图像自动分析系统论文

图像自动分析系统论文（精选9篇）

图像自动分析系统论文 第1篇

1 系统组成及功能

开放空间智能图像探测及消防炮自动灭火系统由炮塔、智能图像探测系统和自动消防炮灭火系统组成。其设备构成如图1所示。各系统设备功能如下所述:

1) 炮塔功能包括:承载消防炮、安装探测器末端设备、固定灭火介质输送管网;

2) 智能图像探测系统功能包括:图像探火、图像探烟、图像随动布控、图像监控及硬盘录像;

3) 消防炮自动灭火系统包括:无人值守、可编轨迹灭火程序、交流电机数字控制、远程遥控、水炮随动布控、水炮自动跟踪火源。

2 工作原理

2.1 智能图像火灾探测系统

智能图像火灾探测系统采用基于混沌原理的火焰与烟雾图像识别技术。利用图像火灾探测器采集被保护现场图像, 并传输到火灾图像信号处理器 (F-VIP) 进行实时并行处理。将报警的现场图像信息和火灾源的空间透视坐标传输到中控系统, 并自动发出相关联动设备控制信号, 通过现场控制总线控制联动设备。智能图像火灾探测系统结构如图2所示。

由于智能图像火灾探测系统是实时的图像分析系统, 所以可以和安防监控系统有机的结合, 或代替安防监控系统。该系统运用于室外开放空间, 对火灾发展的初期、中期及后期的整个过程实施火灾报警及保护, 解决了传统的火灾报警系统不能解决的问题, 适用于室外开放空间如:码头、油库、石化工厂等具有中危险级或严重危险级, 以及有防爆要求的环境, 进行火灾报警和安防监控。

1.防水型图像火灾探测器, 2.室外快球, 3.普通枪机, 4.防爆型图像火灾探测器, 5.防爆型图像火灾定位器, 6.防爆型图像火灾探测器, 7.F-VIP, 8.声光报警器, 9.联动模块, 10.网络交换机, 11.控制主机.

2.2 消防炮自动灭火系统

消防炮自动灭火系统结构如图3所示。

1.PPKD防爆泡沫炮, 2.PSKD防爆水炮, 3.防爆现场控制器, 4.防爆现场手动操作盘, 5.通信模块, 6.中央控制台.

消防炮自动灭火系统是通过智能图像探测系统传来的现场报警图像信息和火灾源的空间透视坐标, 自动指挥消防炮对准火灾点, 启泵灭火。也可以利用空间定位原理, 在中控室的屏幕上用鼠标点击危险源, 快速指挥消防炮对准危险源或认为该扑灭的火灾点。本系统利用可编程布控制器能实现水炮预定灭火路线的设置, 具有控制中心和现场手动功能, 通过火灾现场视频图像或现场具体情况灵活指挥消防炮。

3 系统特点

1) 非接触式火灾探测方式, 弥补了室外开放空间爆炸环境下火灾探测的空白;

2) 主动可视报警方式, 实现了防火区域全方位无死角火灾探测, 并与安防监控系统合二为一;

3) 具备防爆、防尘、防水等功能, 可广泛用于含有爆炸性气体环境中, 如石油、化工、核工业等易爆场所, 防爆类别为Exd IIBT6;

4) 布线方式采用隔爆型挠性管或钢管传线。

视频线缆:SYV75-5 (7) , 电源:220VAC;

5) 采用独特的图像处理技术, 同时实现探火、探烟、探人。使火灾探测直观、可靠;

6) 实用温度范围-40~100℃, 图像探测有效距离200m。

4 结论

该系统采集被保护现场图像, 并传输到火灾图像信号处理器 (F-VIP) 进行实时并行处理, 将报警的现场图像信息和火灾源的空间透视坐标传输到中控系统。可以和安防监控系统有机地结合, 或代替安防监控系统。对火灾发展的初期、中期及后期的整个过程实施火灾报警及保护, 解决了传统的火灾报警系统不能解决的问题。

参考文献

[1]吴龙标, 方俊.火灾探测与信息处理[M].北京:化学工业出版社, 2006.

[2]刘炳海, 张克年, 许军, 等.现代大空间智能建筑的火灾探测技术[J].智能建筑, 2008, 20 (8) :32-34.

[3]CECS245-2008, 自动消防炮灭火系统技术规程[G].

[4]GB19156-2003, 消防炮通用技术条件[G].

[5]GB50116-1998, 火灾自动报警系统设计规范[G].

图像自动分析系统论文 第2篇

基于图像处理技术的菌落自动计数系统的研究

针对现行培养菌类试验中的菌落计数是采用人工方式完成,在试验样品量较大时,很难快速准确的得到结果的问题,研究开发了一套菌落计数系统.该系统根据RGB色度学原理,利用图像处理技术,可以对培养皿里的白色菌落的`数量进行自动检测.在对菌落的色度值分布进行试验研究的基础上,确定了获取分割图像最佳阈值的方法.实验证明此方法不仅计数结果准确,重现性好,而且速度快,计数结果不受菌落接种方法、菌落形态、大小的影响,是实现菌落计数的一种行之有效的方法.

作 者：王国新 张长利 房俊龙 沈维政 WANG Guo-xin ZHANG Chang-li FANG Jun-long SHEN Wei-zheng 作者单位：东北农业大学工程学院,哈尔滨,150030刊 名：中国乳品工业 ISTIC PKU英文刊名：CHINA DAIRY INDUSTRY年，卷(期)：34(2)分类号：Q939-64关键词：菌落计数 图像处理 最佳阈值 自动检测

图像自动分析系统论文 第3篇

关键字：自动焦度计；16点数学模型；FPGA；面阵CCD

焦度仪主要用于测量眼镜镜片(包括角膜接触镜片和多焦点镜片)的顶焦度、柱镜度、棱镜度、光学中心及确定眼镜镜片的散光轴位方向等，在未切边的眼镜镜片上打印标记，并可检查眼镜镜片是否正确安装在镜架中的精密光学计量仪器。焦度仪又称屈光度计、镜片测度仪，广泛应用于医院眼科、眼镜店和镜片厂家。

目前，国内生产的自动焦度计主要基于两种测量原理：自动调焦原理和投影原理。基于自动调焦原理的焦度计多采用高分辨率、双线阵CCD获取光路信号，通过数字信号处理系统进行信号采集、分析和计算，并驱动步进电机进行自动对焦，从而得到镜片的相关参数。基于投影原理的自动焦度计采用高分辨率面阵CCD获取图像，通过FPGA对图像位置形状进行处理，得到被测镜片的相关参数。与基于自动调焦原理的焦度计相比，投影式自动焦度计具有测量速度快、加工成本低等优点。但是，该焦度计采用四个测量点建立数学模型，光学系统的容错能力较差。光路中一旦存在障碍物，如分划板上落有灰尘，系统会出现错误的测量结果或停止测量。

文中所研究的焦度计是基于投影原理的自动焦度计。但是，与国内同类产品不同的是，本文所研究的自动焦度计采用了一种新的测量图像建立数学模型，其测量精度和稳定性较国内同类产品有了较大的提高。

1全自动焦度计光学算法推导

1.1全自动焦度计的工作原理

图1为自动焦度计的光路原理图。点光源发出的光，经准直镜准直，照射到被测眼镜片上发生偏折，再经过分光光阑和测量透镜投射到CCD上，在CCD上得到含有数学模型的图像。由于被测镜片的屈光状态不一样，在CCD上所成像的大小、位置和形状会发生变化，通过CCD接收和微机对图像位置形状的处理，可得到被测镜片的相关参数。

1.2 16点数学模型

图2 为无测量镜片，即0D时，CCD上的成像分布图。当被测镜片为负球面镜时，十六个光斑相对于初始位置对称地扩张；当被测镜片为正球面镜时，十六个光斑相对于初始位置对称地收缩。将16个光斑按图3虚线所示分成四组。分别求出X方向或者Y方向上两个像点之间的距离，即可得到被测球镜的顶焦度S值。设四组光斑求出的顶焦度值为S1、S2、S3和S4，则S值为

当被测镜片为柱面镜时，CCD上的光斑分布图如3所示。由于柱面镜含有两个主顶焦度，因此，16个光斑成不对称分布。现以其中一组光斑(4个测量点)为例推导柱面镜主顶焦度的计算方法。设A点与C点在X轴方向上的距离为x2，在Y轴方向上的距离为y1；设B点与D点在X轴方向上的距离为x1，在Y轴方向上的距离为y2。假设D1、D2分别为柱面镜的两个主顶焦度，θ为柱面镜的轴角。有以下方程成立

