基于纹理信息和阈值相结合的格子波尔兹曼模型钢坯号二值化方法研究

蒋小燕，高逸飞,王敏,王星辰

(常州工学院电气与光电工程学院，江苏常州213032；2.河海大学物联网学院，江苏常州213022;3.武汉理工大学信息工程学院,湖北武汉430070)

基于纹理信息和阈值相结合的格子波尔兹曼模型钢坯号二值化方法研究

蒋小燕1,2，高逸飞3,王敏1,王星辰1

(常州工学院电气与光电工程学院，江苏常州213032；2.河海大学物联网学院，江苏常州213022;3.武汉理工大学信息工程学院,湖北武汉430070)

考虑到光照变化以及钢坯号周边环境和自身干扰等因素，提出了一种基于格子波尔兹曼模型的钢坯号二值化方法。该方法将图像的纹理信息和Otsu阈值作为格子波尔兹曼的有源项，控制活动轮廓的演变，解决了水平集方法计算耗时、容易陷入局部最小值等问题。与Otsu、Otsu和Niblack融合方法相比，所提出的方法具有计算快速、无需重新设置参数的优点，对有噪声干扰、非均匀光照的钢坯号有良好的适应性。

钢坯号；二值化；LBM；活动轮廓；非均匀光照

随着钢铁工业及其自动化技术的发展，对钢铁生产的要求越来越高。钢厂管理系统需要对每一块钢坯进行编号，用特定的数字序列加字母等表示特定的批次，不同的批次有着不同的生产工序，由于生产工程中不可避免地会发生装料错误，使得其他批次的钢坯混入生产线中，从而对产品质量造成影响[1]。目前一般采用自动识别系统对钢坯号进行识别。这需要对字符进行一系列处理，二值化可以为字符分割和特征提取做准备，好的二值化结果有利于接下来的字符分割等。但由于光照不均、钢坯表面氧化翘起、喷印浓度不均等特点，使得钢坯号二值化效果往往不能令人满意。

文献[2]提出了全局Otsu阈值化和Niblack阈值化相结合的二值化算法。Niblack局部阈值二值化，获得的图像包含了大部分的字符细节，但是同时也有很多的伪影、噪声。Otsu全局二值化获得的图像能很好地将字符与背景区分开来，但是丢失了不少字符的细节。将两者结合起来可以有效地保留字符细节，去除大部分伪影。但还是会留有一些伪影，而且Niblack方法比较耗时，邻域和参数设置也要通过大量的实践才能获得比较好的效果。文献[3]改进了传统水平集方法，加快了图像分割速度，但不适合并行计算，因为在每个方向都要计算轮廓内部和外部的平均值，这使得计算量大、耗时长，并且也会陷入局部最小值。文献[4]和文献[5-7]提出用LBM解水平集方程进行图像分割，图像分割后可以得到二值化图像，经实验发现文献[4]方法适用于钢坯号的二值化，因为它提出的图像分割方法，结合了全局图像阈值，先给出初始二值化，然后经过碰撞和迁移使得二值化更精确。本文将文献[4]中的方法用于钢坯号的二值化，结合纹理信息和阈值设计了一种全局水平集图像分割方法，将钢坯号中目标和背景分离出来进行二值化，格子波尔兹曼模型(Lattice Boltzmann Model，LBM)用于解水平集方程，实验证明该方法获得了理想的效果。

1 格子波尔兹曼模型

格子波尔兹曼模型是一种新的求解偏微分方程的数值工具，由陈十一和钱跃竑在1991—1992年间提出[8-9]。相对于传统的数值解法，LBM具有算法简单、适合并行处理，稳定性好等特点。另外LBM是一个天然的离散系统，因此是用于图像处理的极好工具[10]。由于LBM方程本身就带有有源项，因此用户可以根据需要设计有源项，LBM有较好的开放性[11]。

以D2Q9为列，每个元胞与其东、西、南、北以及东南、西南、东北、西北共八个方向的邻居相连。每个粒子按这八个方向(i=1,2,3,4,5,6,7,8)向邻居元胞移动或者停留在原位置(i=0)静止不动，并在各个网格节点内发生碰撞。

