基于貝葉斯模型的羊絨羊毛識別

朱耀麟 張春風(fēng) 武 桐 穆婉婉

（西安工程大學(xué)，陜西西安，710048）

目前羊絨纖維與羊毛纖維的鑒別方法有顯微鏡檢測法［1］、近紅外光譜法［2］、DNA檢測法［3］、圖像處理與計算機(jī)視覺的方法［4］。當(dāng)前的研究熱點(diǎn)是圖像處理與計算機(jī)視覺技術(shù)這個方向。周劍平等提出了一種利用貝葉斯網(wǎng)絡(luò)和電鏡掃描圖像結(jié)合的方法鑒別羊絨羊毛纖維［5］。首先對纖維圖像進(jìn)行圖像預(yù)處理，步驟為先二值化，然后確定邊界線，再分割纖維圖像；在分割后的邊緣圖像中提取纖維的鱗片高度和纖維直徑，最后將提取到的特征輸入到貝葉斯網(wǎng)絡(luò)分類。由于只提取了鱗片長度和纖維細(xì)度兩個參數(shù)，沒有考慮其他參數(shù)對鑒別的影響，具有一定的局限性［6］。楊建忠等研究了羊絨和羊毛電鏡掃描圖像的表面形態(tài)，測量了鱗片周長、鱗片面積、鱗片厚度、纖維直徑、鱗片高度等幾個直觀指標(biāo)，再通過計算得到鱗片的內(nèi)方形因子和外方形因子等2個相對指標(biāo)［7］。彭偉良等首先對羊毛和羊絨的電鏡掃描圖像進(jìn)行閾值分割，再提取羊絨羊毛纖維的直徑、鱗片面積、鱗片周長等幾何參數(shù)，對這些參數(shù)進(jìn)行統(tǒng)計分析，建立纖維種類判鑒別模型［8］。上述研究者的方法都只分析利用了單一特征參數(shù)或者幾個簡單的特征參數(shù)結(jié)合，對多個特征參數(shù)缺少統(tǒng)計分析，因此在鑒別精度上有一定的局限性。當(dāng)前，鑒別精度高、重復(fù)性較好的鑒別系統(tǒng)基本都是基于掃描電鏡（SEM）［9］，因?yàn)镾EM圖像景深大、分辨率高，所得到的顯微圖像結(jié)構(gòu)清晰、紋圖較明顯，在圖像分類和目標(biāo)檢測中具有很好的效果。

1 研究方法

本研究以SEM圖像為基礎(chǔ)，首先對SEM圖像進(jìn)行預(yù)處理，然后提取纖維骨架特征參數(shù)，再對羊絨羊毛纖維特性參數(shù)的分布進(jìn)行統(tǒng)計分析，比較各個參數(shù)間的相關(guān)性和正判率，從而選擇最合適的鑒別參數(shù)，最終利用這些參數(shù)建立貝葉斯模型［10-11］。該系統(tǒng)對羊絨羊毛進(jìn)行檢測的流程如圖1所示。

圖1 算法流程

1.1 纖維圖像的骨架提取

直接拍攝的原始圖片中會存在很多干擾因素，例如圖片背景的亮度不均勻，存在雜質(zhì)、噪聲等情況。為更準(zhǔn)確方便地提取纖維的特征參數(shù)，需要對圖片進(jìn)行預(yù)處理，去除與特征參數(shù)無關(guān)的一些因素和干擾，只保留纖維最主要的特征部分。

羊絨纖維SEM圖像骨架提取如圖2所示。首先通過調(diào)整原始圖像的灰度值對圖像進(jìn)行增強(qiáng)，增強(qiáng)后的圖像如圖2（b）所示。然后使用全局閾值方法將纖維圖像二值化，如圖2（c）所示。二值化后纖維的輪廓和特征都得到了明顯的增強(qiáng)，但是噪聲也被增強(qiáng)了，所以要對纖維圖片進(jìn)行去噪。首先通過孔洞填充的方法將纖維區(qū)域的黑色像素去除，然后分別計算各個封閉區(qū)域的像素個數(shù)，只保留最大面積區(qū)域，去除小面積區(qū)域，從而達(dá)到去除噪聲的目的，效果如圖2（d）所示。直接對圖2（d）進(jìn)行細(xì)化，會得到一個如圖2（e）所示的毛刺效果圖。提出建立兩個纖維骨架模板，首先對噪聲去除后的圖2（d）進(jìn)行閉運(yùn)算，得到一個包含纖維輪廓所有信息的背景模板，如圖2（f）所示。再對原始圖像進(jìn)行閉運(yùn)算得到輪廓圖像，然后進(jìn)行二值化，可以得到原始模板，如圖2（g）所示。把原始模板和背景模板進(jìn)行疊加后得到疊加效果，如圖2（h）所示。最后再進(jìn)行細(xì)化操作得到最終細(xì)化效果，如圖2（i）所示。