D1+D2=x2+y2(2)

D12+D22=x12+x22+y12+y22(3)

x1=-y1=sinθcosθ(D1-D2)(4)

由方程(1)、(2)、(3)可推出

其余三组光斑的计算方法同上，在这里不再累述。不防设四组光斑计算出的柱面镜顶焦度值为C1、C2、C3和C4，轴角为θ1、θ2、θ3和θ4，则柱面镜的顶焦度C值和轴角为

2 全自动焦度计的图像处理系统

根据自动焦度计的工作原理以及系统所要实现的功能设计出硬件系统。系统由两大部分组成：数据采集系统和数据处理系统。数据采集系统由CCD、A/D、AVR单片机和FIFO存储器组成，主要负责采集数据并将数据存储到FIFO存储器；数据处理系统由FPGA、LCD、FIFO存储器、键盘、和LED光源组成，主要负责对采集的数据进行分析和计算，并将计算结果输出显示或打印。

CCD是面阵敏感元件，在积分的时间内，CCD敏感元件上积累电荷，当积分完毕，将电荷数据依次移出。由于电荷数据是微弱的模拟量，须经信号放大，再经A/D转换得到本系统所需的数字量。为了减小对FPGA的CPU的占用率，在CCD采样板上设置一存储器，将转换完的数据暂存一下，以供FPGA系统读取。当光路中无测量镜片时，FPGA读取CCD的采集数据，计算出光斑的中心位置，并将计算结果作为系统的初始参数。当光路中插入被测镜片时，分划板在CCD上的成像位置将发生变化，位置的变化量与被测镜片的球镜度和柱镜度有相互对应的比例关系。FPGA接收像的位置信息经变换后计算出被测镜片的相关参数。

3 图像的二值化处理

由上述系统可以看出，图像处理的好坏会直接影响测量的精度和稳定性。由于图像采集设备CCD采用PAL制，所以系统要求FPGA处理一帧图像的时间不超过20ms。图像二值化算法的选择标准为简单有效，易于实现。故本系统采用最大类间方差阈值分割算法。最大类间方差法的基本思想是把图像中的像素按灰度值用阈值t分成两类A和B。A由灰度值在0－t之间的像素组成，B由灰度值在t+1—L-1(L为图像灰度级数)之间的像素组成，按下式计算A和B之间的类间方差

δ2(t)=wA(t)[uA(t)-u(t)]2+wB(t)[uB(t)-u(t)]2(11)

式中wA(t)为A中所包含的像素数，wB(t)为B中所包含的像素数。uA(t)为A中所有像素的平均灰度值，uB(t)为B中所有像素的平均灰度值。u(t)为全图的平均灰度值。

从0到L—1依次改变t值，取使δ(t)为最大的t值作为最佳阂值T。

通常一个光斑的中心坐标应为该光斑的圆心。但是，经过FPGA处理后的图像由于离散化，已不是规则排列，故采用质心计算法求出光斑的中心。首先设光斑由n个像素组成，每个像素对应的空间坐标为(xi，yi)，灰度值为p(xi，yi)，则该光斑的质心坐标为

由于xi和yi是FPGA内存图像的质心坐标，通过一定的当量换算可折算成实际图像中光斑的中心坐标。将各点的中心坐标带入式(7)-(10)，即可求出被测镜片的相关参数。

4结束语

文中提出了一种新的全自动焦度计的测量图像，并建立了相应的计算方法。运用该系统测量系列标准镜片，技术指标已达到国家相关检验标准。 与国内同类产品相比较，该测量系统具有以下3个优点：

(1)16个点同时参与测量，可瞬间获取以前三倍的数据量，提高了焦度计的精度等级；

(2)多点测量提高了光学系统的容错能力，即使光学系统中存在一些障碍物，也不容易出现测量误差；

(3)多点测量扩大了镜片的测量范围，特别是在测量多焦点镜片时，更容易找到最高度数的位置。

目前，自动焦度计正朝着全自动、多功能、高精准的方向发展。进一步提高产品的精度等级及智能化水平将成为今后自动焦度计的研究方向。

作者简介

图像自动分析系统论文 第4篇

随着医用诊断技术的不断进步, 诸如MRI、CT、PET-CT等大型医疗设备在多数疾病诊断中的应用, 为疾病的诊断、治疗提供了必要依据。但随之而来的一个突出问题是如何保证这些设备诊断结果的可信度, 因此对应设备质量检测的重要性随之凸显。目前, “扫描体模-测试图像”成为上述大型医疗设备成像质量检测中普遍采用的方法[1]。通过扫描体模得到测试图像, 与业内普遍接受的图像质量标准进行比较, 以此作为判断系统性能的依据。而作为质量检测部门, 进行质量检测时往往只能在扫描体模后, 直接在被测机器上进行图像参数测量, 并记录其测量结果。但这种测量方式需要检测者结合处理后的扫描图像进行主观判断, 再与合格标准进行比较, 往往会由于不同检测者的判断导致不同的检测结果;另外, 进行一台MRI常规性能检测至少需要30~40 min, 会打断患者的正常检查, 在某些人流量较大的医院更容易引起医患矛盾。虽然可以通过图像工作站进行扫描图像的参数测量, 但仍会干扰医院正常诊断工作的开展。检测图像的存档也是通过打印胶片的方式进行, 既不方便, 也无形中增加了医院的负担。因此将计算机技术引入大型医疗设备质量检测工作之中是今后质量检测技术的发展方向。一方面可以彻底排除检测者主观因素的影响, 保证检测结果的权威性;另一方面可以大大节省检测时间。之前有研究者提出基于某些软件进行检测参数的辅助评价[2], 并针对一两项参数进行了实验验证, 但并没有提出针对某种类型设备的具体计算机辅助诊断方法。本文提出了针对磁共振诊断设备进行质量检测的所有图像参数自动评价系统的设计分析, 为以后本系统的具体实现提供总体思路。

1 国内医用MRI质量检测情况

随着国家对大型医疗设备应用质量的逐步重视, 已有很多省、市的质量检测部门开始引进MRI检测设备并进行质量检测。军队大型医疗设备质量检测工作起步较早, 从1998年就由总后药品仪器检验所和南方医科大学 (原第一军医大学) 开始了军队医院大型医疗设备的检测工作, 各军区药品仪器检验所从2006年开始负责本区MRI和CT的检测工作[3]。目前, 军队MRI检测工作分为验收检测、状态检测和稳定性检测, 采用美国体模实验室研制的Magphan SMR170性能测试体模进行性能检测, 其结构紧凑小巧, 便于携带, 层厚和定位测试方便合理。可以检测的主要技术指标有信噪比、空间分辨率、密度分辨率、层厚、几何线性、图像均匀性、层间隙等。检测步骤一般为信息登录、体模定位、体模扫描、扫描图像分析和数据记录等[4], 其中扫描图像分析在整个扫描过程中所占时间的比重最大, 需要针对体模各层所扫描的图像进行处理分析, 并且处理过程均要基于各MRI系统平台, 处理过程各异, 给检测者带来不便。而MRI质量检测图像参数自动评价系统的引入, 将排除主观因素影响, 并方便检测工作的开展。

2 设计思路

由于MRI扫描的医学图像一般为DICOM格式[5], 而现有的许多图像处理软件平台也支持DICOM格式, 并且也可通过常用软件转成BMP或JPEG等常见格式[6], 因此在设计图像质量的自动评价系统时, 部分参数的评价可以考虑利用已有的各项软件平台或算法。而在某些参数评价时, 并无现成的算法或平台可以借鉴, 如空间分辨率的评价, 一般用体模的线对层扫描图像进行评价, 需要在固定长度的区域内分辨能够清晰分离的最大线对数。这类参数的评价需要结合实际自行开发识别算法。因此设计思路应为整合已有图像处理平台, 并针对某些评价参数设计原创算法。下面针对具体参数提供相应的设计思路。

