基于均值漂移的提取羽毛杆的去噪方法研究

黄亮亮 汪仁煌 龙永雄 刘元稳

（广东工业大学自动化学院）

基于均值漂移的提取羽毛杆的去噪方法研究

黄亮亮 汪仁煌 龙永雄 刘元稳

（广东工业大学自动化学院）

为有效去除羽毛片图像中的噪声，便于毛叶与毛杆的分割，提出用均值漂移算法对毛片图像进行平滑滤波，然后对图像进行区域合并，最后利用阈值分割算法提取羽毛杆。实验结果表明：利用均值漂移算法能有效去噪，可以获得更高的图像评价指数和更好的视觉效果，可有效滤除不必要的纹理背景信息，为准确提取毛杆奠定重要基础。

羽毛片；均值漂移；图像去噪；图像分割

0 引言

随着国家经济的飞速发展，人们的健身意识不断增强，羽毛球运动越来越受人们喜爱。为了生产高质量的羽毛球，需要植入拱度、弯度相近的羽毛。目前拱度和弯度测试利用机器视觉完成，先对羽毛杆进行分割提取；再对相关拱度和弯度参数测量，因此准确提取羽毛杆非常重要。

提取羽毛杆通常将正光照明和背光照明的2幅图像进行减运算，需要增加光源和控制板等，硬件复杂，采图时间长，成本高。文献[1]提出了基于小波纹理的分割方法，但这种方法需要使用先验知识，若遇到偏头羽毛片则无法得到较好的分割结果。

羽毛杆一般形状细长，两侧羽毛叶的灰度重叠交叉，且羽毛叶的密度分布不均匀，高密度区域相对低密度区域而言，灰度值偏大。毛杆本身具有的弯度和拱度，也加剧了光照不均的影响，使传统的图像分割方法难以对羽毛杆进行有效分割。为解决该问题，通过对毛片表面纹理特征进行分析，用均值漂移（Mean Shift）[2]技术，对羽毛图像进行平滑滤波与区域合并，实现羽毛杆自动提取。

1 均值漂移算法简介

均值漂移的概念最早由 Fukunaga于 1975年提出，它是一种基于核函数估计的无参数迭代算法。目前已广泛应用于机器视觉领域，例如图像分割、目标识别、聚类分析、视频跟踪等。

在均值漂移向量中，核函数定义了采样点与核中心之间距离度量，不仅影响密度估计函数的属性，而且影响算法的收敛性和计算性能。常见的核函数有高斯核函数、均值核函数。由于用高斯核函数比均值核函数估计的更准确，本文选用高斯函数作为核函数。

1) 核函数、带宽以及允许误差的确定；

2) 根据式(1)计算图像样本均值m(x)；

2 实验结果及分析

图1 羽毛叶、羽毛杆灰度直方图

图2 去噪结果对比

对比效果，本文方法的图像背景噪声的抑制效果最佳，不仅有效地滤除了噪声，而且缺陷目标背景更纯净，边缘过渡更加陡峭，毛杆和毛叶分界更加明显，有效地提高目标的提取能力。经其他算法处理的图像纹理也有了一定的平滑，但是缺陷区域特征也变得过于模糊。

下面通过去噪后各个图像的熵（entropy）、背景抑制因子（background suppression factor，BSF）、均方误差（mean squared error，MSE）和边缘保持指数（edge preserved index，EPI）[5]等评价指标加以评判。

图像的熵是一种特征的统计形式，反映图像中平均信息量的多少。

背景抑制因子 BSF是用来衡量算法对背景结构的去除能力，其定义为

表 1是不同去噪方法下的图像质量评价指标比较。MSE和BSF反映了对噪声抑制的能力，从表中可以看出均值漂移算法处理后的图像的MSE和BSF是3种算法中最高的，表明使用均值漂移算法可以更有效去除噪声；而EPI值则较其他方法小，显示本文提出的方法在抑制纹理背景的同时可以更好地保护图像边缘。

表1 不同算法处理后的图像评价指标

经去噪滤波后，羽毛杆与羽毛叶具有明显的区分。此时，使用基于阈值的区域合并完成图像的分割。通过区域合并，羽毛杆与羽毛叶显现出不同灰度特征，提取的毛杆图像如图3所示。

图3 提取的毛杆图像

3 结论

羽毛球重要部件羽毛叶是按照缺陷来分等级，毛杆和毛叶必须要分开进行等级的判断。而羽毛叶和羽毛杆灰度值分布不同，这使得传统的基于图像灰度特征的图像分割方法无法对羽毛杆进行有效分割。

由于羽毛图像中存在羽毛叶与毛杆对比度小、噪声干扰大等问题，本文用均值漂移技术对羽毛图像进行滤波，并与其他滤波去噪算法对比，结果表明：采用本文方法去噪后的图像具有更好的视觉效果。经过对羽毛图像的区域合并，实现了羽毛杆自动提取。因此，本文的方法具有一定的实际应用价值。在以后的研究中可以对多特征融合的均值漂移加以考虑，以期得到优化或更有效的去噪方式，从而获得较好对比度的自适应算法。

[1] 刘洪江,汪仁煌.基于羽毛图像纹理分割的毛杆提取方法[J].广东工业大学学报,2010,27(4):42-45,57.

[2] 周芳芳,樊晓平,叶榛.均值漂移算法的研究与应用[J].控制与决策,2007,22(8):841-847.

[3] Rahman M M, Rana M S, Islam M A, et al. A new filtering technique for denoising speckle noise from medical images based on adaptive and anisotropic diffusion filter[J]. IJRCCT, 2013, 2(9): 689-693.

[4] Yue H W. Research on feather quill image denoising [J].Computer Modelling and New Technologies, 2013, 17(4):51-57.

[5] 张中山,余洁,燕琴,等.基于核独立成分分析的极化 SAR图像相干斑抑制[J].测绘学报,2011,40(3):289-295.

Research on Feather De-nosing and Extraction of Feather Quill Method Based on Mean Shift Algorithm

Huang Liangliang Wang Renhuang Long Yongxiong Liu Yuanwen
(School of Automation, Guangdong University of Technology)

In order to remove noise in images for segmentation of feather quill and feather leaf, this paper proposes the mean shift algorithm for feather image smoothing, and merging of regions. Finally, by using threshold segmentation algorithm, the feather quill is extracted. Experimental results indicate that the proposed method is more effective in feather image de-noising, and achieves higher value of evaluation index and better visual quality. This algorithm can effectively filter out unwanted background texture information for an accurate extraction of feather quill.

Feather; Mean Shift; Image De-noising; Image Segmentation

黄亮亮，男，1989年生，硕士研究生，研究方向：机器视觉、图像处理。E-mail: huangliang264@163.com

汪仁煌，男，1945年生，教授，博士生导师，研究方向：计算机测控技术（智能测控技术，信息处理与智能仪器，机器视觉技术）。

龙永雄，男，1989年生，硕士研究生，研究方向：机器视觉、图像处理。

刘元稳，男，1987年生，硕士研究生，研究方向：机器视觉、图像处理。