圖2 羊絨纖維SEM圖像骨架提取

1.2 特征參數(shù)的提取

對羊絨和羊毛的纖維樣本進(jìn)行特征參數(shù)提取。羊絨羊毛纖維的直接特征參數(shù)有纖維直徑、鱗片密度、鱗片高度、鱗片周長、鱗片面積。相對特征參數(shù)有面積比、周徑比、徑高比、方形度，它們都可以通過直接特征參數(shù)計算得到。面積比Ad=A/d2，A為纖維的鱗片面積，d為纖維的直徑；周徑比Pd=P/d，P為纖維的鱗片周長；徑高比dh=d/h，h為纖維的鱗片高度；方形度SR是指鱗片與正方形的近似情況，SR=A/（P/4）2。

在測量纖維的直徑時，認(rèn)為纖維兩側(cè)的邊緣線是平行的，先得到纖維的中軸線，然后每隔5個像素，做中軸線的垂線，這些垂線與纖維的兩側(cè)邊緣線存在交點(diǎn)，每對交點(diǎn)的距離作為纖維的直徑。測量鱗片面積時將鱗片區(qū)域塊內(nèi)的部分填充為白色，統(tǒng)計封閉區(qū)域塊內(nèi)部像素個數(shù)作為鱗片面積；將區(qū)域塊分別提取出來，統(tǒng)計區(qū)域塊邊緣像素個數(shù)作為周長。假設(shè)纖維中軸線與鱗片邊緣的交點(diǎn)有N個，L為中軸線長度，鱗片高度則為L/（N-1）。具體如圖3所示。

圖3 特征參數(shù)的測量

1.3 兩類纖維的誤判率分析

提取羊絨羊毛纖維圖像各500幅，對它們的特征參數(shù)進(jìn)行統(tǒng)計分析。圖4為羊絨、羊毛的鱗片高度特征分布直方圖。

圖4 鱗片高度特征分布圖

從圖4可以容易地發(fā)現(xiàn)羊絨羊毛纖維鱗片高度的分布為正態(tài)分布，擬合度分別為0.974和0.643，得到的擬合方程見式（1）。通過擬合方程計算可得羊絨鱗片高度的擬合參數(shù)為y0=0.007 85、w=0.160 41、xc=13.130 21，A=0.886 99，羊毛鱗片高度的擬合參數(shù)為y0=0.012 39、w=0.263 69、xc=10.537 01、A=1.213 14。

式中：y0表示基線函數(shù)，A為擬合曲線與x軸面積，xc為鱗片高度，w為纖維分布的對數(shù)均方差。

圖4能清楚直觀地看到羊絨和羊毛的鱗片高度存在的差異，以羊絨羊毛鱗片高度為例，研究鱗片高度對羊絨羊毛纖維鑒別的影響因子。鱗片高度的特征分布曲線差異如圖5所示。

圖5 鱗片高度特征分布對比

將羊絨羊毛鱗片高度特征分布圖的擬合曲線進(jìn)行疊加，能夠發(fā)現(xiàn)兩曲線交于F點(diǎn)。當(dāng)鱗片高度大于F點(diǎn)橫坐標(biāo)時，羊絨的概率密度大于羊毛概率密度；當(dāng)鱗片高度小于F點(diǎn)橫坐標(biāo)時，羊毛的概率密度大于羊絨概率密度。通過計算得到F點(diǎn)橫坐標(biāo)為11.743μm。選擇F點(diǎn)為羊絨羊毛的判別點(diǎn)，當(dāng)鱗片高度大于11.743μm時，認(rèn)為是羊絨纖維；當(dāng)鱗片高度小于11.743μm時，認(rèn)為是羊毛纖維。圖5中，設(shè)羊絨擬合曲線與x軸和直線x=11.743形成的區(qū)域?yàn)棣粒硎狙蚪q被錯判成羊毛的概率；設(shè)羊毛擬合曲線與x軸和直線x=11.743形成的區(qū)域?yàn)棣?，表示羊毛被錯判成羊絨的概率，通過計算得到α=0.256，β=0.406，Ac=α+β=0.662。進(jìn)而引入正判率γ，見式（2）。

計算得到鱗片高度的正判率為0.505。根據(jù)以上原理，得出纖維直徑、鱗片密度、鱗片周長、鱗片面積、周徑比、面積比、徑高比、方形度的正判率分 別 為0.869、0.752、0.504、0.497、0.756、0.703、0.683、0.396。正判率大小排序?yàn)椋豪w維直徑＞周徑比＞鱗片密度＞面積比＞徑高比＞鱗片高度＞鱗片周長＞鱗片面積＞方形度。

