王海豐，張鯤，3，李壯

（1. 海南熱帶海洋學院 海洋信息工程學院，海南 三亞 572022；2. 海南熱帶海洋學院 三亞市計算機視覺重點實驗室，海南三亞572022；3.海南大學 信息科學技術(shù)學院，海南 ?？?570228）

一種沉香顯微特征提取算法研究

王海豐1，2，張鯤1，2，3，李壯1，2

（1. 海南熱帶海洋學院 海洋信息工程學院，海南 三亞 572022；2. 海南熱帶海洋學院 三亞市計算機視覺重點實驗室，海南三亞572022；3.海南大學 信息科學技術(shù)學院，海南 ?？?570228）

文章基于主動輪廓模型對沉香顯微圖像進行輪廓提取，經(jīng)過木纖維篩選后，對其幾何特征和形狀因子等特征進行提取，組成特征向量，并應(yīng)用支持向量機實現(xiàn)兩種實驗沉香圖像分類，實現(xiàn)應(yīng)用機器視覺有效的顯微特征提取分類算法。

機器視覺；主動輪廓模型；微觀特征；沉香檢測

0 前言

中藥材沉香（Lignum Aquilariae Resinatum）來源于瑞香科（Theymelaeaeae）沉香屬常綠喬木白木香（Aquilaria sinensis（Lour.）Gilg[1]。白木香是我國成產(chǎn)重要沉香的唯一樹種，含有樹脂的木材可以作為藥材，具有行氣止痛、溫中止嘔、納氣平喘等功效[2]。沉香種類很多，中國沉香共有2種，白木香和云南沉香[3]，沉香橫切面顯微圖像可以分為四個部分：木間韌皮部、導管、木纖維和射線組成。國內(nèi)兩種沉香在僅在細胞大小、韌皮部大小等方面有些許差別，文獻[4]研究得出國產(chǎn)沉香與進口沉香在橫切面圖像上有所不同，木纖維的大小、形狀和排列方式有所不同。

本文研究對象為文獻[4]中的兩種沉香，采用圖像處理技術(shù)，對顯微圖像下的兩種沉香的木質(zhì)部結(jié)構(gòu)進行研究，利用主動輪廓模型對沉香顯微圖像進行分割，然后對其中的木纖維結(jié)構(gòu)計算幾何特征和形態(tài)因子，并從兩種沉香的木材結(jié)構(gòu)特征、木材分子的數(shù)量等進行量化，對提取的兩種沉香的特征進行分析，為沉香的計算機識別提供依據(jù)。

1 主動輪廓模型及圖像分割

主動輪廓模型（Active Contour Model）也稱蛇模型，是一種基于偏微分方程的圖像分割算法，在圖像處理中有著廣泛的應(yīng)用[5，6]。本文利用文獻[7]提出的主動輪廓模型進行圖像輪廓提取。

在文獻[7]的模型中，假定圖像由兩個同質(zhì)區(qū)域組成，它傾向于把圖像分解為兩個均勻區(qū)域，定義域為Ω的圖像I（x，y），模型的能量泛函為：

其中，L（C），S（C）分別為輪廓線C的長度與內(nèi)部面積，能量項E的前兩項是平滑項，后兩項是外部區(qū)和內(nèi)部區(qū)的灰度值與標量的平方誤差，u≥0、v≥0、λ1，λ2＞0為各個能量項的權(quán)重系數(shù)。引入水平集函數(shù)，并設(shè)在C的內(nèi)部φ（x）＜0；在C的外部φ（x）＞0。根據(jù)變分原理和最速下降法，得到使（1）式極小化的水平集φ滿足的偏微分方程：

其中，H（z）和δ（z）分別是Heaviside函數(shù)和Dirac函數(shù)，C-V模型具有對初始輪廓位置、形狀、大小不敏感的優(yōu)點，其抗噪性好，對于弱邊界的圖像能取得較好的分割效果。

經(jīng)過主動輪廓模型分割后的顯微圖像，可以將圖像中的每個木纖維分割開來，但由于分割粘連及過分割現(xiàn)象以及圖像中的非木纖維區(qū)域的存在，會出現(xiàn)過大或過小的區(qū)域，為了保證提取木纖維的準確性，分別計算分割后的每個輪廓區(qū)域的面積，然后對面積、曲率使用下面公式進行閾值分割，去除面積、曲率過大或者過小的區(qū)域，具體的閾值處理公式如式（4）所示。

