一种沉香显微特征提取算法研究

王海丰，张鲲，3，李壮

（1. 海南热带海洋学院 海洋信息工程学院，海南 三亚 572022；2. 海南热带海洋学院 三亚市计算机视觉重点实验室，海南三亚572022；3.海南大学 信息科学技术学院，海南 海口 570228）

一种沉香显微特征提取算法研究

王海丰1，2，张鲲1，2，3，李壮1，2

（1. 海南热带海洋学院 海洋信息工程学院，海南 三亚 572022；2. 海南热带海洋学院 三亚市计算机视觉重点实验室，海南三亚572022；3.海南大学 信息科学技术学院，海南 海口 570228）

文章基于主动轮廓模型对沉香显微图像进行轮廓提取，经过木纤维筛选后，对其几何特征和形状因子等特征进行提取，组成特征向量，并应用支持向量机实现两种实验沉香图像分类，实现应用机器视觉有效的显微特征提取分类算法。

机器视觉；主动轮廓模型；微观特征；沉香检测

0 前言

中药材沉香（Lignum Aquilariae Resinatum）来源于瑞香科（Theymelaeaeae）沉香属常绿乔木白木香（Aquilaria sinensis（Lour.）Gilg[1]。白木香是我国成产重要沉香的唯一树种，含有树脂的木材可以作为药材，具有行气止痛、温中止呕、纳气平喘等功效[2]。沉香种类很多，中国沉香共有2种，白木香和云南沉香[3]，沉香横切面显微图像可以分为四个部分：木间韧皮部、导管、木纤维和射线组成。国内两种沉香在仅在细胞大小、韧皮部大小等方面有些许差别，文献[4]研究得出国产沉香与进口沉香在横切面图像上有所不同，木纤维的大小、形状和排列方式有所不同。

本文研究对象为文献[4]中的两种沉香，采用图像处理技术，对显微图像下的两种沉香的木质部结构进行研究，利用主动轮廓模型对沉香显微图像进行分割，然后对其中的木纤维结构计算几何特征和形态因子，并从两种沉香的木材结构特征、木材分子的数量等进行量化，对提取的两种沉香的特征进行分析，为沉香的计算机识别提供依据。

1 主动轮廓模型及图像分割

主动轮廓模型（Active Contour Model）也称蛇模型，是一种基于偏微分方程的图像分割算法，在图像处理中有着广泛的应用[5，6]。本文利用文献[7]提出的主动轮廓模型进行图像轮廓提取。

在文献[7]的模型中，假定图像由两个同质区域组成，它倾向于把图像分解为两个均匀区域，定义域为Ω的图像I（x，y），模型的能量泛函为：

其中，L（C），S（C）分别为轮廓线C的长度与内部面积，能量项E的前两项是平滑项，后两项是外部区和内部区的灰度值与标量的平方误差，u≥0、v≥0、λ1，λ2＞0为各个能量项的权重系数。引入水平集函数，并设在C的内部φ（x）＜0；在C的外部φ（x）＞0。根据变分原理和最速下降法，得到使（1）式极小化的水平集φ满足的偏微分方程：

其中，H（z）和δ（z）分别是Heaviside函数和Dirac函数，C-V模型具有对初始轮廓位置、形状、大小不敏感的优点，其抗噪性好，对于弱边界的图像能取得较好的分割效果。

经过主动轮廓模型分割后的显微图像，可以将图像中的每个木纤维分割开来，但由于分割粘连及过分割现象以及图像中的非木纤维区域的存在，会出现过大或过小的区域，为了保证提取木纤维的准确性，分别计算分割后的每个轮廓区域的面积，然后对面积、曲率使用下面公式进行阈值分割，去除面积、曲率过大或者过小的区域，具体的阈值处理公式如式（4）所示。

其中A为面积或曲率。

2 沉香显微图像特征提取

每一种木材的横切面上木纤维排列特征、各种细胞的形态因子等特征都具有区别于其它树种的独立性。因此对于我们来说，提取木材横切面显微图像中木纤维单元结构变化、排列信息及横切面上各种木纤维的形态参数对于实现树种的分类识别、检测材性等具有重要的实际意义。根据本文所使用的主动轮廓活动模型提取得到沉香显微图像木纤维的轮廓，对每个木纤维进行几何特征提取，本文选用的特征主要周长、面积、当量直径、圆形度、矩形度、长宽比。

2.1 周长

本文中提出的利用分时电价引导电动汽车充电的方法尚未考虑电动汽车对于电网提供辅助服务的可行性，如何结合分时电价引导与电动汽车参与备用、调频辅助服务是需要进一步研究的问题。

