基于ANFIS的烟丝图像在线检测自适应消噪技术*

王晓侃，张 艳

(河南机电职业学院，河南 新郑 451191)

基于ANFIS的烟丝图像在线检测自适应消噪技术*

王晓侃，张 艳

(河南机电职业学院，河南 新郑 451191)

针对目前烟丝在线检测设备进行图像检测识别时，测量结果容易受到噪声、光线、温度和湿度等的影响，而导致参数时变、时间滞后等问题，设计一种基于MATLAB软件的自适应消噪技术，利用自适应神经模糊推理系统(ANFIS)对烟丝图像噪声的非线性动态特性进行建模，并利用ANFIS 逼近有色噪声，然后从测量烟丝图像中消除有色噪声，得到有用的烟丝图像。该技术在实际烟丝在线检测生产过程应用中表明，能够在复杂的环境下，自动地估计出噪声信号，方便、快捷地实现在线去噪，从而得到满意的烟丝图像。

烟丝图像；自适应消噪；模糊神经网络；在线检测

在这个充满信息技术的时代，图像作为传递信息的重要手段，导致图像处理技术在工业中的应用越来越广泛。在烟丝生产的工序中，制丝过程是直接影响烟支生产质量和企业经济效益的重要环节。卷烟质量的直接影响因素就是烟丝，烟丝在检测过程中也受到不同因素的影响；因此，在烟丝检测过程中，烟丝图像的处理就显得尤为重要，但在烟丝图像产生过程中存在以下问题：一方面，基于光的反射形成图像原理，光照强度的强弱会使形成的图像清晰度不同；另一方面，噪声会对图像的处理产生严重影响。这两方面对图像的真实度都有影响，还会破坏图像的视觉效果，也会对后期的图像识别、边缘检测造成较大程度的影响[1-2]。针对烟丝图像在线检测这个复杂过程，运用基于自适应神经模糊推理系统(ANFIS)建立辨识模型，并进行烟丝的有色噪声逼近，再从获取到的测量信号中消除有色噪声，这样就可以得到有用的烟丝图像。

1 ANFIS结构的工作原理

ANFIS是一种将模糊控制和神经网络结合起来的综合性智能控制系统，它将模糊控制的模糊化、模糊推理和反模糊化等3个基本过程全部用神经网络来实现，利用神经网络自学习机制自动形成模糊规则，还可以自适应调整各种参数，使系统本身朝着自适应、自组织和自学习的方向发展[3-4]。本文提出的一种非线性T-S 模糊模型是一个多层前馈网络，结构如图1所示。

图1 基于T-S 模糊模型的等效ANFIS 网络

假定模糊规则库包含如下2种规则。

规则1: if x1is A1and x2is B1, then f1=p1x1+q1x2+r1。

规则2: if x1is A2and x2is B2, then f2=p2x1+q2x2+r2。

图1中第1层节点i是以节点函数表示的方形节点：

O1,i=μAi(x1),i=1,2

O1,i=μB(i-2)(x2),i=3,4

第2层的节点表示将输入信号相乘，其乘积输出为：

O2,i=wi=μAi(x1)μBi(x2),i=1,2

第3层节点用N表示，第i个节点计算第i条规则的归一化可信度为:

第4层每个节点i为自适应节点 ，其输出为：

第5层单节点是1个固定节点，计算所有输入信号的总输出为：

本网络中的未知参数(pi,qi,ri)，可以利用ANFIS模糊聚类进行算法训练，达到预期的指标参数，然后进行模糊建模。

通常基于数据聚类的ANFIS设计方法一般有如下几个步骤：1) 样本数据的获取；2) 模糊初始化；输入量模糊聚类分析，确定中心；形成隶属度函数的中心和模糊规则；3) ANFIS初始结构的确定，即各隐层神经元个数以及神经元激励函数的确定；4) 通过训练样本不断训练隶属度函数和模糊规则，形成ANFIS辨识模型；5) 用核对数据校验ANFIS。

2 自适应神经网络模糊系统消噪原理

在信号处理和控制过程中，尤其是在图像噪声问题上[5]，利用自适应神经网络模糊系统进行噪声的逼真和建模，利用模糊规则和自适应神经网络的学习能力，对噪声可以有效地消除，进而提高测量的精度、实用性和有效性。

如图2所示，s(k)为有用信号；c(k)为可测噪声，经过非线性变换H(z)后为有色噪声z(k) ；测量信号d(k)为被噪声污染的信号，d(k) =s(k)+z(k)，s(k)与z(k) 是不相关的。噪声抵消就是从被噪声污染的信号中估计s(k)，显然这只要估计出z(k)即可。而z(k)是c(k)的延迟和变形，它是不可测的，即z(k)=f(c(k),c(k-1),c(k-2),…) ，其中，函数f是未知的、非线性的，而且其频率范围往往与d(k)的频率范围重叠。通过利用ANFIS进行任意非线性的函数逼真，可以让ANFIS网络逼近有色噪声z(k)，进而得到输出信号y(k) 。