其中A為面積或曲率。

2 沉香顯微圖像特征提取

每一種木材的橫切面上木纖維排列特征、各種細胞的形態(tài)因子等特征都具有區(qū)別于其它樹種的獨立性。因此對于我們來說，提取木材橫切面顯微圖像中木纖維單元結(jié)構(gòu)變化、排列信息及橫切面上各種木纖維的形態(tài)參數(shù)對于實現(xiàn)樹種的分類識別、檢測材性等具有重要的實際意義。根據(jù)本文所使用的主動輪廓活動模型提取得到沉香顯微圖像木纖維的輪廓，對每個木纖維進行幾何特征提取，本文選用的特征主要周長、面積、當量直徑、圓形度、矩形度、長寬比。

2.1 周長

本文中提出的利用分時電價引導電動汽車充電的方法尚未考慮電動汽車對于電網(wǎng)提供輔助服務(wù)的可行性，如何結(jié)合分時電價引導與電動汽車參與備用、調(diào)頻輔助服務(wù)是需要進一步研究的問題。

區(qū)域的周長就是區(qū)域的邊界長度，它能夠有效地區(qū)別簡單形狀與復雜形狀的物體。在木纖維的邊界像素中，設(shè)某像素點與其上下左右像素間的距離為1，與斜方向像素間的距離為，這樣在按輪廓遍歷順序遍歷目標時，木粉顆粒的周長就是這些邊界像素間距離的累加和。周長用符號P表示，其計算公式為：

其中，Nl為木纖維邊界上橫、縱向坐標相鄰兩點構(gòu)成線段的條數(shù)，Nk為木纖維邊界上斜向相鄰的兩點構(gòu)成線段的條數(shù)。

2.2 面積

對于木纖維二維圖像，通過對該圖像進行逐行掃描并計算灰度值為1的像素點的總數(shù)來得到木纖維的總面積，具體算法為：

其中，x，y分別為像素點的橫縱坐標，f（x，y）為像素點的歸一化的灰度值，m，n為是圖像的邊長。

2.3 圓形度

其中，P為木纖維投影區(qū)域周長，A為木纖維投影區(qū)域面積。

2.4 當量直徑

當量直徑是一種等效意義上的直徑，對于非球形（圓形）顆粒，可以用當量直徑來描述其粒徑大小。當量直徑的定義來源于水力半徑，定義非圓管的當量直徑為與其水利半徑相等的圓管的直徑[8]。本文提取的當量直徑也是表示木纖維大小的一種方式，即木纖維徑的一種表征方法。若A表示木纖維的幾何面積，P為表示周長，則其當量直徑表示為：

其中，P為木纖維投影區(qū)域周長，A為木纖維投影區(qū)域面積。

2.5 矩形度

矩形度描述的是木纖維與矩形相似的程度，矩形目標的矩形度取值為最大值1，對于彎曲而細長的木纖維，其矩形度的取值變小。矩形度是木纖維的投影面積與其最小外接矩形面積之比，反映木纖維對其外接矩形的充滿程度以及形狀規(guī)則度。若木纖維幾何面積為A0，最小外接矩形面積為AMBR，則矩形度為：

2.6 長寬比

長寬比是一種形狀度量，可以區(qū)分細長的目標與近似矩形或圓形的目標。若木纖維最小外接矩形的長為l，寬為b，長寬比是其長軸和短軸的比值，反映木纖維的各向異性，用k表示：

3 實驗結(jié)果及分析

利用本文所述的主動輪廓模型及特征提取方案對文獻[4]所使用的實驗圖像進行實驗，具體實驗圖像如圖1所示，實驗圖像為原始圖像中選取像素大小為128×128的部分。實驗軟硬件環(huán)境為Windows 7，intel core（TM）i3 2.40GHz處理器，4G內(nèi)存。本實驗中主動輪廓模型中參數(shù)設(shè)置如下：v=0，λ1=λ2=1，ε=1，h=1，Δt=0.1。具體主動輪廓模型的輪廓提取實驗結(jié)果如圖2所示，其中紅線為使用主動輪廓模型分割后得到最終分割結(jié)果。

