洪 濤 趙佃云

中國(guó)計(jì)量大學(xué)質(zhì)量與安全工程學(xué)院，杭州，310018

高速攝像環(huán)境下航天電連接器分離邊緣提取算法

洪 濤 趙佃云

中國(guó)計(jì)量大學(xué)質(zhì)量與安全工程學(xué)院，杭州，310018

為了準(zhǔn)確測(cè)量航天電連接器的分離距離，以深入研究其分離特性，提出了一種高速攝像環(huán)境下電連接器分離邊緣的提取算法。該算法主要通過(guò)劃分感興趣區(qū)域選定待測(cè)量位置區(qū)域，經(jīng)濾波處理后，利用小波變換算法增強(qiáng)圖像的弱邊緣信號(hào)，然后通過(guò)兩次自適應(yīng)閾值分割圖像，并利用SUSAN算子進(jìn)行邊緣檢測(cè)，進(jìn)而提取邊緣，獲得準(zhǔn)確的邊緣信息。

高速攝像；小波變換；閾值分割；邊緣檢測(cè)

0 引言

航天電連接器(以下簡(jiǎn)稱“電連接器”)最重要的質(zhì)量特性是分離特性，包括分離距離、分離時(shí)間等分離性能參數(shù)。國(guó)內(nèi)在電連接器質(zhì)量領(lǐng)域的研究起步較晚，且多數(shù)研究側(cè)重于其連接可靠性等方面[1-3]，目前尚未見(jiàn)通過(guò)測(cè)量電連接器分離過(guò)程進(jìn)而深入研究其分離特性的文獻(xiàn)報(bào)道。

由于電連接器內(nèi)部與外部有顏色上的差異，通過(guò)選擇合適的光源照明，故采用常規(guī)攝像機(jī)就能夠獲取清晰的測(cè)量位置圖像。只有準(zhǔn)確地提取電連接器測(cè)量位置圖像的邊緣特征，才能觀測(cè)到電連接器高速運(yùn)動(dòng)的變化趨勢(shì)，達(dá)到下一步高精度測(cè)量分離距離的要求。但由于受電連接器瞬間分離后插頭的沖擊振動(dòng)、高速運(yùn)動(dòng)以及電連接器檢測(cè)環(huán)境等因素影響，因而所采集的插頭邊緣圖像產(chǎn)生運(yùn)動(dòng)模糊，這增大了邊緣提取難度。如何有效消除運(yùn)動(dòng)模糊給圖像處理帶來(lái)的影響，一直是學(xué)者們研究的重點(diǎn)。梁若飛等[4]針對(duì)高分一號(hào)衛(wèi)星玉米田遙感圖像中玉米田光譜復(fù)雜和地塊邊緣模糊導(dǎo)致面積統(tǒng)計(jì)誤差大的問(wèn)題，提出了一種塊模糊增強(qiáng)和最小值邊緣提取相結(jié)合的邊緣檢測(cè)方法，進(jìn)行玉米田地塊分割處理，有效減小了面積統(tǒng)計(jì)誤差；張文杰等[5]將微分算子和模糊邊緣檢測(cè)相結(jié)合，提出了一種基于鄰域加權(quán)的多層次模糊邊緣檢測(cè)方法，有效解決了在低對(duì)比度圖像、噪聲圖像中檢測(cè)效果不理想的問(wèn)題；尹士暢等[6]將小波變換與直方圖均衡化相結(jié)合，通過(guò)對(duì)低頻小波系數(shù)進(jìn)行直方圖均衡化處理，對(duì)高頻小波系數(shù)進(jìn)行閾值去噪，提出了一種實(shí)現(xiàn)圖像增強(qiáng)的方法。上述方法都是在特定環(huán)境下針對(duì)不同研究對(duì)象提出的，處理電連接器高速分離圖像的效果并不理想。

本文根據(jù)實(shí)際需要，通過(guò)分析電連接器在高速攝像環(huán)境下所成像的特性，提出了一種電連接器分離邊緣的提取算法。

1 算法總體框架

在測(cè)量電連接器的分離特性時(shí)，其插座由專用的夾具夾持，被直接固定住，使得電連接器測(cè)量位置區(qū)域圖像的插座邊緣線顯示比較明顯。由于插頭隨著夾具中的動(dòng)板一起高速運(yùn)動(dòng)，故電連接器測(cè)量位置區(qū)域圖像的插頭邊緣會(huì)產(chǎn)生運(yùn)動(dòng)模糊。電連接器起始靜止測(cè)量位置實(shí)物如圖1所示，攝像機(jī)所采集圖像為圖2。

圖1 電連接器起始靜止測(cè)量位置Fig.1 Electric connector initial static measurement location

圖2 電連接器測(cè)量位置圖像
Fig.2 Electric connector location image measurement

電連接器開(kāi)始分離時(shí)，高速攝像機(jī)同步進(jìn)行分離圖像采集，并分別存儲(chǔ)在計(jì)算機(jī)和攝像機(jī)緩存中。選定感興趣區(qū)域(region of interest，ROI)后，首先，截取電連接器測(cè)量位置的模糊區(qū)域，并對(duì)目標(biāo)進(jìn)行中值濾波處理，去除噪聲，以滿足進(jìn)一步處理的需要；其次，通過(guò)小波變換圖像增強(qiáng)算法，對(duì)低頻小波系數(shù)進(jìn)行非線性增強(qiáng)，對(duì)高頻小波系數(shù)進(jìn)行去噪處理，經(jīng)小波重構(gòu)得到增強(qiáng)圖像；再次，通過(guò)兩次自適應(yīng)閾值分割圖像，主要目的是找到更多的測(cè)量位置圖像右邊邊緣像素點(diǎn)；最后，利用SUSAN算法進(jìn)行邊緣檢測(cè)，提取邊緣，獲得準(zhǔn)確的邊緣信息。