区域的周长就是区域的边界长度，它能够有效地区别简单形状与复杂形状的物体。在木纤维的边界像素中，设某像素点与其上下左右像素间的距离为1，与斜方向像素间的距离为，这样在按轮廓遍历顺序遍历目标时，木粉颗粒的周长就是这些边界像素间距离的累加和。周长用符号P表示，其计算公式为：

其中，Nl为木纤维边界上横、纵向坐标相邻两点构成线段的条数，Nk为木纤维边界上斜向相邻的两点构成线段的条数。

2.2 面积

对于木纤维二维图像，通过对该图像进行逐行扫描并计算灰度值为1的像素点的总数来得到木纤维的总面积，具体算法为：

其中，x，y分别为像素点的横纵坐标，f（x，y）为像素点的归一化的灰度值，m，n为是图像的边长。

2.3 圆形度

其中，P为木纤维投影区域周长，A为木纤维投影区域面积。

2.4 当量直径

当量直径是一种等效意义上的直径，对于非球形（圆形）颗粒，可以用当量直径来描述其粒径大小。当量直径的定义来源于水力半径，定义非圆管的当量直径为与其水利半径相等的圆管的直径[8]。本文提取的当量直径也是表示木纤维大小的一种方式，即木纤维径的一种表征方法。若A表示木纤维的几何面积，P为表示周长，则其当量直径表示为：

其中，P为木纤维投影区域周长，A为木纤维投影区域面积。

2.5 矩形度

矩形度描述的是木纤维与矩形相似的程度，矩形目标的矩形度取值为最大值1，对于弯曲而细长的木纤维，其矩形度的取值变小。矩形度是木纤维的投影面积与其最小外接矩形面积之比，反映木纤维对其外接矩形的充满程度以及形状规则度。若木纤维几何面积为A0，最小外接矩形面积为AMBR，则矩形度为：

2.6 长宽比

长宽比是一种形状度量，可以区分细长的目标与近似矩形或圆形的目标。若木纤维最小外接矩形的长为l，宽为b，长宽比是其长轴和短轴的比值，反映木纤维的各向异性，用k表示：

3 实验结果及分析

利用本文所述的主动轮廓模型及特征提取方案对文献[4]所使用的实验图像进行实验，具体实验图像如图1所示，实验图像为原始图像中选取像素大小为128×128的部分。实验软硬件环境为Windows 7，intel core（TM）i3 2.40GHz处理器，4G内存。本实验中主动轮廓模型中参数设置如下：v=0，λ1=λ2=1，ε=1，h=1，Δt=0.1。具体主动轮廓模型的轮廓提取实验结果如图2所示，其中红线为使用主动轮廓模型分割后得到最终分割结果。

图1 实验图像Fig.1 Experimental images

图2 实验分割结果图像Fig.2 Segmentation result images

具体各特征的数据如图3所示。图中第一行为国内沉香，第二行为进口沉香，由于两种沉香木纤维大小上的差异以及实验图像选取的随机性，导致同为128×128像素大小实验图像，国内沉香共提取到75个有效的木纤维，而国外的实验沉香图像仅提取到25个有效的木纤维图像。从图中可以看出，两者在提取的图像特征上还有具有一定的差异，可以从提取的特征上对两者进行分类。

图3 实验图像各特征对比Fig.3 comparative characteristics of experimental images

表1为实验两种沉香图像提取的木纤维特征在方差和标准差上的比较，从表1中可以看出，实验图像的木纤维特征在标准差和方差上，周长、面积、当量直径都有很大的差别。

表1 实验图像木纤维特征标准差与方差比较Tab.1 Standard deviations and variances of wood fiber characteristics of two images

4 结论

本文提出了一种基于主动轮廓模型的沉香显微图像特征提取及识别方法，首先使用主动轮廓模型对实验图像进行轮廓提取，然后对得到的轮廓进行筛选，提取木纤维的几何特征和形状组成特征向量，最后对提取的两种沉香显微图像的特征向量进行对比区分，实验结果表明提出的特征提取及识别方法具有良好的分类性能，通过标准差和方差的数据比较，能够有效地对两种沉香进行区分，为今后的基于图像特征的沉香识别打下了良好的基础。

[1] 黄崇才.白木香.Aquilaria sinensis（Lour.）Gilg种质形态学与细胞学研究[D].广州中医药大学，2009. Huang Chongcai. Study on Morphology and Cytology of Aquilaria Sinensis （Lour.） Gilg[D]. GuangZhou University of chinese Medicine，2009

[2] 张兴丽，刘洋洋，陈宏降等.白木香[Aquilaria sinensis（Lour．）Gilg]的木质部结构及组织化学研究[J].山东大学学报:理学版，2012，47（7）:1-5，25. Zhang Xinli，Liu Yangyang，Chen Hongjiang，etc. Study on xylem structure and histochemistry in Aquilaria sinensis[J].Journal of Shandong University，2012，47（7）:1-5，25.