LBM的演化方程为

(1)

(2)

式中：在D2Q9模型中，零连接时权系数wi=4/9，轴连接时权系数wi=1/9，对角线连接时权系数wi=1/36；ρ为宏观流体密度，定义为

(3)

松弛时间τ由扩散系数γ决定，定义为

(4)

采用Chapman-Enskog展开，经过推导可得如下的对流方程[12]：

(5)

2 基于LBM的二值化方法

能量函数定义为

ε(φ)=λεtexture(φ)+βεthresh(φ)+αεreg(φ)

(6)

式中：φ是水平集函数；λ、β和α是控制参数，取值为正；εtexture(φ)是纹理信息能量项；εthresh是图像分割的初始阈值能量项；εrge是符号距离函数控制项。εtexture定义为

(7)

式中：Ωin和Ωout分别是轮廓线内部和外部；Ψ(x)=[I(x),f(x),s(x)]∈R3，I(x)是像素x的值,f(x)是像素x的滤波值，s(x)是像素x的邻域方差;θ定义为高斯核函数。

(8)

式(7)可以写成

(9)

从式(8)可以得到k(Ψ,Ψ)=1，k(min,min)=1和k(mout,mout)=1，于是式(9)可以简化为

(10)

式中：H是Heaviside函数；min和mout分别是演化轮廓的内部和外部平均值，定义

(11)

(12)

能量项εthresh(φ)是用Ostu阈值方法得到的，定义

于是得到下列水平集方程：

(13)

(14)

式(14)和式(5)是相似的，因此有源项F可以表示为

F=λ[k(Ψ,min)-k(Ψ,mout)]+β[1-H(φthresh)]

(15)

于是LBM方程可以写成

(16)

3 算法及实现

本文的算法实现步骤如下：

1)初始化分割阈值φthresh，得到初始轮廓，使φ=φthresh；

2)根据式(11)和(12)分别计算出min、mout；

3)根据式(15)计算出有源项F，其中λ=1，β=0.05；

4)经过碰撞和迁移，由式(16)得到fi；

5)更新φ值，得到新的轮廓；

6)若满足迭代停止条件，则停止，否则返回步骤2；

7)最后进行二值化。

4 实验分析

图1是Otsu方法、Otsu和Nikblack融合方法以及本文方法的比较，钢坯号(样本1)来自文献[2]，钢坯号光照和涂料不均匀，有些地方比较模糊，背景噪声比较大。用Otsu方法处理后噪声比较大，内部细节丢失。Otsu和Nikblack融合方法仍有一些非字符的背景被当成了前景字符，有些字符出现了破碎的情况。本文的方法效果最好，噪声最小，但也出现了字符破碎的情况，例如字符2出现了破碎，但原图中这部分就有些模糊。

(a)原图

(b)Otsu方法

(c)Otsu和Niblack融合方法

(d)本文的方法

图1 样本1钢坯号二值化效果比较

图2是来自钢铁厂的钢坯号(样本2)，背景噪声比较大，光照不均匀使得字符2和4出现破碎情况。Otsu方法处理后噪声比较大。使用Otsu和Niblack融合方法仍有一些非字符的背景被当成了前景字符，字符出现了严重的破碎情况，例如字符4。本文的方法效果最好，噪声最小，虽然字符4和2出现了破碎情况，但原图就是破碎的。

(a)原图

(b)Otsu方法

(c)Otsu和Niblack融合方法

(d)本文的方法

图3也是来自钢铁厂的钢坯号(样本3)，背景噪声大，8和4模糊。Otsu方法处理后噪声很大，效果很差。使用Otsu和Niblack融合方法，字符出现了严重的破碎情况，噪声也比较大。本文的方法效果最好，虽然字符8和4出现了膨胀，但后期可以进行一些处理。

(a)原图

(b)Otsu方法

(c)Otsu和Niblack融合方法

(d)本文的方法

为评价算法的计算速度，分别利用这3种方法对图1(a)进行二值化。整个实验基于Win 7平台，用Matlab编程实现。Otsu方法耗时0.134 6 s，Otsu与Niblack融合方法耗时2.722 3 s。本文提出的算法耗时0.905 5 s，虽然比Otsu方法慢，但效果明显提高，比Otsu与Niblack融合方法的算法快，效果也更好。

5 结语

本文将文献[4]中的方法用于钢坯号的二值化，通过嵌入纹理信息和阈值信息，使得该模型能很好地收敛于钢坯号的边缘，为钢坯号的二值化提供了一个新的方法。

[1]吴迪,焦东升,张筱,等.基于SVM的钢坯号自动识别算法[J].微型电脑应用,2011,27(10):49-51.

