小波提取圖像特征方法研究

　　中國(guó)是瓷磚生產(chǎn)大國(guó) ，產(chǎn)量占世界的 50 %以上。目前瓷磚表面色差檢測(cè)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(jì)算機(jī)技術(shù)和圖像處理技術(shù)的迅速發(fā)展 ，機(jī)器視覺(jué)技術(shù)已經(jīng)越來(lái)越廣泛地應(yīng)用于工業(yè)產(chǎn)品的在線檢測(cè)場(chǎng)合。在瓷磚表面色差的在線檢測(cè)中 ，采用彩色線陣 CCD（Charge Coupled Device） 代替人眼檢測(cè)不僅可以提高準(zhǔn)確率 ，保證產(chǎn)品質(zhì)量 ，而且可以達(dá)到每秒鐘 30米以上的檢測(cè)速度 ，提高生產(chǎn)效率。圖 1 所示為瓷磚表面色差在線檢測(cè)系統(tǒng)原理圖。CCD 采集到的圖像經(jīng)過(guò)預(yù)處理（去燥、白平衡、平場(chǎng)校正、顏色模變換等） 后進(jìn)行顏色特征分析 ，提取特征值作為瓷磚色差分類(lèi)依據(jù)。

　　在瓷磚表面色差檢測(cè)的已有研究中，主要采用顏色直方圖分布作為分類(lèi)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(hào)的瓷磚很可能具有相近的直方圖分布 ，在進(jìn)行紋理瓷磚的分類(lèi)時(shí)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(gè)子區(qū)域，分別計(jì)算每個(gè)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(jì)算量越大，不適于瓷磚表面色差的在線檢測(cè) ;另一種更為有效的方法是利用紋理特征來(lái)進(jìn)行相似性度量。紋理表達(dá)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(jué)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(shí)間和頻率的局域變換 ，它具有多分辨率分析的特點(diǎn) ，而且在時(shí)域頻域都具有表征信號(hào)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(gè)方向的細(xì)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(jìn)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(cè)中得到大量的應(yīng)用。

　　1.1 二維小波變換及多分辨率分析

　　小波變換是將信號(hào)分解為不同尺度分量的線性運(yùn)算 ，具體實(shí)現(xiàn)是通過(guò)信號(hào)與尺度變化的濾波器卷積來(lái)完成的。

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

　　在實(shí)際應(yīng)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(duì)連續(xù)小波變換的尺度伸縮二進(jìn)離散化及卷積的平移離散化 ：

　　對(duì)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(gè)像素點(diǎn)的一個(gè)能夠用于區(qū)分不同紋理模式類(lèi)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(xì)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(gè)別細(xì)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(lán)） 彩色圖像時(shí) ，最直接的方法就是對(duì)圖像中的各個(gè)顏色通道進(jìn)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(gè)通道通常不是獨(dú)立的 ，因此不同通道的小波系數(shù)存在相關(guān)性。用小波對(duì)彩色圖像做二層分解并提取小波協(xié)變信號(hào)后得到一個(gè) 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(lán)） 空間里顏色值不能反映人的視覺(jué)特性 ，有必要轉(zhuǎn)換成其他顏色模型來(lái)衡量人的心理感覺(jué)。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(duì)圖像的 HSI 各個(gè)通道進(jìn)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(duì)圖像的 HSI 各通道進(jìn)行小波分解提取其小波能量 ，并進(jìn)行歸一化處理。得到能量特征

　　實(shí)驗(yàn)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(hào)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(hào)融合了顏色、紋理信息 ，更好地模擬了人類(lèi)視覺(jué)特性。

　　1.3 分類(lèi)器設(shè)計(jì)

　　分類(lèi)首先要解決的是有效特征值的提取 ，其次便是分類(lèi)器的設(shè)計(jì)與選擇問(wèn)題。本系統(tǒng)使用最小距離分類(lèi)器進(jìn)行分類(lèi)決策。最小距離分類(lèi)器是一種簡(jiǎn)單有效的基于向量空間模型的分類(lèi)算法。相對(duì)于 k最近鄰方法、神經(jīng)網(wǎng)絡(luò)法等 ，最小距離分類(lèi)器的速度優(yōu)勢(shì)明顯 ，經(jīng)常被選擇應(yīng)用在有實(shí)時(shí)要求的在線檢測(cè)系統(tǒng)中。

　　2 實(shí)驗(yàn)結(jié)果分析

　　實(shí)驗(yàn)選定 12 塊瓷磚 ，并由 10 個(gè)以上熟練分揀工人對(duì)比標(biāo)準(zhǔn)磚將其分為四個(gè)色號(hào)。首先以 H 值直方圖統(tǒng)計(jì)為分類(lèi)特征值 ，多次實(shí)驗(yàn)測(cè)得標(biāo)準(zhǔn)磚的均值 ，確定分類(lèi)區(qū)間。對(duì) 12 塊待測(cè)瓷磚進(jìn)行 100 次重復(fù)性實(shí)驗(yàn) ，多次重復(fù)性實(shí)驗(yàn)結(jié)果顯示 ，僅用顏色特征作為分類(lèi)依據(jù)就容易發(fā)生誤檢。實(shí)驗(yàn)結(jié)果如表 1所示。

　　本文改進(jìn)的色差檢測(cè)算法 ：先多次實(shí)驗(yàn)測(cè)得標(biāo)準(zhǔn)瓷磚的小波分解 18 維能量特征矩陣 ，對(duì) 12 塊待測(cè)瓷磚同樣做 100 次重復(fù)性實(shí)驗(yàn) ，然后按照最小距離分類(lèi)器確定待測(cè)磚的分類(lèi)。采用最小距離分類(lèi)器進(jìn)行待測(cè)磚的分類(lèi)決策。分類(lèi)評(píng)價(jià)標(biāo)準(zhǔn)為 100 次測(cè)量錯(cuò)檢的次數(shù)。由實(shí)驗(yàn)結(jié)果可見(jiàn) ，該算法提高了分類(lèi)的準(zhǔn)確性。

　　3 結(jié)論

　　提出了一種用于瓷磚表面色差在線檢測(cè)的新算法 ，對(duì)瓷磚圖像的 HSI 三通道分別進(jìn)行二層小波分解 ，提取各細(xì)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(hào)瓷磚的特征值 ，提高了分類(lèi)的準(zhǔn)確性 ，實(shí)驗(yàn)證明用小波變換后的能量特征作為色差檢測(cè)的特征量 ，取得了很好的檢測(cè)效果 ，與人眼的檢測(cè)效果吻合程度良好。