2.1 图像信噪比及均匀性

对体模均匀性层面进行扫描所得图像进行分析。在均匀性区域所成图像的中心和图像的外侧分别选定ROI (感兴趣区) , 信噪比要通过测量ROI内的像素平均值和标准偏差来进行。像素的信号强度实际通过图像的灰度值表示, 因此ROI内的信号平均值就是区域内所有像素的灰度平均值[7], 但窗宽、窗位的调整可以在0到255范围内改变灰度, 所以应当取扫描的原图, 而不能取经过窗宽窗位调整后的图像。信号强度等于图像中央区域像素灰度平均值 (S) 减去圆柱形容器外侧像素灰度平均值 (S') 。噪声等于正方形中心像素灰度值的标准偏差 (SD) 。通过式 (1) 可以计算图像信噪比, 并与标准比较后判定此项是否符合。同样根据式 (1) 计算出其他8个选取区域的信噪比值, 用式 (2) 计算出图像信噪比均匀性USNR, 并比较后自动判别。

2.2 图像均匀性

图像均匀性可以通过体模均匀模块所成的灰度图像来分析。在合适的窗宽、窗位条件下, 均匀模块所成图像的各处灰度值应当是相近的[8]。在该区域内选择9处ROI, 分别分析比较各点的灰度值, 按照式 (3) 计算图像均匀度U∑, 并将结果与标准比较后进行评价。

2.3 相位编码伪影

此参数同样可以按照标准检测方法进行自动分析判定。在相位编码方向上取均匀性模块的图像最边缘区域, 用圆形ROI (400像素点) 测量像素灰度平均值, 记为p;再用相同的ROI测量图像4个角上的灰度平均值, 记为Q;用图像尺寸的75%的矩形ROI测量中心区域的像素平均值, 记为R, 用式 (4) 计算相位编码伪影W。

2.4 层厚

现在的层厚测量方法为使用灵敏度剖面线对用于层厚测量的4条斜边的图像进行测量, 对于没有灵敏度剖面线功能的机器, 可以用下面的方法确定测量SSP曲线的半高全宽度 (FWHM) 。将MRI的窗宽关闭, 调节窗位至斜面成像刚好消失处, 此时的窗位即为斜面成像的峰值a, 用ROI测量斜面像的临近位置的信号强度值作为背景值b, 取二者的平均值为FWHM。

ImageJ软件是一个共享的医学图形分析软件, 是一个用Java语言开发的图像处理和分析平台, 具备多种图像处理和分析功能[9]。ImageJ中有灵敏度曲线 (SSP) 功能, 可以测量层厚。首先沿测量层厚的斜面区域画一条直线, 选择菜单对所选区域进行profile曲线分析, 然后测量SSP曲线的FWHM, 再根据式 (5) 来计算层厚Z。

式中:θ为斜边与成像平面的夹角。

2.5 空间分辨率

提取视觉上区分最清楚的线对图, 应用图像处理中的边缘检测算法, 可利用一些边缘检测算子, 如微分边缘检测算子、Log边缘检测算子、Canny边缘检测算子[10]等, 应用线对边缘提取效果最好的检测算法, 判断每厘米上分辨最清晰的线对数目。根据检测经验, 多数MRI空间分辨率介于4~5 lp/cm, 并且判断4 lp/cm为最低, 因此应着重此范围线对数的图像分析。

2.6 线性度

线性度测量为计算图像上标志距离孔间的距离是否与体模上线性度层面的实际距离一致。该参数的自动分析重点在标志孔的圆心像素定位, 只要每个标志孔的圆心定位准确, 便可迅速得到图像上标志孔间距Dm, 并能够与实际距离D进行比较, 从而依据式 (6) 得到该参数的评价结果。

2.7 密度分辨率

调节窗宽、窗位, 提取密度分辨率所在层面细节最清晰的图像, 目的为自动判断能分辨清楚的深度最小和直径最小的圆孔的像。在灰度图中, 从深度最小和直径最小的圆孔所在区域开始, 逐个扫描深度和直径依次增大的圆孔所在区域, 通过圆孔内与圆孔外灰度值的比较判断是否达到一定阈值的差异。如果差异足够大, 则能够分辨, 反之则不能分辨, 从而实现密度分辨率的自动评价。

3 讨论

本文基于已有的医用MRI质量检测体模和方法, 提出了对应的自动评价系统的设计思路。虽然没有实现具体系统, 但针对常用参数均已提出了具体的实现方案。目前依据设计思路实现具体系统的难度主要在于以下2个方面:

(1) 针对各生产厂家不同的MRI扫描软件平台, 如何提取所扫描的DICOM图像信息, 包括图像的像素信号值、灰度值等。作为医学图像存储和传输的标准, DICOM目前已发展至3.0版本, 该版本已经得到了世界上主要厂商的支持, 新一代医学影像设备均以支持该标准作为基本特征[11]。但DICOM标准并未对具体的实现机制进行强制性规定, 允许各医学影像设备商灵活地采用标准的相应部分根据实际需要实现对DICOM标准的支持[12]。因此与DICOM标准兼容的影像设备都要有兼容性申明, 需要对不同MRI系统的DICOM标准兼容性申明进行研究才能够得到需要掌握的图像信息, 而DI-COM标准本身的研究需要大量的工作积累。

(2) 如何整合已有的软件和原创性算法于一体。整合设计自动评价系统有2种实现途径: (1) 在开放性的软件平台中实现, 如ImageJ中编写算法; (2) 基于图像处理平台实现, 如在Matlab或C++软件中编程实现全部的算法。由于利用已有软件功能实现自动评价需要整合多种软件平台, 因此基于某一平台实现所有算法更为合适。MRI质量检测自动评价系统的实现将改变目前部分参数依靠主观判断的现状, 并可大幅简化检测过程, 为下一步发展的必然趋势。

4 结语

采用计算机自动评价系统尽可能地保证了大型医疗设备检测结果的客观公正性, 并能够改进检测步骤, 提高检测速度, 因而将计算机技术引入大型医疗设备质量检测工作之中是今后质量检测技术的发展方向。本文针对Magpha SMR170性能测试体模进行MRI检测的相应图像参数提出了自动评价系统的设计分析, 为下一步该评价系统的建立提供了研究基础, 同时为诸如CT、直线加速器等其他大型医疗设备的质量检测工作提供了建立自动评价体系的思路。

摘要：目的:设计用于医用MRI质量检测图像参数的自动分析评价系统。方法:研究MRI质量检测各图像参数, 设计基于图像处理和分析技术的自动评价方法的研究建立。结果:根据各图像参数的分析, 设计了针对各参数的自动评价方法。结论:该研究过程提供了构建MRI质量检测图像参数的自动分析评价系统的设计思路, 为具体实现打下了基础。

关键词：MRI,质量检测,自动评价,DICOM

参考文献

[1]叶晓炜.军队大型医疗设备质量现状分析[J].解放军医院管理杂志, 2008, 15 (4) :381-383.

[2]徐桓, 段新安.ImageJ软件在大型医疗设备质量检测中的应用[J].中国医学装备, 2011, 8 (11) :20-22.

[3]李成, 葛剑徽, 黄家富.辖区MRI设备性能检测及评价[J].医疗卫生装备, 2007, 28 (4) :191-192.

[4]任国荃, 刘晓军.磁共振成像设备应用质量检测技术与评审[M].北京:人民军医出版社:15-16.

[5]莫小红, 吕庆文.MRI的DICOM图像方位算法研究[J].中国医学物理学杂志, 2011, 28 (2) :2 519-2 522.

[6]徐潘辉, 林峰.DICOM医学数字图像格式与BMP通用图像格式转换软件的设计与实现[J].医疗设备信息, 2006, 21 (3) :1-4.

[7]董德勇.利用灰度增强处理图像以及在影像诊断中的应用[D].天津:天津医科大学, 2007.

[8]王利, 陈允杰, 韦志辉, 等.克服灰度不均匀性的脑MR图像分割模型[J].计算机辅助设计与图形学学报, 2009, 21 (11) :1 624-1 631.

[9]赵毅力.基于ImageJ的图像处理算法研究设计[J].电脑知识与技术, 2011, 7 (7) :1 638-1 640.

[10]王智文.几种边缘检测算子的性能比较研究[J].制造业自动化, 2012, 34 (11) :14-16.

[11]黄爱明.医学图像DICOM格式与通用图像格式之间的相互转换[D].成都:四川大学, 2006:13-14.