圖1 實驗圖像Fig.1 Experimental images

圖2 實驗分割結(jié)果圖像Fig.2 Segmentation result images

具體各特征的數(shù)據(jù)如圖3所示。圖中第一行為國內(nèi)沉香，第二行為進口沉香，由于兩種沉香木纖維大小上的差異以及實驗圖像選取的隨機性，導致同為128×128像素大小實驗圖像，國內(nèi)沉香共提取到75個有效的木纖維，而國外的實驗沉香圖像僅提取到25個有效的木纖維圖像。從圖中可以看出，兩者在提取的圖像特征上還有具有一定的差異，可以從提取的特征上對兩者進行分類。

圖3 實驗圖像各特征對比Fig.3 comparative characteristics of experimental images

表1為實驗兩種沉香圖像提取的木纖維特征在方差和標準差上的比較，從表1中可以看出，實驗圖像的木纖維特征在標準差和方差上，周長、面積、當量直徑都有很大的差別。

表1 實驗圖像木纖維特征標準差與方差比較Tab.1 Standard deviations and variances of wood fiber characteristics of two images

4 結(jié)論

本文提出了一種基于主動輪廓模型的沉香顯微圖像特征提取及識別方法，首先使用主動輪廓模型對實驗圖像進行輪廓提取，然后對得到的輪廓進行篩選，提取木纖維的幾何特征和形狀組成特征向量，最后對提取的兩種沉香顯微圖像的特征向量進行對比區(qū)分，實驗結(jié)果表明提出的特征提取及識別方法具有良好的分類性能，通過標準差和方差的數(shù)據(jù)比較，能夠有效地對兩種沉香進行區(qū)分，為今后的基于圖像特征的沉香識別打下了良好的基礎(chǔ)。

[1] 黃崇才.白木香.Aquilaria sinensis（Lour.）Gilg種質(zhì)形態(tài)學與細胞學研究[D].廣州中醫(yī)藥大學，2009. Huang Chongcai. Study on Morphology and Cytology of Aquilaria Sinensis （Lour.） Gilg[D]. GuangZhou University of chinese Medicine，2009

[2] 張興麗，劉洋洋，陳宏降等.白木香[Aquilaria sinensis（Lour．）Gilg]的木質(zhì)部結(jié)構(gòu)及組織化學研究[J].山東大學學報:理學版，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] 蘇娟，劉釗，李榮春等.云南沉香和白木香的木材結(jié)構(gòu)比較解剖學研究[J].熱帶農(nóng)業(yè)科學，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，匡洪堯，等.沉香及其偽品的鑒別[J].中藥材，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] 李培華，張?zhí)镂?主動輪廓線模型（蛇模型）綜述[J].軟件學報，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] 楊蜀秦，寧紀鋒，何東健等.一種基于主動輪廓模型的連接米粒圖像分割算法[J].農(nóng)業(yè)工程學報，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] 劉鶴年．流體力學（第二版）[M].北京:中國建筑工業(yè)出版社，2004. Liu HeNian. Hydrodynamics[M].China Agchitecture&Building Press，2014.

[9] 王海豐，任宏鵝，張鯤. 基于Lab顏色空間的竹材橫端面提取算法的研究[J]. 新型工業(yè)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] 陳曉燕，姜蕊，劉俊，張鯤. 云計算在數(shù)值天氣預報中的應(yīng)用[J].新型工業(yè)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

王海豐，張鯤，李壯.一種沉香顯微特征提取算法研究[J]. 新型工業(yè)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.

海南省重點科技計劃項目（No. ZDXM2014085）；海南省高等學校科學研究重點項目（No.Hnky2015ZD-14）；三亞市重點實驗室建設(shè)項目（No.L1410）；三亞市院地科技合作項目（No.2014YD14）；國家（?。┲攸c科技項目三亞市配套資金項目（2015PT34）；三亞市重點基礎(chǔ)研究規(guī)劃項目（No.2011JY08）；三亞市農(nóng)業(yè)科技創(chuàng)新項目（No.2015KJ15）

王海豐（1980-）,男,吉林扶余人,博士,副教授,主要研究領(lǐng)域為模式識別與智能控制，虛擬技術(shù)實現(xiàn)等;李壯（1967-）,男,黑龍江雞西人,博士,教授, 主要研究領(lǐng)域為模式識別與智能控制，數(shù)據(jù)挖掘，非線性反演計算等.

張鯤（1981-）,男,黑龍江佳木斯人,在讀博士,教授,主要研究領(lǐng)域為智能數(shù)據(jù)分析與數(shù)據(jù)挖掘、無線通信、嵌入式系統(tǒng)、超寬帶微系統(tǒng)等