基于多分辨率B样条小波分析的大米裂纹检测研究

许振伟

基于多分辨率B样条小波分析的大米裂纹检测研究

许振伟

(浙江工商大学信息与电子工程学院，杭州 310035)

针对目前大米外观裂纹指标检测方法落后、检测结果缺乏客观性，可重复性差等缺点，提出一种基于双正交B样条小波变换的大米裂纹检测方法。通过图像增强、图像滤波等步骤从原始图像中提取单体米粒图像。并对提取出的单体米粒图像进行小波变换以突出米粒裂纹特征，大大提高了裂纹检测的定位精度。结果表明，该方法可以比较全面地检测出图像中的实际裂纹，检测边缘位置和实际边缘位置十分接近，并且避免了单个边缘产生多个响应的情况，为进一步完善大米品质检测提供了理论和实践基础。

大米裂纹检测 多分辨率 B样条 小波分析

水稻是我国最重要的粮食作物，产量约占全球的30%，为世界稻谷产量之首［1］。随着经济的不断发展和人们生活水平的不断提高，大米供求市场的矛盾已经从数量上的不足转变为大米品质的不理想。大米的质量问题已经严重限制了我国大米的生产、销售和出口。1999年制定的优质稻米国家标准GB/T 17891—1999明确规定了大米质量的标准，大大提高了主要的技术指标，拉开了大米品种质量的档次。大米由于受到各种外界因素影响很容易出现裂纹，出现裂纹的米粒称为裂纹粒，俗称爆腰粒。裂纹根据裂纹程度的不同可分为3种:轻度裂纹、中度裂纹和重度裂纹。图1所示为大米样本在不同裂纹程度情况下的示意图。图1a所示为轻度裂纹米粒，只有一条裂纹;图1b为中度裂纹米粒，含有两条裂纹;图1c和1d为重度裂纹米粒，包含3条或3条以上的裂纹，甚至还出现龟裂。

图1 米粒裂纹类型示意图

目前，裂纹粒作为大米分级的重要指标之一，需要按照国家标准GB/T 5496—1985采用人工肉眼观察的方法进行检测，缺乏高效的手段，检测过程费时费力，检测出来的结果也缺乏客观性，可重复性也比较差［2］。由于有些大米裂纹非常细微，通过机器视觉在自然光照下很难检测出来。本研究提出了一种基于分辨率B样条小波分析大米裂纹检测算法，实现对大米裂纹快速、高效的检测，为进一步完善大米品质的计算机视觉检测提供了理论和实践基础［3］。

1 仪器和样本

1．1 装置

检测系统主要包括计算机及其控制软件、图像采集卡、摄像头、光源、米样、盛米板及其支撑架等组成，如图2所示。

光源采用节能荧光灯，对称放置在摄像头两侧，盛米板为黑色橡胶，摄像头采用松下GX7Y－CP280彩色摄像头，采集卡采用北京维视图像的MV－600高速高精度图像采集卡，检测系统软件用Visual C++6．0编制而成。

图2 米粒裂纹检测系统

1．2 样本

样品选用欣荣优5号、陵两优104和F优498三个大米品种，在每个品种中分别挑选4组样品，包括:完好、轻度裂纹、中度裂纹和重度裂纹。大米的外形有长形和圆形米粒两种。有裂纹样品的裂纹数量分别是1条、2条、3条或4条，分别用来代表轻度裂纹、中度裂纹和重度裂纹的大米样本。

2 裂纹识别算法

2．1 图像增强和滤波

图像采集过程中由于光照的原因会在大米图像裂纹处出现局部高亮度与光照不均匀的情况，可采用式1所示Gamma校正的方法对原始图像进行增强［4］。

其中:Iin是校正前的图像，Iout是校正后的图像，γ是校正系数。

先对目标图像进行分析，计算出适合该目标图像的Gamma函数曲线，通过建立函数值与目标图像像素值之间的非线性关系，对目标图像中各个像素值进行具体的校正，并采用高斯滤波后的增强效果如图3所示。

图3 大米原始图像和增强效果图

由图3可见，经过高斯滤波后裂纹更加明显，有利于裂纹边缘检测。

2．2 小波边缘检测

基于小波变换的多尺度边缘检测的基本思路是在不同的尺度下利用一个平滑函数对待测信号进行平滑，平滑后对信号进行一阶或二阶函数，根据结果找出对应信号的突变点，如图4所示［5－6］。

图4 小波变换系数与突变点的关系

由θsx，()y定义两个二维小波:

小波变换系数WT1f s，x，()y和WT2f s，x，()y分别反映f x，()y沿x和y方向的梯度。

则合成梯度的模值为:

梯度矢量"(f× θs)( x，y)的模与小波变换合成梯度的模值大小成正比，系数比例为s。要得到一个光滑函数(f×θs)( x，y)在梯度方向的模最大值对应于计算小波变换合成梯度的模最大值。通过对二维小波变换的模最大值的检测可以确定目标图像的边缘点。将这些沿着边缘方向的任意尺度下检测到的边缘点连接起来形成该尺度下的检测结果。

m阶B样条函数可定义如下:

