基于紋理信息和閾值相結(jié)合的格子波爾茲曼模型鋼坯號二值化方法研究

蔣小燕，高逸飛,王敏,王星辰

(常州工學(xué)院電氣與光電工程學(xué)院，江蘇常州213032；2.河海大學(xué)物聯(lián)網(wǎng)學(xué)院，江蘇常州213022;3.武漢理工大學(xué)信息工程學(xué)院,湖北武漢430070)

基于紋理信息和閾值相結(jié)合的格子波爾茲曼模型鋼坯號二值化方法研究

蔣小燕1,2，高逸飛3,王敏1,王星辰1

(常州工學(xué)院電氣與光電工程學(xué)院，江蘇常州213032；2.河海大學(xué)物聯(lián)網(wǎng)學(xué)院，江蘇常州213022;3.武漢理工大學(xué)信息工程學(xué)院,湖北武漢430070)

考慮到光照變化以及鋼坯號周邊環(huán)境和自身干擾等因素，提出了一種基于格子波爾茲曼模型的鋼坯號二值化方法。該方法將圖像的紋理信息和Otsu閾值作為格子波爾茲曼的有源項，控制活動輪廓的演變，解決了水平集方法計算耗時、容易陷入局部最小值等問題。與Otsu、Otsu和Niblack融合方法相比，所提出的方法具有計算快速、無需重新設(shè)置參數(shù)的優(yōu)點，對有噪聲干擾、非均勻光照的鋼坯號有良好的適應(yīng)性。

鋼坯號；二值化；LBM；活動輪廓；非均勻光照

隨著鋼鐵工業(yè)及其自動化技術(shù)的發(fā)展，對鋼鐵生產(chǎn)的要求越來越高。鋼廠管理系統(tǒng)需要對每一塊鋼坯進行編號，用特定的數(shù)字序列加字母等表示特定的批次，不同的批次有著不同的生產(chǎn)工序，由于生產(chǎn)工程中不可避免地會發(fā)生裝料錯誤，使得其他批次的鋼坯混入生產(chǎn)線中，從而對產(chǎn)品質(zhì)量造成影響[1]。目前一般采用自動識別系統(tǒng)對鋼坯號進行識別。這需要對字符進行一系列處理，二值化可以為字符分割和特征提取做準備，好的二值化結(jié)果有利于接下來的字符分割等。但由于光照不均、鋼坯表面氧化翹起、噴印濃度不均等特點，使得鋼坯號二值化效果往往不能令人滿意。

文獻[2]提出了全局Otsu閾值化和Niblack閾值化相結(jié)合的二值化算法。Niblack局部閾值二值化，獲得的圖像包含了大部分的字符細節(jié)，但是同時也有很多的偽影、噪聲。Otsu全局二值化獲得的圖像能很好地將字符與背景區(qū)分開來，但是丟失了不少字符的細節(jié)。將兩者結(jié)合起來可以有效地保留字符細節(jié)，去除大部分偽影。但還是會留有一些偽影，而且Niblack方法比較耗時，鄰域和參數(shù)設(shè)置也要通過大量的實踐才能獲得比較好的效果。文獻[3]改進了傳統(tǒng)水平集方法，加快了圖像分割速度，但不適合并行計算，因為在每個方向都要計算輪廓內(nèi)部和外部的平均值，這使得計算量大、耗時長，并且也會陷入局部最小值。文獻[4]和文獻[5-7]提出用LBM解水平集方程進行圖像分割，圖像分割后可以得到二值化圖像，經(jīng)實驗發(fā)現(xiàn)文獻[4]方法適用于鋼坯號的二值化，因為它提出的圖像分割方法，結(jié)合了全局圖像閾值，先給出初始二值化，然后經(jīng)過碰撞和遷移使得二值化更精確。本文將文獻[4]中的方法用于鋼坯號的二值化，結(jié)合紋理信息和閾值設(shè)計了一種全局水平集圖像分割方法，將鋼坯號中目標和背景分離出來進行二值化，格子波爾茲曼模型(Lattice Boltzmann Model，LBM)用于解水平集方程，實驗證明該方法獲得了理想的效果。

1 格子波爾茲曼模型

格子波爾茲曼模型是一種新的求解偏微分方程的數(shù)值工具，由陳十一和錢躍竑在1991—1992年間提出[8-9]。相對于傳統(tǒng)的數(shù)值解法，LBM具有算法簡單、適合并行處理，穩(wěn)定性好等特點。另外LBM是一個天然的離散系統(tǒng)，因此是用于圖像處理的極好工具[10]。由于LBM方程本身就帶有有源項，因此用戶可以根據(jù)需要設(shè)計有源項，LBM有較好的開放性[11]。