图像自动分析系统论文 第5篇

日立公司已率先研制出用于身份验证的手指静脉识别系列产品。国内一些科研团队也已经先后设计出手指静脉采集的实验装置[2,3]。然而从这些文献中发现了一些不足:(1)成像设备直接采用成品的网路摄像头或高清CCD摄像机,不能由上位机采集软件直接且有效地控制成像效果和下位机硬件电路工作状态。(2)由于不同手指厚度不一致,当红外光以固定光强照射手指时,会形成一组亮度不均衡、甚至丢失静脉纹路的图像,为身份识别造成不必要的麻烦。为此,本文设计了一种成本较低、带有自动调光模块、基于USB2.0芯片与CMOS图像传感器的手指静脉图像采集系统。

1 采集系统硬件设计

为降低成本,没有采用FPGA或CPLD等可编程器件,但设计出结构更加简洁的图像采集硬件电路,主要部分由CMOS图像传感器模块、USB2.0控制器模块、自动调光模块、E2PROM和电源模块组成,如图1所示。

CMOS图像传感器与CCD图像传感器相比,具有成本低、功耗低、集成度高等优点。本设计选用拥有130万像素的图像传感芯片OV9620。OV9620能自动提供帧同步信号VSYNC、行同步信号HREF和像素时钟PCLK[4]。为保证图像采集与上位机图像处理的实时性,设计中采用VGA 640480模式,可以保证每秒30帧的动态图像。实际设计电路如图2所示。

EZ-USB FX2芯片CY7C68013是USB2.0控制器,拥有增强型8051内核,集成了智能串行接口引擎(SIE)、片上RAM、4KB FIFO存储器,可独立于MCU,由硬件自动完成480Mb/s高速数据传输功能[5]。既可以采用I2C总线把固件程序从E2PROM中下载到自身的RAM中执行,又可以读写OV9620寄存器,实现摄像头的自动曝光、增益控制及白平衡控制等功能。

设计中,采用波长为850 nm的近红外光源从手背一侧照射手指,静脉血液中的血红蛋白因吸收红外线而导致静脉部分的红外光透射较少,最终在手指另一侧的CMOS图像传感器上产生手指静脉纹路图案。当红外阵列光源的发光强度一定时,由于不同人、甚至每个人的不同手指的粗细都不一致,会导致透射红外光的强弱不同。例如,针对较粗手指形成较好的静脉图像(如图3(a))的光源,对较细手指却产生透射光过强的成像效果(如图3(b))。

针对这种情况,设计出如图4所示的红外发射光强自动调节电路模块,这是负反馈闭环控制系统。其实现过程为:先通过观察上位机图像处理软件实时接收到的图像,调节用于初始化设定的电位器旋钮,直到确认手指静脉图像达到最好效果时停止,系统将该电位器输出电压值作为标准值(Uin)。当不同的手指进行采集时,红外光接收电路将采集到的电流转换为电压值作为反馈值(U1),将反馈值与标准值比较,得到偏差电压值(Ue),通过积分调节器输出电压(Uout)控制红外光源,若偏差值小于0(反馈值大于标准值),则自动调高输出电压Uout直至透射光强达到稳态;若偏差值大于0,则自动调低输出电压Uout直至透射光强达到稳态。使红外发射光强随手指的厚度动态变化,让透射光始终保持在一个相对稳定的光强值,以保证成像效果均衡。

红外光强自动调节电路工作原理:红外接收传感器Q0的电流随接收的透射光强变化而变化,并作为三极管Q1基极电流,进而引起流经电阻R13的电流变化,因此UR13电压随接收光强电流变化而变化。

当R9=R10、R11=R12时当R10=R12时,U1=(+5 V)-U0,这时U1=UR13,即U1随接收光强电流而变化,因此,U1可以近似为接收光强的反馈电压。

同理,当R1=R2=R3=R4时,通过运放构成的减法器,可求偏差电压:

当R5=R6时,通过运放构成的积分电路,可求输出电压Uout:

积分电路主要起调节作用,使系统消除稳态误差,提高无差度。即当存在偏差时,积分调节功能启动,直至无偏差时,积分调节功能停止,积分电路输出一常值。积分作用的强弱取决于积分时间常数T,T=R5C1,T越小,积分作用越强;反之,T越大,则积分作用越弱。三极管Q2基极电流为,红外发光二极管D1的电流,随三极管(Q2基极电流变化而变化。

这样红外发射光强的电流就会随着接收光强而变化。通过多次实验,此光强自动调节电路能很好地对透过手指的红外光强度进行调节,并可获得清晰、质量稳定的手指静脉纹路图像(如图8所示)。

2 采集系统软件设计

采集系统的软件设计主要分为USB固件程序、USB驱动程序和上位机图像处理软件。

(1)固件程序采用标准的EZ-USB程序框架。根据需求,本系统固件的基本功能如下:

①通过IFCONFIG=0x43设置Slave FIFO模式,同步方式下SLWR作为IFCLK时钟引脚的使能信号,以保证行同步信号HREF有效时,才能接收图像的像素数据。

②配合硬件电路,通过设置EP2CFG=0xE0设置EP2端口为BULK传输模式的IN端点,四重缓冲,每包字节数为1 024。并通过EP2FIFOCFG=0x08设置端口2为8位数据总线模式。

③在图像帧接收中断INT0处理函数中,为每一帧图像前加上特定的帧头[4],以便上位机应用程序可以准确和完整地分离出每一帧图像数据。在手指触发按键中断INT1处理函数中,设定手指触发的标识位,以便上位机程序在发送Vendor指令时,通过读取该标识位来决定是否自动保存采集的手指静脉图片。

(2)USB驱动程序直接利用EZ-USB开发包自带的驱动程序ezusbsys.c。为满足图像数据的实时接收需求,减少在应用程序中重复调用数据读取函数的时间开销,需要修改驱动程序的读取缓存设定值。本文设计如下:#define TRANSSIZE 2048

for(j=0;jbNumEndpoints;j++)

interfaceObject->Pipes[j].MaximumTransferSize=(TRANSSIZE*1024)-1;

修改完USB驱动程序文件后,需要使用类似Windows XP DDK的软件重新编译ezusb.sys文件,执行命令build-c-z即可生成测试版本或发布版本。

另外将驱动程序的配置文件中生产商/销售商(PID/VID)代码和设备名更改为用户的设定。

(3)上位机图像处理软件接收到的图像数据是Bayer格式,如图5所示。要将Bayer格式数据显示为24位RGB彩色图像,图5 Bayer格式颜色插值算法是关键术。考虑到图像采集的实时性和静脉纹路特点,选择最邻近法、双线性算法、边缘导向法和适应性颜色层法[6]等四种插值算法进行对比研究。

从图6中可以看出,最邻近法因运算简单,只复制了邻近的相关颜色,所以导致边缘马赛克现象非常明显。双线性法明显优于最邻近法,采用了对相邻像素取平均的方法,但没有利用不同彩色分量之间的关系,所以导致图像的边缘引进大量的错误数据造成图像边缘模糊现象。边缘导向法仅是对人眼较敏感的G分量进行了沿边缘的插值方法,效果优于最邻近法,但边缘模糊现象也比较严重。而适应性颜色层法对R、G、B等三种颜色分量都进行了沿边缘的插值方法,恢复的图像效果最好,锐化了图像边缘,提高了视觉质量。因此本系统采用适应性颜色层法采集手指静脉的纹路图像。

3 实验结果

本文设计的手指静脉采集系统的上位机图像处理软件如图7所示。在自动调光功能条件下,采集的手指静脉图像如图8所示。

本文介绍了带有自动调光模块,并基于EZ-USB FX2和CMOS图像传感器的手指静脉系统,不仅能够实现针对不同厚度手指,动态调整红外发射光强度,以保证手指静脉图像质量稳定,避免了曝光过强或过弱现象,而且通过采用适应性颜色层插值算法还原图像数据,保证了手指静脉图像纹路清晰,而且在VGA(分辨率640480)模式下能够以30帧/s的视频形式显示。

参考文献

[1]苑玮琦,柯丽,白云.生物特征识别技术[M].北京:科学出版社,2009.

[2]王科俊,袁智.基于小波矩融合PCA变换的手指静脉识别[J].模式识别与人工智能,2007,20(5):692-697.

[3]MULYONO D,JINN H S.A study of finger vein biometric for personal identification[C].2008 International Symposium on Biometrics and Security Technologies(ISBAST '08),2008:136-143.

[4]周颖慧,夏丽娟.基于CMOS和USB2.0的人脸检测系统[J].电子器件,2009,32(2):258-261.