[3] 苏娟，刘钊，李荣春等.云南沉香和白木香的木材结构比较解剖学研究[J].热带农业科学，2016 ，36（4）:30-34. SU Juan，LIU Zhao，LI Rongchun，et al. Preliminary Study on Timber Structure of Aquilaria yunnanensis，Chinese Journal of Tropical Agriculture，2016，36（4）:30-34.

[4] 李志俊，任婧昱，匡洪尧，等.沉香及其伪品的鉴别[J].中药材，2011，34（1）:59-61. Li Zhi-jun，Ren Jing. Distinguishing Eaglewood from pseudo- Eaglewood[J].JOURNAL OF CHINESE MEDICINAL MATERIALS，2011，34（1）:59-61.

[5] 李培华，张田文.主动轮廓线模型（蛇模型）综述[J].软件学报，2000，11（6）:751-757. LI Pei-hua ZHANG Tian-wen. Review on Active Contour Model （Snake Model）[J]. JOURNAL OF SOFTWARE，2000，11（6）:751-757.

[6] 杨蜀秦，宁纪锋，何东健等.一种基于主动轮廓模型的连接米粒图像分割算法[J].农业工程学报，2010，26（2）:207-211. Yang Shuqin，Ning Jifeng，He Dongjian.Image segmentation algorithm of touching rice kernels based on active contour model[J]. TRANSACTIONS OF THE CHINESE SOCIETY OF AGRICULTURAL ENGINEERING，2010，26（2）:207-211.

[7] Chan T F，Vese L A. Active contours without edges.[J]. IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society，2001，10（2）:266-77.

[8] 刘鹤年．流体力学（第二版）[M].北京:中国建筑工业出版社，2004. Liu HeNian. Hydrodynamics[M].China Agchitecture&Building Press，2014.

[9] 王海丰，任宏鹅，张鲲. 基于Lab颜色空间的竹材横端面提取算法的研究[J]. 新型工业化，2014，4（9）: 44-49. WANG Hai-feng， REN Hong-e， Zhang Kun. Study on the Bamboo Cross-Section Extraction Algorithm using Lab Color Space[J].The Journal of New Industrialization，2014，4（9）：44-49.

[10] 陈晓燕，姜蕊，刘俊，张鲲. 云计算在数值天气预报中的应用[J].新型工业化，2016，6（10）：66-69. CHEN Xiaoyan，JIANG Rui，LIU Jun，et al. The Application of Cloud Computing in Numerical Weather Prediction[J]. The Journal of New Industrialization，2016，6（9）: 66-69.

Algorithm on the Extraction of Eaglewood Microscopic Features

WANG Hai-feng1,2, ZHANG Kun1,2,3, LI Zhuang1,2
(1.College of Ocean Information Engineering, Hainan Tropical Ocean University, Sanya, Hainan, 572022, China; 2. Sanya Key Laboratory of Computer Visiono, Sanya, Hainan, 572022, China; 3. College of Information Science and Technology, Hainan University, Haikou, Hainan, 570228, China)

Based on the active contour model, the work conducted contour extraction of eaglewood microscopic micrographs. After the selection of wood fibers, we extracted its geometrical features, shape factors, etc. Feature vectors were composed, with the application of support vector machine to realize the classification of experimental eaglewood images. It can achieve the classification algorithm of microscopic feature extraction.

Machine vision; Active contour model; Microscopic feature; Detection of eaglewood

王海丰，张鲲，李壮.一种沉香显微特征提取算法研究[J]. 新型工业化，2016，6（11）：10-14.

10.19335/j.cnki.2095-6649.2016.11.002

: WANG Hai-feng, ZHANG Kun, LI Zhuang. Algorithm on the Extraction of Eaglewood Microscopic Features[J]. The Journal of New Industrialization, 2016, 6(11) : 10-14.

海南省重点科技计划项目（No. ZDXM2014085）；海南省高等学校科学研究重点项目（No.Hnky2015ZD-14）；三亚市重点实验室建设项目（No.L1410）；三亚市院地科技合作项目（No.2014YD14）；国家（省）重点科技项目三亚市配套资金项目（2015PT34）；三亚市重点基础研究规划项目（No.2011JY08）；三亚市农业科技创新项目（No.2015KJ15）

王海丰（1980-）,男,吉林扶余人,博士,副教授,主要研究领域为模式识别与智能控制，虚拟技术实现等;李壮（1967-）,男,黑龙江鸡西人,博士,教授, 主要研究领域为模式识别与智能控制，数据挖掘，非线性反演计算等.

张鲲（1981-）,男,黑龙江佳木斯人,在读博士,教授,主要研究领域为智能数据分析与数据挖掘、无线通信、嵌入式系统、超宽带微系统等