以D2Q9為列，每個元胞與其東、西、南、北以及東南、西南、東北、西北共八個方向的鄰居相連。每個粒子按這八個方向(i=1,2,3,4,5,6,7,8)向鄰居元胞移動或者停留在原位置(i=0)靜止不動，并在各個網(wǎng)格節(jié)點內(nèi)發(fā)生碰撞。

LBM的演化方程為

(1)

(2)

式中：在D2Q9模型中，零連接時權(quán)系數(shù)wi=4/9，軸連接時權(quán)系數(shù)wi=1/9，對角線連接時權(quán)系數(shù)wi=1/36；ρ為宏觀流體密度，定義為

(3)

松弛時間τ由擴散系數(shù)γ決定，定義為

(4)

采用Chapman-Enskog展開，經(jīng)過推導(dǎo)可得如下的對流方程[12]：

(5)

2 基于LBM的二值化方法

能量函數(shù)定義為

ε(φ)=λεtexture(φ)+βεthresh(φ)+αεreg(φ)

(6)

式中：φ是水平集函數(shù)；λ、β和α是控制參數(shù)，取值為正；εtexture(φ)是紋理信息能量項；εthresh是圖像分割的初始閾值能量項；εrge是符號距離函數(shù)控制項。εtexture定義為

(7)

式中：Ωin和Ωout分別是輪廓線內(nèi)部和外部；Ψ(x)=[I(x),f(x),s(x)]∈R3，I(x)是像素x的值,f(x)是像素x的濾波值，s(x)是像素x的鄰域方差;θ定義為高斯核函數(shù)。

(8)

式(7)可以寫成

(9)

從式(8)可以得到k(Ψ,Ψ)=1，k(min,min)=1和k(mout,mout)=1，于是式(9)可以簡化為

(10)

式中：H是Heaviside函數(shù)；min和mout分別是演化輪廓的內(nèi)部和外部平均值，定義

(11)

(12)

能量項εthresh(φ)是用Ostu閾值方法得到的，定義

于是得到下列水平集方程：

(13)

(14)

式(14)和式(5)是相似的，因此有源項F可以表示為

F=λ[k(Ψ,min)-k(Ψ,mout)]+β[1-H(φthresh)]

(15)

于是LBM方程可以寫成

(16)

3 算法及實現(xiàn)

本文的算法實現(xiàn)步驟如下：

1)初始化分割閾值φthresh，得到初始輪廓，使φ=φthresh；

2)根據(jù)式(11)和(12)分別計算出min、mout；

3)根據(jù)式(15)計算出有源項F，其中λ=1，β=0.05；

4)經(jīng)過碰撞和遷移，由式(16)得到fi；

5)更新φ值，得到新的輪廓；

6)若滿足迭代停止條件，則停止，否則返回步驟2；

7)最后進行二值化。

4 實驗分析

圖1是Otsu方法、Otsu和Nikblack融合方法以及本文方法的比較，鋼坯號(樣本1)來自文獻[2]，鋼坯號光照和涂料不均勻，有些地方比較模糊，背景噪聲比較大。用Otsu方法處理后噪聲比較大，內(nèi)部細節(jié)丟失。Otsu和Nikblack融合方法仍有一些非字符的背景被當成了前景字符，有些字符出現(xiàn)了破碎的情況。本文的方法效果最好，噪聲最小，但也出現(xiàn)了字符破碎的情況，例如字符2出現(xiàn)了破碎，但原圖中這部分就有些模糊。

(a)原圖

(b)Otsu方法

(c)Otsu和Niblack融合方法

(d)本文的方法

圖1 樣本1鋼坯號二值化效果比較

圖2是來自鋼鐵廠的鋼坯號(樣本2)，背景噪聲比較大，光照不均勻使得字符2和4出現(xiàn)破碎情況。Otsu方法處理后噪聲比較大。使用Otsu和Niblack融合方法仍有一些非字符的背景被當成了前景字符，字符出現(xiàn)了嚴重的破碎情況，例如字符4。本文的方法效果最好，噪聲最小，雖然字符4和2出現(xiàn)了破碎情況，但原圖就是破碎的。

(a)原圖

(b)Otsu方法

(c)Otsu和Niblack融合方法

(d)本文的方法

圖3也是來自鋼鐵廠的鋼坯號(樣本3)，背景噪聲大，8和4模糊。Otsu方法處理后噪聲很大，效果很差。使用Otsu和Niblack融合方法，字符出現(xiàn)了嚴重的破碎情況，噪聲也比較大。本文的方法效果最好，雖然字符8和4出現(xiàn)了膨脹，但后期可以進行一些處理。