图2 自适应消噪原理图

(1)

(2)

(3)

3 基于ANFIS的自适应消噪技术的流程

3.1 应用MATLAB软件生成烟丝图像

系统生成的原始烟丝图像如图3所示。如果噪声源为n1，其采用正态分布的随机数，可以应用MATLAB软件的命令函数生成噪声：

n1=randn(size(t));

plot(n1);

axis([0 650 min(n1) max(n1)]);

legend(‘噪声信号’);

生成噪声曲线如图4所示。其中，噪声信号干扰下的非线性特征曲线如图5所示。

图3 原始烟丝图像

图4 噪声变化曲线

图5 噪声信号干扰下的非线性特征曲线

3.2 叠加噪声信号后的测量信号

叠加噪声信号后的烟丝图像如图6所示。

图6 叠加噪声信号后的烟丝图像

3.3 利用ANFIS函数完成系统训练

选用具有二输入单输出的神经网络模糊系统对噪声非线性进行建模，在获得输入输出数据对后，利用ANFIS函数完成对经网络的参FIS模型的训练。

本系统使用函数genfis1的网格分割法生成模糊推理系统，同时利用函数按照一定的误差准则来调整隶属度函数的参数，这样可以保证所建立的模型能逼近给定的训练数据。当对函数和系统训练时，每个输入变量的隶属度函数个数都选为2，则总模糊规则数为4。

通过观察处理的图形和曲线可以看出，训练数据的误差逐渐变小，单方向收敛，步长也实时变大，建立的逼真模型训练效果很显著。

3.4 噪声信号的影响评估

在完成对噪声的非线性特性进行神经网络模糊建模以后，利用训练的ANFIS系统进行估计以完成对测量信号中噪声影响的评估。基于ANFIS的估计噪声和补偿噪声曲线如图7所示。

图7 基于ANFIS的估计噪声和补偿噪声曲线

3.5 进行噪音消除

对检测到的烟丝图像进行消噪处理。利用ANFIS消除噪声后的烟丝图像如图8所示。

图8 消除噪声后的烟丝图像

4 结语

利用基于ANFIS的图像自适应消噪技术，可以自动地调整自身参数，使训练模型更逼近真实对象，再结合模糊控制和神经网络的优势，发挥各自的优点，对未知的干扰进行相似性处理和逼近，建立了烟丝噪声的非线性动态模型，能够有效地消除外界声源的干扰，获得满意的烟丝有用图像，达到了很好的自适应消噪效果，提供了一种有效的图像消噪方法。

[1] 韩英莉.一种改进全变差正则化的Shearlet自适应带钢图像去噪算法[J].表面技术, 2014(12):111-116.

[2] 曾泰山,鲁春元. 多尺度全变差图像去噪算法[J]. 华南师范大学学报：自然科学版, 2013(4):67-72.

[3] 罗海驰,李岳阳,孙俊.基于ANFIS的图像边缘检测算法[J].江南大学学报：自然科学版,2014(10): 23-30.

[4] 朱立新,杨扩,秦加合.一种新的基于自适应神经网络模糊推理系统的图像滤波器[J].计算机科学, 2014(6): 218-221.

[5] 徐皓.一种基于模糊神经系统的图像去噪方法[J].计算机工程与应用,2008(1): 89-91.

*河南省重点科技攻关项目(132102210385;142102210042)河南省教育厅科学技术研究重点项目(13B413968)郑州市科技攻关项目(121PPTGG418)

责任编辑彭光宇

On-lineDetectionofCutTobaccoImagewithAdaptiveNoiseCancellationTechnologybasedonANFIS

WANG Xiaokan，ZHANG Yan

(Henan Mechanical and Electrical Vocational College，Xinzheng 451191，China)

Currently when identify the cut tobacco image of on-line detection, the measurement results are easily influenced by noise, light, temperature and humidity, and which cause the parameter time-varying and time lag. Design the ANFIS noise cancellation technology based on the MATLAB software. Modeling the nonlinear dynamic characteristic of noise by ANFIS and approaching the colored noise by ANFIS are presented. Then the colored noise is cancelled from measured signal and the useful cut tobacco image is gotten. This technology is applied in the actual cut tobacco image of on-line detection production process, indicating that it can automatically estimate the noise signal, quickly and easily realize online noise cancellation, thus obtain the satisfied cut tobacco image.

template cut tobacco image，adaptive noise cancellation，fuzzy neural network，on-line detection

TN 911.7

:A

王晓侃(1980-)，男，讲师，硕士，主要从事智能控制系统等方面的研究。

2015-01-16