小波提取圖像特征方法研究

　　中國是瓷磚生產(chǎn)大國 ，產(chǎn)量占世界的 50 %以上。目前瓷磚表面色差檢測仍處于人工操作階段 ，工作環(huán)境差、效率低、誤檢率高。隨著計算機技術(shù)和圖像處理技術(shù)的迅速發(fā)展 ，機器視覺技術(shù)已經(jīng)越來越廣泛地應用于工業(yè)產(chǎn)品的在線檢測場合。在瓷磚表面色差的在線檢測中 ，采用彩色線陣 CCD（Charge Coupled Device） 代替人眼檢測不僅可以提高準確率 ，保證產(chǎn)品質(zhì)量 ，而且可以達到每秒鐘 30米以上的檢測速度 ，提高生產(chǎn)效率。圖 1 所示為瓷磚表面色差在線檢測系統(tǒng)原理圖。CCD 采集到的圖像經(jīng)過預處理（去燥、白平衡、平場校正、顏色模變換等） 后進行顏色特征分析 ，提取特征值作為瓷磚色差分類依據(jù)。

　　在瓷磚表面色差檢測的已有研究中，主要采用顏色直方圖分布作為分類特征。由于顏色直方圖分布不能很好地表示顏色的空間分布信息 ，不同色號的瓷磚很可能具有相近的直方圖分布 ，在進行紋理瓷磚的分類時效果很不理想，容易發(fā)生誤檢。為表征顏色的空間分布 ，有兩種解決方法 ：一種是將圖像分成多個子區(qū)域，分別計算每個區(qū)域的直方圖 ，顯然子區(qū)域分的越多，空間信息就越豐富 ，但區(qū)域分得越多 ，計算量越大，不適于瓷磚表面色差的在線檢測 ;另一種更為有效的方法是利用紋理特征來進行相似性度量。紋理表達的內(nèi)容可以看成是一種顏色空間分布的信息 ，把紋理信息與顏色相結(jié)合得到的結(jié)果更符合人眼的視覺特征。常用的紋理分割方法有灰度共生矩陣法和結(jié)構(gòu)紋理分割法等。本文提出了一種基于小波變換的紋理分割方法。

　　1 利用小波變換提取紋理特征

　　小波變換是時間和頻率的局域變換 ，它具有多分辨率分析的特點 ，而且在時域頻域都具有表征信號局部特征的能力。由于小波變換能將原始圖像的能量集中到少部分小波系數(shù)上 ，且分解后的小波系數(shù)在 3 個方向的細節(jié)分量有高度的局部相關(guān)性 ，這為特征提取提供了有力的條件。利用小波變換進行紋理特征提取 ，在紋理分析、圖像壓縮、工業(yè)品表面缺陷檢測中得到大量的應用。

　　1.1 二維小波變換及多分辨率分析

　　小波變換是將信號分解為不同尺度分量的線性運算 ，具體實現(xiàn)是通過信號與尺度變化的濾波器卷積來完成的。

　　小波變換又可看成是原始信號與一組不同尺度的小波帶通濾波器的濾波運算 ，將信號分解到一系列頻帶上進行處理。

　　在實際應用中 ，需要把上面的連續(xù)小波及其小波變換離散化才有意義。對連續(xù)小波變換的尺度伸縮二進離散化及卷積的平移離散化 ：

　　對于二維小波變換 ，小波基函數(shù)和尺度函數(shù)可有一維小波函數(shù)ψ（ x） 和尺度函數(shù)φ（ x） 的矢量積得到 ，即

　　1.2 紋理特征提取

　　紋理特征提取的目的是獲得每一個像素點的一個能夠用于區(qū)分不同紋理模式類的特征向量。二維小波分解結(jié)果反映不同方向上的頻率變化 ，也就反映了圖像的紋理特征。

　　由于細節(jié)子圖是原圖像的高頻分量 ，包含了主要的紋理信息 ，所以取個別細節(jié)子圖的能量作為紋理特征 ，它們反映了沿頻率軸關(guān)于尺度和方向的能量分布。

　　1.2.1 RGB 空間的彩色紋理特征提取

　　小波紋理分析用于RGB（紅、綠、藍） 彩色圖像時 ，最直接的方法就是對圖像中的各個顏色通道進行二層小波分解并提取其小波能量。圖 3 所示為瓷磚圖像 R 通道二層小波分解結(jié)果。

　　由于彩色圖像的 R GB 三個通道通常不是獨立的 ，因此不同通道的小波系數(shù)存在相關(guān)性。用小波對彩色圖像做二層分解并提取小波協(xié)變信號后得到一個 36 維的特征向量。

　　1.2.2 HSI 空間的彩色紋理特征提取

　　在RGB（紅、綠、藍） 空間里顏色值不能反映人的視覺特性 ，有必要轉(zhuǎn)換成其他顏色模型來衡量人的心理感覺。本文采用 HSI 模型 （ H ： Hue 表示色度 ，S： Sat uration 表示飽和度 ， I： Illumination 表示亮度） 。對圖像的 HSI 各個通道進行二層小波分解并提取其小波能量。

　　把小波紋理分析的方法直接對圖像的 HSI 各通道進行小波分解提取其小波能量 ，并進行歸一化處理。得到能量特征

　　實驗證明 ，小波變換作為一種多尺度的分析手段 ，更好地保留了信號的空間頻率分解特性 ，彩色圖像經(jīng)小波分解后提取的特征能量信號融合了顏色、紋理信息 ，更好地模擬了人類視覺特性。

　　1.3 分類器設計

　　分類首先要解決的是有效特征值的提取 ，其次便是分類器的設計與選擇問題。本系統(tǒng)使用最小距離分類器進行分類決策。最小距離分類器是一種簡單有效的基于向量空間模型的分類算法。相對于 k最近鄰方法、神經(jīng)網(wǎng)絡法等 ，最小距離分類器的速度優(yōu)勢明顯 ，經(jīng)常被選擇應用在有實時要求的在線檢測系統(tǒng)中。

　　2 實驗結(jié)果分析

　　實驗選定 12 塊瓷磚 ，并由 10 個以上熟練分揀工人對比標準磚將其分為四個色號。首先以 H 值直方圖統(tǒng)計為分類特征值 ，多次實驗測得標準磚的均值 ，確定分類區(qū)間。對 12 塊待測瓷磚進行 100 次重復性實驗 ，多次重復性實驗結(jié)果顯示 ，僅用顏色特征作為分類依據(jù)就容易發(fā)生誤檢。實驗結(jié)果如表 1所示。

　　本文改進的色差檢測算法 ：先多次實驗測得標準瓷磚的小波分解 18 維能量特征矩陣 ，對 12 塊待測瓷磚同樣做 100 次重復性實驗 ，然后按照最小距離分類器確定待測磚的分類。采用最小距離分類器進行待測磚的分類決策。分類評價標準為 100 次測量錯檢的次數(shù)。由實驗結(jié)果可見 ，該算法提高了分類的準確性。

　　3 結(jié)論

　　提出了一種用于瓷磚表面色差在線檢測的新算法 ，對瓷磚圖像的 HSI 三通道分別進行二層小波分解 ，提取各細節(jié)子圖的 18 維能量特征 ，將其代替?zhèn)鹘y(tǒng)的顏色直方圖分布作為區(qū)分不同色號瓷磚的特征值 ，提高了分類的準確性 ，實驗證明用小波變換后的能量特征作為色差檢測的特征量 ，取得了很好的檢測效果 ，與人眼的檢測效果吻合程度良好。