[2]张小军.钢厂钢坯批次号识别系统设计[D].上海:上海交通大学,2009：22.

[3]LI C,XU C,GUI C,et al.Distance regularized level set evolution and its application to image segmentation[J].IEEE Transactions on Image Processing,2010,19(12):3243-3254.

[4]BALLA-ARABÉ S,GAO X B,XU L.Texture-aware fast global level set evolution[C]// 4th international conference on intelligence science and big data engineering.Beijing,2013:529-537.

[5]BALLA-ARABÉ S,GAO X B,WANG B.GPU accelerated edge-region based level set evolution constrained by 2D gray-scale histogram[J].IEEE Transactions on Image Processing,2013,22(7):2688-2698.

[6]BALLA-ARABÉ S,GAO X B,WANG B.A fast and robust level set method for image segmentation using fuzzy clustering and lattice boltzmann method[J].IEEE Transactions on Cybernetics,2013,43(3):910-920.

[7]BALLA-ARABÉ S,GAO X B.Image multi-thresholding by combining the lattice Boltzmann model and a localized level set algorithm[J].Neurocomputing,2012,93:106-114.

[8]CHEN S Y,CHEN H D,MARTINEZ D,et al.Lattice boltzmann model for simulation of magnetohy-drodynamics[ J].Physics Review Letter,1991,67(27):3776-3379.

[9]QIAN Y H,D′ HUMIERES D,LALLEMAND P.Lattice BGK models for Navier-Stokes equation[J].Europhysics Letters,1992,17(6):479-484.

[10]陈玉,严壮志,钱跃竑.基于格子波尔兹曼模型的图像去噪[J].电子学报,2009,37(3):574-580.

[11]温军玲,严壮志,孙玉彪,等.集成边缘和区域信息的格子波尔兹曼模型图像分割[J].江苏大学学报,2013,34(6):687-692.

[12]ZHAO Y.Lattice boltzmann based PDE solver on the GPU[J].The Visual Computer,2007,24(5):323-333.

责任编辑：杨子立

Billet Number Binarization Based on a Lattice Boltzmann Model Combining Texture Information and Threshold Value

JIANG Xiaoyan1,2,GAO Yifei3,WANG Min1,WANG Xingchen1

(1.School of Electrical and Photoelectronic Engineering,Changzhou Institute of Technology,Changzhou 213032;2.College of Internet of Things Engineering,Hohai University,Changzhou 213022;3.School of Information Engineering,Wuhan University of Technology,Wuhan 430070)

Considering there are factors such as the illumination changes,surrounding environment of the billet numbers and their self-interferences,a billet number binarization method based on Lattice Boltzmann model(LBM) were put forward.Texture information and Otsu threshold value were taken as source terms of the Lattice Boltzmann equation to control the evolution of the active contour,which is superior to the level set method which is time-consuming and tends to be trapped to a local minimum.Compared with Otsu and the method of Otsu combined with Niblack,the proposed method has the advantages of fast calculation,no parameters reset and good adaptability to the billet numbers with noise interference and non-uniform illumination.

billet number;binarization;LBM;active contour;non-uniform illumination

10.3969/j.issn.1671-0436.2017.01.008

2016-12-22

江苏省教育厅高校自然科学研究面上项目(15KJD510004)；江苏省教育厅普通高校学术学位研究生创新计划项目(KYLX15_0495)；常州工学院大学生创新创业训练计划项目(J2016029)

蒋小燕(1980— )，女，硕士，讲师。

TP751.1

A