[5]王科俊,张晓雷.基于CMOS传感器多功能USB图像采集平台[J].微计算机信息,2008,24(31):130-131.

图像自动分析系统论文 第6篇

我国近视患者已达4亿多,近视高发群体——青少年近视发病率高达50%至60%,近视患者人数居世界第一。验光仪的发展是眼科医疗防治的关键,而对眼球中心瞳孔清晰对焦是验光仪等现代眼科医疗仪器正常工作的重要前提。利用现代图像检测处理技术[1]研发眼球自动对焦功能,既能进一步实现验光仪自动化,又能提高对焦精度、缩短对焦时间。

登山随动聚焦法[2]是聚焦深度法(DFF,Depth From Focus)的一种具体实现形式,是建立在搜索算法上的自动对焦方法。但传统的登山随动聚焦法无法直接判断离焦成像是正离焦还是负离焦,这会影响对焦判断时间。

本文提出的基于图像处理的眼球对焦方法,以现代光学为基础,结合图形学、计算机视觉、信息处理和自动控制等学科,对登山随动聚焦系统进行改进,能够克服干扰,高效高速的实现对眼部中心瞳孔自动对焦。

1 常用自动对焦方式

自动对焦就是利用现代科技取代人眼检测被测物是否对焦清晰,并代替人工手动调焦,由系统自动完成,达到获取清晰物像的过程。自动对焦方式包括传统的测距方式和焦点检测方式,以及利用图像检测技术的数字化对焦方式[3]。

1.1 测距方式

测距方式主要有三角测距法、红外测距法和超声波测距法。

红外测距法和三角测距法的测量方式类似,都是测量计算被测物体、光源和镜头三点间距离后,根据光学高斯公式获取被测物体和镜头间的距离,然后快速调整距离进行对焦,所不同的是红外测距是主动发射光波测距,是一种主动对焦方式。

超声波测距法也是一种主动对焦方式,其工作平台上装有超声波发射和接收装置,工作时根据超声波在被测物体和镜头之间传播的时间进行测距。

1.2 焦点检测方式

焦点检测方式主要有对比度法和裂像法。类似于人眼观察像面或对焦板上的影像是否清晰来判断聚焦是否合适的方法。

对比度法是通过检测影像的轮廓边缘实现调焦的,当观察景物轮廓时,影像轮廓边缘越清晰,则它的亮度梯度就越大,或者说景物边缘处与它的背景之间的对比度就越大;反之,离焦的影像轮廓边缘就模糊不清,亮度梯度或对比度就下降。

裂像法是通过观察对焦屏上的裂像重合和微棱区影像是否清晰实现调焦的,在对焦板位置上放置裂像光楔或微棱镜,当焦点位于裂像光楔的交点上或微棱镜的顶点上时,观察到的只是一个清晰的像点;当焦点偏离上述位置时,通过裂像光楔看到的是两个分开的像,而通过微棱镜看到的则是许许多多分开的像,造成一种影像模糊的感觉。

1.3 数字化对焦方式

随着计算机硬件和图像检测处理技术不断发展,实时视频拍摄的同时对每一帧图像进行处理已成为可能。摄像头(CCD)实时采集目标区域所成图像,并在数字视频图像处理模块进行处理分析,根据处理分析结果控制和驱动变焦镜头或者成像系统移动,以获取清晰准确的对焦成像。

数字化自动对焦的核心问题是:图像清晰度的评价标准。本文研究的对焦对象为瞳孔红外反射光斑,有一定的特殊性,可以通过一定的算法模型得出适合本对焦系统的评价标准。

2 改进系统模型及自动对焦原理

传统的登山随动聚焦法存在诸多问题,极值点搜索通过取样评价参数曲线点,并比较不同位置参数值确定最佳点。因此,极点搜索过程是一个估计推测过程,如同盲人爬山一样,只有通过上坡或下坡来判断山峰的位置,而不能从任意位置看到山的概貌,更看不到山峰的位置[4]。由于存在眼睛的特殊性和眼睫毛的干扰,登山随动聚焦法不能很好的完成本系统要求,故对传统的登山随动聚焦法进行改进,提出了改进后的对焦算法。

2.1 系统框图

基于图像处理的眼球自动对焦系统框图,如图1所示。其中光学系统和CCD传感器模块主要完成红外LED照明、光学图像采集和模数转换;视频处理模块完成图像的预处理;图像分析对焦判断模块在预处理的基础上完成基于登山随动算法的图像清晰度评价参数;FPGA控制板完成对焦系统的步进电机控制部分。

2.2 自动对焦搜索算法及改进点

本系统由于使用环境的特殊性,直接使用光学系统对眼睛瞳孔进行成像分析效果不好,故使用了一种特殊的红外同轴光源在眼睛瞳孔上形成反射光斑,再使用光学系统采集光斑成像,进而对特殊光斑成像进行图像预处理和清晰度评价参数分析,来实现对眼球的自动对焦判断。同轴红外光源和清晰光斑成像如图2所示。

光学系统中同轴光源使用对人眼无影响的红外光进行照射,并采集瞳孔反射形成的光斑图像,通过图像预处理和一定的计算获取光斑图像中中层圆环的直径R和左右两侧点状光斑的距离D,然后计算直径R和距离D的比值作为图像清晰度评价参数H:

同轴光源照射是否产生反射光斑会因物距的不同而变化,对同一目标,当物距过近或过远时不会产生光斑;随着物距的逐渐变大,会逐渐出现中心点状光斑、内环光斑、中环光斑、左右点状光斑和外环光斑;物距进一步变大,图像会从不清晰到清晰再到不清晰,这和传统的登山随动算法理论类似;当物距进一步变大,光斑会从外层到内层逐渐消失。

根据以上现像有如下对焦搜索步骤,如图3所示:

(1)实时采集处理数据,在图像中没有检测到光斑时,使步进电机超大步距缩小物距;

(2)图像中出现光斑且无法取得R值或者D值时,根据先验知识大步距粗调物距:只有R值时放大物距,只有D值时缩小物距;

(3)图像中出现光斑且取得R值或者对焦移动距离进行小步距微调:参数值H大于预定范围值时放大物距,参数值H小于预定范围值时缩小物距,直到H值在预定范围内,停止对焦。

3 系统测试结果及分析

在验光仪实验平台上使用本文提出的改进眼球自动对焦系统进行测试,取得对焦前后对比图像和对焦速度数据。为了取得精准的速度测量数据,使用固定模拟眼测试,消除测试过程中人眼微动带来的误差。

3.1 对焦前后图像对比

分别对模拟眼和真实人眼进行对焦测试,取物距近、物距远和物距合适时图像进行对比,使用人眼测试时会有眼睫毛干扰,系统仍可很好的完成对焦,可见本自动对焦系统有很好的抗干扰性,对比结果如图4所示。

3.2 对焦速度测试

由于使用人眼测试时无法保证眼睛一直固定不动,故测试对焦速度使用模拟眼进行,对焦时间从图像中出现目标光斑开始,直到出现清晰光斑,对焦结束。进行10次测试,统计每次测试结果(s1,s2,……s10),去掉一个最大值和一个最小值,求修匀平均值St。

其中s(1)为测试结果中最小值,s(10)为测试结果中最大值。计算的修匀平均速度St=2.0025s,具有较高的对焦速度。

4 结语

本文对传统的登山搜索算法进行改进,巧妙利用光斑,引入图像清晰度评价参数H,在搜索过程中先大步距缩小物距,在能计算出H后小步距精确对焦,提高了对焦速度,更提高了对焦精度。测试结果表明:本方法对焦系统具备良好的准确性、实时性、抗干扰性和很强的鲁棒性,达到了理想的对焦效果。

参考文献

[1]于殿泓.图像检测与处理技术[M].西安:西安电子科技大学,2006

[2]王剑华.数字自动对焦中的搜索算法研究[J].传感器与微系统,2012,31(5)

[3]梁翠萍.简析光学系统自动调焦的方法[J].光电与控制,2006,13(6)

[4]郑静,张起贵,王朋.一种改进的自动聚焦搜索算法及其实现[J].电脑开发与应用,2010,1

图像自动分析系统论文 第7篇

目前美国、英国、日本等许多发达国家都有专门的机构或公司开发、生产水下电视系统,但大部分都是由携带水下电视的水下机器人组成,可以运动到指定的目标处进行监控[1,2,3]。对于具有监控功能的水下电视系统,通常安装在某一固定地方,对视场范围内的目标进行监控,需要实现水下光源的开关和亮度调节,镜头的调光和调焦等。本文介绍了一种远程自动控制水下电视系统实现上述功能的方法,并且应用在国际比赛的水下安保工作中,效果良好。