上式右边共有m个N0进行卷积，⊗是卷积符号。当m是偶数，样条函数Nm(x)关于x=0点对称，当m时奇数时，Nm(x)关于x=0．5点对称。而0阶B样条函数为:

其中，Nm(x)是非负的，支撑集为:[－(m+1)/2，(m+1)/2 )]。

3 裂纹检测过程

大米裂纹检测时，首先通过图像增强和滤波来增强裂纹处与周边的对比度，并进行去噪和保护图像边缘即裂纹处。然后计算平滑预处理后的图像沿y轴方向的B样条小波系数，用bior1．5函数作为小波基函数。然后计算模值，沿着y轴方向的正小波系数的峰值位置将视为大米裂纹处。接着跟踪裂纹，使用一个在区间为0和1阀值检测敏感的高低边缘，用于填充在检测过程中的空缺。接着用形态学细化操作来收缩有2个或3个像素宽度的边缘。然后用噪音模板来去除虚假的裂纹。最后确定裂纹位置［7－8］。具体算法流程如图5所示。

图5 大米裂纹检测算法流程图

4 结果与分析

在试验中，Gamma值设为2．5，而分辨率设为8。图6和图7分别显示了长形和圆形大米各选出4粒的检测结果。被选出的大米分别是有1条、2条、3条和4条裂纹的样本。其中图6a和图7a是原始图像，图6b和图7b是检测结果。从图6和图7可见，不论是长形还是圆形裂纹大米，该算法都准确地检测出来，一些肉眼不容易分辩的裂纹处也能被准确地检测出来。采用本计算机视觉对样品的检测结果如表1所示。由表1中数据可见，裂纹米的识别正确率在97．2%～98．8%之间，达到甚至部分超过郑华东等［1］的检测结果，总体判断正确率比较高。

图6 长形大米裂纹原始图像和检测结果

图7 圆形大米裂纹原始图像和检测结果

表1 裂纹大米计算机视觉识别检测结果

5 结论

针对大米裂纹检测过程中，存在定位不够准确和存在虚假裂纹响应的问题，本研究提出一种基于双正交B样条小波变换的裂纹检测方法。首先用Gamma对原始灰度图像进行增强和滤波处理，然后用连续小波双正交B样条小波在多尺度空间计算平滑后图像的小波系数。以Y方向的小波系数作为模值，该模值经过标准化后的最大模值处将判断为裂纹处。试验选用了长形和圆形两种不同类型的大米来验证方法的有效性，并且每种大米的裂纹都选择具有代表性的1条、2条、3条和4条裂纹。试验结果表明，该方法可以比较全面地检测出图像中的实际裂纹，定位准确，检测出的边缘位置与实际位置接近，并且可以避免单个边缘产生多个响应的情况，能最大程度抑制虚假裂纹响应。实现了客观、快速和准确地进行大米裂纹的检测，为进一步完善大米品质的计算机视觉检测与分级提供了理论和实践基础。

［1］郑华东，刘木华，吴彦红．基于计算机视觉的大米裂纹检测研究［J］．农业工程学报，2006，22(7):129－133

［2］常辉，郑小林，彭承林．基于B样条小波的图像边缘检测［J］．武汉理工大学学报，2002，24(7):31－33

［3］韩仲志，赵友刚．基于外观特征识别的花生品种与品质检测方法［J］．中国粮油学报，2009，24(5):124－128

［4］Xu L M，Zhao Y C．Automated strawberry grading system based on image processing［J］．Computers and Electronics in Agriculture，2010，71:32－39

［5］Kawamura S，Natsuga M．Development of an automatic rice quality inspection system［J］．Computers and Electronics in Agriculture，2003，40(1－3):115－126

［6］Yadav B K．Monitoring milling quality of rice by image analysis［J］．Computers and Electronics in Agriculture，2001，(33):19－33

［7］Brosnan T，Sun D W．Inspection and grading of agricultural and food product by computer［J］．Computers and Electronics in Agriculture，2002，36(3):193－213

［8］Zwiggelaar R，Yang Q S．Use of spectral information and machine vision for bruise detection on peaches and apricots［J］．Journal of Agricultural Engineering Research，1996，64(4):323－331．

Stduy about Rice Fissure Detection Based on Multi－Resolution B－Spline Wavelet Analysis

Xu Zhenwei
(Institute of Information and Electronic Engineering，Zhejiang Gong Shang University，Hangzhou 310035)

The rice fissure detection method based on dual orthogonal B－Spline multi－resolution wavelet transformation has been developed to solve the problems of low efficiency，test results lack of objectivity and poor repeatability by using traditional manual method．Single rice images can be obtained through the methods of images enhancement and images filtering from original images．Using wavelet change of extracts of singe rice iamge highlights the features of rice fissure．And it greatly improves the location accuracy of fissure detection．The experiment result shows that this method can quite comprehensively detect the actual fissure in the images，and image edge of detection is close to the actual image edge．Besides，it also avoid the situation that single edge produces many responses，and it provides foundation of theory and practice for further improvement of the quality testing of rice．

rice，fissure detection，multi－resolution，B－Spline，wavelet analysis

TP391

A

1003－0174(2012)06－0101－04

2011－09－26

许振伟，男，1971年出生，博士，副教授，谷物品质研究