(a)原圖

(b)Otsu方法

(c)Otsu和Niblack融合方法

(d)本文的方法

為評價算法的計算速度，分別利用這3種方法對圖1(a)進行二值化。整個實驗基于Win 7平臺，用Matlab編程實現(xiàn)。Otsu方法耗時0.134 6 s，Otsu與Niblack融合方法耗時2.722 3 s。本文提出的算法耗時0.905 5 s，雖然比Otsu方法慢，但效果明顯提高，比Otsu與Niblack融合方法的算法快，效果也更好。

5 結(jié)語

本文將文獻[4]中的方法用于鋼坯號的二值化，通過嵌入紋理信息和閾值信息，使得該模型能很好地收斂于鋼坯號的邊緣，為鋼坯號的二值化提供了一個新的方法。

[1]吳迪,焦東升,張筱,等.基于SVM的鋼坯號自動識別算法[J].微型電腦應(yīng)用,2011,27(10):49-51.

[2]張小軍.鋼廠鋼坯批次號識別系統(tǒng)設(shè)計[D].上海:上海交通大學(xué),2009：22.

[3]LI C,XU C,GUI C,et al.Distance regularized level set evolution and its application to image segmentation[J].IEEE Transactions on Image Processing,2010,19(12):3243-3254.

[4]BALLA-ARABé S,GAO X B,XU L.Texture-aware fast global level set evolution[C]// 4th international conference on intelligence science and big data engineering.Beijing,2013:529-537.

[5]BALLA-ARABé S,GAO X B,WANG B.GPU accelerated edge-region based level set evolution constrained by 2D gray-scale histogram[J].IEEE Transactions on Image Processing,2013,22(7):2688-2698.

[6]BALLA-ARABé S,GAO X B,WANG B.A fast and robust level set method for image segmentation using fuzzy clustering and lattice boltzmann method[J].IEEE Transactions on Cybernetics,2013,43(3):910-920.

[7]BALLA-ARABé S,GAO X B.Image multi-thresholding by combining the lattice Boltzmann model and a localized level set algorithm[J].Neurocomputing,2012,93:106-114.

[8]CHEN S Y,CHEN H D,MARTINEZ D,et al.Lattice boltzmann model for simulation of magnetohy-drodynamics[ J].Physics Review Letter,1991,67(27):3776-3379.

[9]QIAN Y H,D′ HUMIERES D,LALLEMAND P.Lattice BGK models for Navier-Stokes equation[J].Europhysics Letters,1992,17(6):479-484.

[10]陳玉,嚴壯志,錢躍竑.基于格子波爾茲曼模型的圖像去噪[J].電子學(xué)報,2009,37(3):574-580.

[11]溫軍玲,嚴壯志,孫玉彪,等.集成邊緣和區(qū)域信息的格子波爾茲曼模型圖像分割[J].江蘇大學(xué)學(xué)報,2013,34(6):687-692.

[12]ZHAO Y.Lattice boltzmann based PDE solver on the GPU[J].The Visual Computer,2007,24(5):323-333.

責(zé)任編輯：楊子立

Billet Number Binarization Based on a Lattice Boltzmann Model Combining Texture Information and Threshold Value

JIANG Xiaoyan1,2,GAO Yifei3,WANG Min1,WANG Xingchen1

(1.School of Electrical and Photoelectronic Engineering,Changzhou Institute of Technology,Changzhou 213032;2.College of Internet of Things Engineering,Hohai University,Changzhou 213022;3.School of Information Engineering,Wuhan University of Technology,Wuhan 430070)

Considering there are factors such as the illumination changes,surrounding environment of the billet numbers and their self-interferences,a billet number binarization method based on Lattice Boltzmann model(LBM) were put forward.Texture information and Otsu threshold value were taken as source terms of the Lattice Boltzmann equation to control the evolution of the active contour,which is superior to the level set method which is time-consuming and tends to be trapped to a local minimum.Compared with Otsu and the method of Otsu combined with Niblack,the proposed method has the advantages of fast calculation,no parameters reset and good adaptability to the billet numbers with noise interference and non-uniform illumination.

billet number;binarization;LBM;active contour;non-uniform illumination

10.3969/j.issn.1671-0436.2017.01.008

2016-12-22

江蘇省教育廳高校自然科學(xué)研究面上項目(15KJD510004)；江蘇省教育廳普通高校學(xué)術(shù)學(xué)位研究生創(chuàng)新計劃項目(KYLX15_0495)；常州工學(xué)院大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計劃項目(J2016029)

蔣小燕(1980— )，女，碩士，講師。

TP751.1

A