2 系统结构

水下电视远程控制系统的总体结构如图1所示。水下照明光源和水下摄像机组成水下电视,以AT89S52单片机为核心的控制单元,传送水下设备的状态和视频信号到上位机,同时接收上位机的命令,对水下设备进行相应的控制。控制信号和视频信号分两路进入光电转换发送端,被转换成光信号,通过光纤远距离传输至中央控制室,传送距离可达20~50 km。光电转换接收端把2路信号还原,视频信号通过图像采集系统进入计算机,控制信号通过串口与计算机连接。经过一系列的图像处理算法,根据现场情况和水下设备的状态,发出相应的控制指令,由控制单元执行,实现水下电视的远程自动控制。

3 硬件系统设计

3.1 单片机控制单元

控制单元以AT89S52单片机为核心,AT89S52具有体积小、速度快、处理能力强及功耗低等优点,具备8 Kbyte Flash,2568 byte RAM,3个16位定时器,一对串行通信端口,完全可以满足系统要求。

控制命令由光电隔离器件、继电器模块及保护二极管共同完成,如图2所示。光电隔离器件TLP627-2与AT89S52的P1.0和P1.1相连接,把单片机与后续电路电气隔离,从而避免了后续电路的故障可能对单片机造成的损坏[3]。

由于水下电视系统处于水下,其状态无法通过观察得知,而且远程控制时也不便人工观察,因此设计了状态反馈电路,把摄像机和光源的状态及时反馈到中央计算机。

3.2 光电转换器件

本系统使用数字光端机作光电转换器。数字光端机传输容量大,业务种类多,单模光纤传输容量可达上百路非压缩视频,传输的业务也多样化,可传输视频、音频、数据、开关量等信号,视频图像的信噪比在10 bit编码量化下可达到67~70 dB。根据本系统的信号特点,选择型号为NV3502-CC的数字式二路视频一路开关量光端机。

4 相关图像处理算法

4.1 水下照明光源的自动控制算法

水下照明光源的开启、关闭和亮度调节控制,可以通过采集到的水下图像的直方图来判断。通常情况下,白天光线正常时,水下图像较亮,但由于水的复杂成分形成的散射对图像衬度影响较大,造成了图像对比度下降,因此水下图像的灰度直方图与陆上成像的灰度直方图相比,目标在灰度级中占据的范围变窄,如图3所示。夜晚的水下图像如图4所示。当水下光线不足时,图像变暗,其直方图整体向灰度值较低的方向移动。根据水下图像的灰度直方图特征,可以区分光线的强弱,从而决定是否打开或关闭照明光源、光源开启后如何调节亮度。步骤如下:

1)计算灰度直方图数组

水下图像共有256级灰度,图像的灰度直方图可以用一个1256的数组P(k)表示(k=0,1,,255),P(k)表示图像中灰度为k的像素个数。

(1)初始化,把直方图数组P(k)的256个元素均赋初值为0。

(2)遍历整幅图像,若当前像素点的灰度值为k,则P(k)=P(k)+1。

(3)计算图像上所有像素点后,得到该图像的直方图数组P(k)。

2)夜晚或白天的判断

(1)直方图数组归一化。根据概率密度函数的总和应为1的原则,把直方图数组的数据归一化。

(2)以归一化后的数据为权值,计算灰度值的期望,得到平均灰度值gave。

(3)根据gave判断夜晚或白天。

3)根据光线的强弱,发出开启或关闭照明光源、光源开启后的亮度调节指令,由单片机构成的控制单元解析指令,执行相应的操作。

4.2 水下摄像机光圈控制

水下摄像机的光圈控制,可以借助水下图像直方图的处理结果实现。根据图像的平均灰度值,判断光线的强弱,当光线轻度变暗时,可以暂时调整光圈,使进光量变大,增加光线强度,达到调整水下图像亮度的目的。

如果照明光源开启后,先前调整的光圈变得太大,可以相应地调小光圈,调整的程度同样需参考直方图的处理结果。

4.3 水下摄像机调焦控制

由于监控区域内的目标可以随机游动,当目标距离镜头较近,会产生边缘模糊的现象,为了能够使图像清晰,水下摄像机应能够根据图像内容实时调焦。利用图像处理中的边缘提取算法,提取目标的模糊边缘,根据光学原理计算需要调整的幅度,计算机发出相应的命令,由单片机构成的控制单元执行命令。

边缘检测的方法有很多,如Sobel算子、Laplace算子、Canny算子和小波变换等,小波变换作为一种多尺度多通道分析工具,比较适合对图像进行多尺度的边缘检测。小波变换具有计算复杂度低、抗噪声能力强的特点,因此选取小波多尺度变换实现水下目标图像的边缘检测[4,5]。

B样条小波是基于样条的小波,是一个平滑函数,有很高的正则性,且便于编程上机计算。B样条(m≥3)可以很好地近似Gauss函数,因此选择B样条(m≥3)的一阶微分为小波函数。m阶B样条小波就是m+1阶B样条在j=1尺度上的一阶微分

式中:Nm+1(x)是m+1阶B样条函数。B样条函数具有偶对称性,小波函数具有奇对称性,并且小波函数和其尺度函数是正交的。三阶B样条小波相应的低通和高通滤波器的系数列于表1。可以看出,此算法的滤波器相当简单,有效长度短,能够节约卷积运算的时间。

在进行多尺度边缘检测时,应注意以下几点:

1)图像边界点的处理:对于边缘点,作对称镜像延拓,尽量保持边缘处图像的平滑。

2)多尺度观察:大尺度的小波变换对噪声有较强的抑制作用,但定位性差;小尺度的小波变换定位准确,但对噪声敏感,易造成误检。因此,必须多尺度进行观察,在较少引入噪声的情况下,尽可能准确地检测出边缘。

3)相对位移问题:由于对图像进行小波变换就是用滤波器对图像进行滤波,因此存在相对位移,在进行多尺度观察时,应进行相对位移校正。

4)阈值的确定:由于小波多尺度边缘提取是利用低通滤波器对原始信号进行多尺度滤波,因此均匀过渡边缘的小波边缘模极大值位于过渡带中央位置。可以取小波边缘模极大值的50%作为边缘提取的阈值,来确定过渡边缘的宽度,即

式中:T是边缘宽度检测的阈值;Modmax是小波边缘模极大值。

5 小结

以AT89S52单片机为核心的控制单元、数字光端机、光纤、图像采集系统等构成了水下电视远程控制的硬件系统,应用数字图像处理的直方图技术和小波多尺度边缘检测技术,使由水下电视系统构成的监控系统增加了智能化程度,提高了水下监控能力。该系统已成功应用于某大型国际赛事的水下监控系统中,应用结果表明,该系统能够较好地实现水下电视系统的远程自动控制功能。

摘要：设计了一种利用图像处理技术实现水下电视远程自动控制功能的系统。利用水下电视系统把水下情形实时转换成视频信号,通过数字光端机和光纤远程传输到中央计算机。借助数字图像处理中的直方图技术和小波多尺度边缘检测技术,使得水下电视系统能够根据实际情况,自动开启或关闭水下照明光源,光源开启后能够调节亮度,自动实现镜头的调光和调焦等功能。实际应用表明,该系统能够实现水下电视系统的远程自动控制。

关键词：图像处理,水下电视,边缘提取,直方图,远程控制

参考文献

[1]WEIDEMANN A,FOURNIER G R,FORAND L,et al.In harbor underwater threat detection/identification using active imaging[EB/OL].[2008-11-20].http://spiedl.aip.org/getabs/servlet/GetabsServlet-prog=normal&id=PSISDG005780000001000059000001&idtype=cvips&gifs=yes.

[2]王忠厚,李自田,李建安.一个新型的水下微光高速电视记录系统[J].光子学报,2003,32(8):1007-1009.

[3]吴益飞,李胜,蔡骅.基于MSP430单片机的云台控制系统设计与实现[J].微计算机信息,2006(7):90-93.

[4]MALLAT S,ZHONG S.Characterization of signals from multiscales edges[J].IEEE Trans.Pattern Analysis and Machine Intelligence,1992,14(7):710-732.