1.4 鱗片特征相關(guān)性分析

提取了羊絨羊毛各500個樣本的鱗片特征，對這1 000個樣本的鱗片特征參數(shù)進(jìn)行了研究，如圖6所示。由圖6（a）可知，纖維直徑d越大，鱗片周長P也隨著變大，它們的相關(guān)系數(shù)R=0.857，鱗片周長和纖維直徑呈正比關(guān)系，擬合方程為P=18.964+2.621d。由圖6（b）可知，纖維直徑d和鱗片高度h的相關(guān)系數(shù)R=0.119，兩個參數(shù)不相關(guān)。由圖6（c）可知，鱗片面積A隨著鱗片周長P的增大呈非線性遞增，擬合曲線方程為A=598.214-586.028/［1+e（P-75.227）/25.102］，兩 個 參 數(shù)的相關(guān)系數(shù)R=0.969。

圖6 參數(shù)相關(guān)性

將所有參數(shù)之間的關(guān)系進(jìn)行統(tǒng)計，得到參數(shù)間相關(guān)系數(shù)見表1。纖維的鱗片直徑越大，鱗片面積和鱗片周長也越大，因此在選擇參數(shù)的時候應(yīng)該剔除掉鱗片面積和鱗片周長，以便于簡化鑒別工作量。由表1可知纖維直徑、鱗片高度、鱗片密度、面積比、周徑比、徑高比、方形度這7個特征參數(shù)間的相關(guān)性較小，如果我們單從相關(guān)性上選擇參數(shù)，應(yīng)該選擇這7個參數(shù)作為鑒別指標(biāo)。

表1 特征參數(shù)間相關(guān)系數(shù)表

2 試驗(yàn)部分

本研究所用纖維試樣取自陜北的絨山羊，由榆林科學(xué)技術(shù)局提供。對羊絨羊毛纖維進(jìn)行梳洗、篩選、制樣，然后利用掃描電子顯微鏡拍攝羊絨和羊毛纖維的圖片。制樣方法采用GB/T 14593—2008《山羊絨、綿羊毛及其混合纖維定量分析方法》。采用的試驗(yàn)設(shè)備為FEI Quanta450FEG型臺式掃描電子顯微鏡，放大倍數(shù)為1 000倍。

統(tǒng)計分析1 000個羊絨羊毛樣本特征參數(shù)的分布，依據(jù)在參數(shù)間相關(guān)性小、正判率高的前提下，參數(shù)盡量少的原則，選擇了纖維直徑、鱗片高度、鱗片密度、面積比、周徑比、徑高比6個參數(shù)建立貝葉斯模型。

將纖維直徑、鱗片高度、鱗片密度、面積比、周徑比、徑高比6個特征參數(shù)組成特征向量x=(x1，x2，x3，x4，x5，x6)。設(shè)纖維為羊絨時的條件 為ω1，纖 維為羊毛時 的 條件為ω2，則P(ωi|x)(i=1，2)是x=(x1，x2，x3，x4，x5，x6)屬于ωi的 條 件概率。

設(shè)P(ω1|x)＜P(ω2|x)時，判定纖維為羊毛，反之判定纖維為羊絨。假設(shè)兩種纖維的概率相同，即P(ω1)=P(ω2)，則P(ω1|x)與P(ω2|x)的大小可以通過比較P(x|ω1)與P(x|ω2)的大小來實(shí)現(xiàn)。特征參數(shù)的權(quán)系數(shù)λj可由正判率γj計算得到，見式（3）。

經(jīng)計算，纖維直徑、鱗片高度、面積比、周徑比、徑高比、鱗片密度的權(quán)系數(shù)分別為0.216、0.093、0.183、0.187、0.153、0.168，權(quán)系數(shù)大小關(guān)系為：纖維直徑＞周徑比＞面積比＞鱗片密度＞徑高比＞鱗片高度。權(quán)系數(shù)越大，參數(shù)鑒別能力越強(qiáng)。

運(yùn)用采集到的羊絨羊毛纖維樣本各500個，對建立的六參數(shù)貝葉斯模型進(jìn)行驗(yàn)證，并且與傳統(tǒng)的只利用纖維直徑、鱗片周長和鱗片面積等簡單參數(shù)的鑒別模型進(jìn)行對比，具體的鑒別效果見表2。試驗(yàn)結(jié)果表明，通過這6個特征參數(shù)建立的貝葉斯模型識別精度比傳統(tǒng)的只利用纖維直徑、鱗片周長和鱗片面積等簡單參數(shù)識別精度高得多，接近95%，達(dá)到了預(yù)期的效果。

表2 六參數(shù)模型和傳統(tǒng)模型正確率比較

3 結(jié)論

本研究過程分析了很多羊絨羊毛纖維的特征參數(shù)，對纖維特征參數(shù)的分布進(jìn)行了統(tǒng)計分析，對各特征參數(shù)間的相關(guān)性進(jìn)行了分析，還研究了各參數(shù)對羊絨羊毛正判率的影響，最終選擇了纖維直徑、鱗片密度、鱗片高度、周徑比、面積比、徑高比6個參數(shù)建立了貝葉斯模型。結(jié)果表明，本方法對鑒別羊絨羊毛纖維有著很高的精確度。而且，由于檢測性質(zhì)的相似性，此方法還可以用在狐貍毛、兔毛等其他動物毛發(fā)中，有著很大的應(yīng)用前景。