意小比例的细节。它是如此的不规则，以致于它的整体与局部都不能用传统的几何语言来描述。一般，它具有某种自相似的形式，也可能只是近似的或是统计的。分形的维数小于它所占的空间的维数，大于它的拓扑维数。可以以非常简单的方法来定义，由迭代产生。
　　2.分形维数的定义
　　分形的主要研究工具是它的维数，分形维数定量地表述了分形物体的形状和复杂性。目前，有多种分形维数的定义方法，如Hausdorff维数、信息维数、盒子维数等，其中盒子维数是最常用的一种分形维数，它的定义为:取边长为r的小盒子（可以理解为拓扑维数为d的小盒子），把分形覆盖起来，由于分形内部有各种层次的空洞或缝隙，所以，有些小盒子是空的，所得的非空盒子数计为N(r)。然后缩小盒子的尺寸r，所得N(r)自然要增大，当r→0时，得到数盒子法定义的维数:。
　　《分形几何──数学基础及应用》给出:设F是Rn上的非空的有界子集，Nδ(F)是直径最大为δ，可以覆盖F的集的最少个数，则F的下、上计盒维数分别定义为:，。如果这两个值相等，则称这个共同的值为F的计盒维数或盒维数。记为.此书指出:Nδ(F)可以是下列五个数中的任一个:
　　(1)覆盖F的半径为δ的最少闭球数
　　(2)覆盖F的边长为δ的最少立方体数
　　(3)与F相交的δ网立方体的个数
　　(4)覆盖F的直径最大为δ的集的最少个数
　　(5)球心在F上，半径为δ的相互不交的球的最多个数
　　《分形几何学》指出：在实际应用中只能取有限的r0，通常作法是求一系列的r和N(r)，然后由双对数坐标中1gN-1gr的直线的斜率求D0. 显然，在实际应用中对r的取法是人为的，那么对r的选取方式也是多样的，这里的r与前面的δ的含义是相同的。
　　分形理论虽然十分风靡，并得到了广大关注，但在实际应用方面仍不是很成熟。1988年M.F.Barnsley提出了利用分形理论和方法进行图像压缩的思想。这种方法在美国的迭代系统过程中得到了广泛的应用，并申请了专利，不久就被应用于图像的压缩方面，1992年以后美国微软公司的每年出版的万花筒光盘就采用了这种数据压缩技术。这种方法极大的促进了分形理论在实际应用方面的发展。

　　
　　三、基于分形维数的垩白米检测法
　　
　　垩白是衡量大米品质的重要指标之一，它不仅直接影响大米的外观品质，而且还影响大米的加工品质和蒸煮食味品质。对垩白和垩白大小的定义如下：
　　垩白：米粒胚乳中的白色不透明部分，包括腹白、心白和背白。
　　垩白大小：垩白米粒平放，米粒中垩白面积占该整粒米投影面积的百分率。
　　在优质大米检测指标中，垩白指标有垩白度和垩白粒率。如何有效判定垩白米，是检测这2个指标的第一步。目前对垩白米的检测还停留在人工目测的方法上，客观性和可重复性差。
　　利用机器视觉技术进行大米垩白的检测是一个、行之有效的方法，具有客观性、准确性、快速性和可重复性的特点。
　　基于垩白大小的垩白米检测方法，这种方法的基本思想是：对于一幅大米图像，首先通过阈值化处理，去除背景区域的灰度图像，计算出大米区域的总像素数T；然后根据垩白的灰度值范围再对大米区域进行二次阈值化处理，把垩白区域从大米区域中提取出来，计算垩白区域的总像素数T，它们的像素数比(C=N/T)即为垩白大小。
　　设定垩白大小阈值Cthd，则：如果C≥值Cthd，是垩白米；如果C<值Cthd，不是垩白米。
　　实际上，这种方法的适用前提是垩白区域的灰度分布与大米非垩白区域的灰度分布无重叠。对于采集的大米图像，由于籽粒的表面反光、残留的胚芽等原因，采集到的标准米图像也往往会出现高灰度区域，这部分区域与垩白区域的灰度范围是重合的。对于垩白米垩白区域能够被有效分离出来；但是对于标准米，有‘假’的垩白区域出现这些区域，实际上就是由于籽粒表面反光和存在胚芽产生的。无法通过阈值法区分出来。这种情况并不是偶然现象，试验中会经常出现，影响识别精度。
　　基于垩白大小的方法，实际上只能得到垩白区域的累计信息，不能得到分布信息。在累计信息相同的情况下，可以有不同的分布信息。所以只用累计信息分类，其分类特征是不够充分的，应同时考虑垩白区域在空间上的分布信息。
　　另一方面，考虑到垩白在自然形成过程中，是受到遗传和环境因素共同影响的，空间分布情况复杂，具备独特的纹理特征。从这两个方面来考虑，为精确地描述大米垩白区域的特点，应该引用分形的思想。把垩白区域在大米籽粒表面的分布在统计意义上看成一个分形结构，用其分形维数大小描述它的复杂性。
　　
　　四、实验结果分析
　　
　　基于分形维数的垩白米检测法与基于垩白大小的检测算法进行了试验对比分析。下面对10幅大米的图象进行了测试对比，如下表。
　　利用visualc++6.0开发工具实现了分别计算每个籽粒的垩白大小和分形维数,可以有效地识别垩白米。如表所示:通过结合肉眼的分辨结果，用分形维数计算出的结果准确，而用垩白大小检测的时候，对于两粒垩白区域差不多大小的米就会出现偏差。由此可见，基于分形维数的稻米垩白检测系统相对与垩白大小计算出的结果对垩白米的检测准确率较高，该系统可行，值得推广。
　　
　　参考文献:
　　[1]胡晓军邓波高宏伟:Visual C++高级开发范例解析[M].电子工业出版社,2002.2
　　[2]David J.Kruglinski，潘爱民 译.Visual C++技术内幕[M].人民邮电出版社，2004.3
　　[3]吴文奎:最流行图像格式实用参考手册[M].电子工业出版社，1998.4
　　[4]徐慧:Visual C++数字图像实用工程案例精选[M].人民邮电出版社,2004.2
　　[5]袁峰;Windows图形编程[M].人民邮电出版社,2004.5
　　[6]Nigel Bird, M.Cruz Diaz, Antonio Saa, Ana M.Tarquis. Fractal and multifractal analysis of pore-scale images of soil[J]. Journal of Hydrology 3(22),2006.211
　　[7]Liu W, Tao, Siebenmorgen T J, et a1. Digital image analysis for Rapid measurement of rice degree of milling[J], Cereal Chen, 75(3) ,1998.25～30
　　
　　“本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文”

转载注明来源:https://www.xzbu.com/3/view-1496955.htm