图像自动分析系统论文 第8篇

德国FESTO公司的模拟气动自动化立体仓库采用先进的自动化物料存取设备, 不但能使货物在仓库内按需求自动存取, 而且还可以与仓库以外的生产环节有机结合。在指定的时间内自动地完成输送—存储, 实现自动化物流系统。但仓库位置缺少实时信息, 不能根据仓储状态对传送运动装置进行实时调整, 使此系统处于稳定性较低的开环控制状态。对此, 本文设计了反馈控制系统, 其关键环节是图像处理部分, 包括对图像的颜色识别和位置识别等。

1、工件位置分类与RGB分量显示

1.1 工件位置分类

系统的工件有三种颜色:银、红、黑。仓储最底层放置银色工件, 中间层放置红色工件, 上层放置黑色工件。在实际图像处理过程中要通过位置固定的图像采集装置, 将立体的工件位置采集转化, 最终在平面中显示出来, 因此, 对三层空间在平面中划分出了各自的区域。

由于是静态背景下的图像处理, 故每一幅图像中只有工件在变化, 背景都是固定不变的。因此对于位置的定位能够精确到每一个工件的位置的所在平面区域范围。

1.2 train建立

在固定背景中, 同一种类的工件有可能出现在现有仓库的所有位置 (目前为21个位置) , 而在不同角度的图片成像是不同的。在对图像的分析过程中, 角度和光强度的变化很有可能会使相似度较强的工件颜色识别产生混淆, 乃至误判, 因此事先提取所有可能情况下的工件图像, 形成训练样本。

1.3 RGB分量显示

将样本分为四类:没有零件 (用0表示) 、银色零件 (用1表示) 、红色零件 (用2表示) 、黑色零件 (用3表示) 。由于“银色零件”上像素值的与“没有零件”的像素值相差不大, 且照片曝光强度不够, 使得“银色零件”与“黑色零件”看起来有点接近, 难以使用颜色阈值分类。

因此, 对各种训练图像的RGB图像进行MATLAB算法处理, 发现不同颜色的图像在RGB各个分量上的分布, 存在较为明显的区别 (如图1所示) 。

因此, 确定通过RGB分量的分析, 可以实现对银、红、黑三种颜色的工件的区分, 并能够很好地解决空、银、黑三种情况易混淆的问题。

2、训练图像特征提取与BP神经网络训练

在图像识别分析的过程中, 最为关键的一个环节就是建造一个识别模型。BP神经网络由于其可靠性和易操作性成为分类逻辑识别领域的重要工具。对基于BP神经网络的图像识别, 其关键就在于得到一个训练好的BP神经网络。

通过对图像的处理与分析, 得到相应的训练图像库, 而如果对BP神经网络进行训练, 必须要有各图像的特征值。

提取训练图像的RGB特征值:分别统计训练图像在R、G、B上的像素, 在[0, 255]之间的个数, 然后除以整个像素的个数。实验中, 将像素分为10个区域段, 及[0, 25]、[26, 50]、[51, 75]、[76, 100]、[101, 125]、[126, 150]、[151, 175]、[176, 200]、[201, 225]、[226, 255], 统计各个区间段内像素的个数并将统计值与总数相除, 得到一个10*1向量, 最后将R、G、B上提取向量组合起来形成一个30*1向量, 就是训练图像的特征值。

提取train文件夹内的所有图像的特征, 将这些特征输入BP神经网络中进行训练 (BP神经网络有30个输入维、10个隐含层节点数和4个输出维) , 经过标准化处理, 最终得到训练好的BP神经网络。

3、实时图像处理测试

新读入一张图像, 提取相应位置上的子图像, 按照前面的方法计算各个位置图像的特征, 将这些特征输入到训练好的BP神经网络中进行计算, 将最终的分类信息存在infor数组中, 即对应颜色、位置信息的数组。

3.1 实例测试

3.1.1“放置正确示例”测试

计算得到的infor为

该信息为对应从上往下的计算结果, 也就是

银色银色银色银色无

红色红色红色红色红色

黑色黑色黑色黑色黑色

3.1.2“放置错误示例”

测试计算得到的infor为

该信息为对应从上往下的计算结果, 即:

4、结论

本文通过RGB颜色分解形成相应的特征向量, 通过训练形成期望的颜色特征值。依此特征值对BP神经网络进行训练, 得到改进的BP神经网络。当实时图像采集成功后输入BP神经网络中进行处理, 得到分析识别结果。

值得说明的是:由于工件形状中空, 银色工件和黑色工件的颜色特征极为相近, 会出现混淆。本文中的图像识别过程是在光线稳定的情况, 任何外在光源的干扰都会造成与已有train文件夹中样本的发生不匹配, 而由于机械臂的移动势必会带来轻微的光线变化, 会造成一定影响。

本文颜色识别与位置识别采用的不仅仅是RGB颜色特征分解, 因为是多目标识别, 而且涉及检测排列错误等问题, 所以将RGB算法与BP神经网络结合运用, 实现了自动化仓库实时反馈控制。

参考文献

[1]董长虹, 赖志国, 余啸海等.Matlab图像处理与应用[M].北京:国防工业出版社, 2004.

[2]张博夫, 梁凯琦.MATLAB环境下的数字图像处理入门实验[J].现代教育技术, 2007, 6 (2) :37-39.

[3]边肇棋, 张学等.模式识别.北京:清华大学出版社, 1999.

[4]王丽亚, 图像的特征提取和分类: (硕士学位论文) .西安:西安电子科技大学, 2006.

[5]J.Li, J, 2Wang.Automatic linguistic indexing of pictures byastatistieal modeling approaeh.IEEE Transaetions on Pattern Analysis and Maehine Intelligenee, 2003, 25 (9) :1075一1088.

[6]Bernier T, Landry J A.A new method for revresention and matching shapes of natural objects[J].Pattern Reeogni-tion, 2003, 36:1711一1723.

[7]石争浩.神经网络图像匹配技术研究:博士学位论文.西安微电子技术研究所, 2004.

图像自动分析系统论文 第9篇

光电图像处理设备的处理结果与设备采集的图像质量密切相关,而图像质量在很大程度上依赖于设备对于光学信号的分辨力,其分辨力是图像处理设备质量评估的重要技术保证.

光电图像处理设备的分辨力,主要包括空间分辨力、时间分辨力、像元分辨力、系统分辨力、对比度分辨力等.一般空间分辨力测试方法为给定具有固定几何图形的分辨力板,在设定对比度情况下,进行设备的空间分辨力测量.

光学器件分辨力测量是利用分辨力板作为器件的像源输入,然后,比较像源通过器件后的成像像差,测定器件的MTF(空间传递函数),确定器件的空间分辨力.例如,从图像采集、转换直到处理的一般图像处理设备,其整个采集、转换、处理过程不仅仅是光学器件的分辨力对系统整体分辨力有影响,而且,后端的电子线路对于成像系统的影响更大,它们具有非线性时变特点,使得实际设备的分辨力不能仅仅需要考虑设备光学器件的影响问题,而是应该从整个的光电信号传输通道考虑,直接进行设备的系统分辨力测试.

针对传统的光学器件分辨力测试方法自动化程度低,测试结果受到一定人为因素影响,难以进行高速时间分辨力以及设备的系统分辨力测试等问题,提出一种光机电结合的光电图像处理设备分辨力自动测试系统.该系统能够通过预设控制参数,自动产生多光谱无穷远光学测试图案光束,图案光束直接射向测试设备屏幕,然后,将系统采集成像结果与发射像源光束比较,进行设备系统级分辨力测试.系统可以用于光电设备空间分辨力、时间分辨力、低对比度分辨力、系统分辨力的自动测试.通过实验验证,证明了系统的有效性及实用性[2].

1 分辨力测试系统

1.1 分辨力测试系统结构

图1为分辨力测试系统结构示意图.系统由一套运动机构、2个平行光管、一个下位机控制模块、可控光源组件和PC机构成.测试系统通过计算机的人机界面预设2个平行光管之间的夹角(每个平行光管与被测设备屏幕法线水平夹角θ相同)、平行光管与设备屏幕的俯仰角φ、光强变化频率与被测设备距离,然后,将预设控制参数通过串口下载到下位机的控制模块.控制模块根据上位机工作指令,产生控制信号,控制运动机构的电机1和电机2(见图1),使两平行光管夹角运动到预设位置;然后,按照预设光强及脉冲频率控制两套可控光源组件中的可变光阑动作,产生测试所要求的无穷远脉冲光束,并保证光束具有特定的图案效果;计算机接收被测设备输出图像信号,与发送的测试图像信号进行对比,通过计算机软件处理,得到被测设备空间分辨力和时间分辨力[3].

如图1所示,两平行光管夹角控制是通过一个滚珠丝杠与铰链联接的运动机构实现,系统通过控制两电机分别带动滚珠丝杠转动,使得平行光管夹角在一定范围内精确定位;通过控制俯仰角φ,使平行管产生的椭圆长短轴投影方向不同,产生不同的发射光束图案.考虑测试光束图案的测试效果,两平行光管的角度θ、φ的范围可在0°～90°之间变化,因为0°时,两平行光管给出2个平行的圆斑;90°时,两平行光管发出光束在被测设备屏幕上的图案为一条直线;在范围内其他角度时,两平行光管发出的光束图案是光强不同的2椭圆叠加形成的4个暗条纹及中心亮斑测试图案,因此,两平行光管的定位精度直接影响到两试光束图案的准确性.平行光管定位后,控制模块按照预设值控制可变光源中的2个可变光阑同时开合的频率、最大开度、开合上升沿及下降沿时间,产生不同对比度、不同频闪、不同分辨力图案的2束无穷远动态测试光束,因此,可变光阑控制的准确性、精确性保证了系统进行动态空间分辨力、时间分辨力测试的正确度.

系统设计的关键部分是运动机构的控制灵活性与定位精度,以及可控光源中的电动光阑动态特性与静态特性.前者,可以通过运动机构加工精度及电机位置闭环控制精度实现.后者的设计需要考虑各种因素,是系统性能保证的关键部分之一.

1.2 电动光阑控制特性分析

光源为溴钨灯,发射光谱波长范围为180～1 200 ns ,包括紫外光、可见光、近红外、远红外.电动光阑由可变光阑、齿轮传动机构、电机驱动3部分组成.可变光阑由若干相互绞接的薄金属片组成,光圈直径变化范围为0～2 mm.由于光圈圆度不够,通光量需要通过光阑开度面积进行换算.可变光阑的绞接活动端固接传动齿轮,传动齿轮与另一电机同轴齿轮啮合.电机直接带动齿轮转动,两齿轮的齿数比起到转速调节及增大力矩作用,驱动光阑按一定速度开合,调节平行光管发射光束的光强强弱及光脉冲发射频率.

试验测得本系统光阑开度面积与步进电机步数关系如图2所示.图2中,横坐标为步进电机的步数Step,纵坐标为光阑开度面积Area(像素数,1 μm2/每像素).图2a为光阑打开控制曲线,图2b为光阑闭合曲线.其拟合曲线公式如下

y=α0+α1x+α2x2+α3x3+α4x4+α5x5+α6x6+α7x7+α8x8+α9x9 (1)

式中,x代表光阑打开的面积;y代表从光阑完全闭合打开到面积x电机需要的进给步数;αi为拟合曲线系数,i=0,1,2,,9.

电动光阑打开和闭合拟合曲线都使用了9次多项式,虽然各自的系数完全不同,但是,拟合精度相同,拟合系数和精度分别列于表1.

从表1的拟合系数值来看,拟合多项式的常数、一次项、二次项系数应为方程主要参数,其他参数值均小于10-4.但是,由于光阑开合面积很小,其直径变化范围为0～2 mm,由于控制精度要求很高,所以,考虑千分之一光阑面积比驱动步长的精度高出一个数量级,光阑实际控制计算采用式(1),利用9次多项式增加控制的计算精度.

由图2可见,光阑打开与光阑闭合的动态性能不同,打开时速度比闭合时速度快.因此,为了防止光阑的欠闭合而引起漏光,必须增加闭合步数;同时,为了防止光阑的过闭合而损坏光阑机构,必须在终止闭合前,减速闭合步数.光阑打开的速度不仅由电机步频确定,而且,需要经过补偿、细分步等方法,保证光阑的光通量连续线性变化,使测试设备实现准确测试.

2 分辨力测试方法

2.1 静态分辨力测试

设置两平行光管与被测设备屏幕(简称屏幕)法线水平夹角相同,为θ;法线垂直夹角相同,为φ,且两平行光管在屏幕上的投影中心点重合,改变θ、φ,平行光管发射光束在屏幕上投影形状不同,2个屏幕纵轴及横轴对称交叠图形产生不同亮暗区域图案,作为设备静态空间分辨力测试图案,如图3所示[4].

当两平行光管夹角2θ=2°,φ=30°时,产生的分辨力测试光束图案为图3a所示.由于每个平行光管与屏幕法线具有θ=1°、φ=30°夹角,因此,屏幕接收到的图案为2个长轴夹角为2°的椭圆,且两椭圆中心重合.2个椭圆的公共交叠部分,同时接收到2个平行光管发出的光强,因此,在2个平行光管的光源采取同步光阑开合控制时,图形中心部分光强为单个平行光管发出光强的2倍.而图3中没有交叠重合的部分,如图3a阴影部分,光强为单个平行光管的光强.因此,形成了弱光弧纹与强光中心的分辨力测试图案.通过控制两平行光管之间的夹角在0°～90°之间变化,可以产生不同弧纹及不规则四边形分辨力测试图案.图3b所示为θ=4.5°时产生的空间分辨力测试图案,显然,此时弧纹变宽,不规则四边形面积变小.改变一次平行光管夹角,产生一个交叠椭圆图案,两平行光管夹角越大,椭圆的长轴越长,不相交部分增加.设备空间分辨力可以通过被测设备获得的图案与平行光管发射光束图案比较,计算出其空间分辨力.

设备静态空间分辨力通过计算发射图案与接收图案像差,分析弧纹连续变化曲线与被测设备接收到的数字图像弧纹变化的细节差别,确定设备的静态空间分辨力.

2.2 动态分辨力测试

动态分辨力测试通过连续改变两平行光管的夹角,形成连续时间条纹图案,如图4所示.通过接收设备获取图案与发射光束图案的像差比较,分析丢失条纹数测得设备的动态空间分辨力.

由动态分辨力,分析获得图案的弧纹间距与平行光管发射光束图案变化时间,也可以计算出被测设备时间分辨力.

2.3 时间分辨力测试

平行管的发射光强由电动光阑控制,光阑机构设计克服了一般可变光阑最小直径难以达到0的问题,实现了光强控制连续线性变化.通过参数设置,可以控制两平行光管的光发射时间、发射波形.例如,光发射脉冲的上升时间、持续时间、下降时间以及不同波形的光脉冲,包括方波、阶梯波、正弦波、锯齿波,可以模拟不同光源发射模式,能够满足设备时间分辨力测试要求.

最快的时间分辨力依赖于光阑开闭速度.通过计算连续接收图案,光强变化速度,可以测得设备的时间分辨力.

3 结 束 语

针对常规光学图像处理设备的质量评估主要依赖于分辨力板进行静态空间分辨力测试,不能满足设备的动态空间分辨力、时间分辨力的自动测试问题,提出光学图像处理设备的分辨力自动测试系统.该系统不仅可以自动地测试设备的空间分辨力,也可以测试设备的时间分辨力、不同对比度的分辨力,以及多光谱图像处理设备的分辨力测试,包括紫外光、可见光、近红外、远红外等,自动化程度高,对于一般批量生产的光学图像处理设备的性能评估具有广泛的使用价值.

摘要：针对光电图像处理设备分辨力测试自动化程度低、受人为因素影响大的问题,提出一种新型光机电一体化分辨力自动测试系统.该系统能够通过安装于运动控制机构上的2个多光谱可控光源,模拟无穷远光束分辨力图案,实现光电图像处理设备的系统空间分辨力、时间分辨力测试.实验验证了该系统的有效性.

关键词：分辨力,自动测试系统,光电设备检测

参考文献

[1]秦晴,杨晓元,王育民,等.一种新的数字图像隐秘检测方案[J].计算机工程应用,2004,40(32):73-75.

[2]康立丽,余晓锷,冯晓刚,等.X-CT设备低对比度分辨力检测方法研究与分析[J].放射学实践,2003,18(5):366-368.

[3]陶家生.用于成像侦查的CCD探测器成像分辨力的探讨[J].光学技术,2003,29(1):94-95.