根據(jù)以上實(shí)際特性，本文算法的總體框架如圖3所示。

圖3 算法流程圖Fig.3 Algorithm flow chart

2 測(cè)量區(qū)域的選定與濾波

2.1 測(cè)量區(qū)域的選定

ROI是從被處理的圖像中以多種方式勾勒出需要處理的區(qū)域。通過(guò)分析電連接器在高速攝像機(jī)下的成像特征及分離方向，確定ROI，以保證后續(xù)圖像處理時(shí)獲得足夠的信息。本文選定的ROI如圖4所示。

圖4 ROI選定后的圖像Fig.4 Image selected by ROI

2.2 中值濾波

在采集過(guò)程中，電連接器測(cè)量位置圖像易受到測(cè)試環(huán)境、分離振動(dòng)、高速運(yùn)動(dòng)等因素的影響，難免會(huì)產(chǎn)生噪聲。這些噪聲會(huì)造成電連接器測(cè)量位置圖像質(zhì)量下降，干擾因素過(guò)多，嚴(yán)重影響圖像識(shí)別，因此，電連接器測(cè)量位置圖像需要進(jìn)行去噪。本文采用中值濾波對(duì)電連接器測(cè)量位置圖像進(jìn)行去噪。中值濾波把局部區(qū)域的像素按灰度等級(jí)進(jìn)行排序，取該鄰域中灰度的中值作為當(dāng)前像素的灰度[7]。在濾除噪聲的同時(shí)，也能夠保護(hù)圖像的邊緣特性，使之不被模糊。

中值濾波效果如圖5所示，相對(duì)于圖4，圖5圖像顯示更平滑，有效保護(hù)邊緣，使之不被模糊。

圖5 中值濾波效果圖Fig.5 Median filtering results

3 小波變換圖像增強(qiáng)算法

電連接器的高速分離運(yùn)動(dòng)使得測(cè)量位置圖像的插頭邊緣產(chǎn)生運(yùn)動(dòng)模糊，插頭邊緣信號(hào)微弱，顯示不清晰。由于小波變換能夠充分突出信號(hào)某些方面的特征，有效細(xì)分高頻、低頻處，故本文選用小波變換增強(qiáng)電連接器圖像。

經(jīng)多尺度小波變換可以獲取原始圖像的小波系數(shù)[8]。本文中電連接器的模糊邊緣信息主要包含在高頻小波系數(shù)中，它也包含大部分圖像的噪聲，而圖像的近似信號(hào)主要包含在低頻小波系數(shù)中。為了減少噪聲，以增強(qiáng)電連接器待處理目標(biāo)區(qū)域圖像，可以對(duì)低頻小波系數(shù)進(jìn)行非線性圖像增強(qiáng)，對(duì)高頻小波系數(shù)進(jìn)行去噪處理，最后經(jīng)小波重構(gòu)得到增強(qiáng)圖像。

本文采用以下非線性函數(shù)對(duì)低頻小波系數(shù)進(jìn)行非線性增強(qiáng)：

(1)

i=1,2,…,A

j=1,2,…,B

式中，Xij為非線性增強(qiáng)后的低頻小波系數(shù)；xij為非線性增強(qiáng)前的小波系數(shù)；T為閾值，合適的閾值可以有效增強(qiáng)目標(biāo)邊緣細(xì)節(jié)，T∈(0,|xij|)；k為亮度系數(shù)，不同的k值代表不同對(duì)比度的圖像[9]。

本文用以下非線性算子調(diào)整高頻小波系數(shù)，合適的閾值可有效去除噪聲、增強(qiáng)邊緣。即

(2)

其中，Y、Y′分別是調(diào)整前后的高通小波系數(shù)；K是系數(shù)因子，K>1；T′是閾值[10]。在本文算法中，參數(shù)K取15，T″取0.2。

將處理后的兩種小波系數(shù)進(jìn)行小波重構(gòu)，從而得到增強(qiáng)后的圖像。小波變換的圖像增強(qiáng)基本框圖及實(shí)際效果分別如圖6和圖7所示。

圖6 小波變換的圖像增強(qiáng)基本框圖Fig.6 Wavelet transform image enhancement diagram

(a)中值濾波后的圖像 (b)增強(qiáng)后的圖像 圖7 小波變換增強(qiáng)效果圖Fig.7 Wavelet transform enhancement results

4 閾值分割

ROI勾勒出的圖像，經(jīng)過(guò)中值濾波，以及小波變換增強(qiáng)圖像后，希望濾除噪聲，以突出待測(cè)量目標(biāo)區(qū)域圖像，減小邊緣誤差。為將電連接器待測(cè)量目標(biāo)區(qū)域圖像從背景中獨(dú)立出來(lái)，將圖像進(jìn)行閾值分割，使其圖像非黑色即白色。經(jīng)閾值分割后，電連接器內(nèi)部反光強(qiáng)烈的測(cè)量位置圖像將變成白色，背景變成黑色，這樣目標(biāo)區(qū)域得以獨(dú)立出來(lái)。

均勻性度量法是以均值與方差作為度量均勻性的數(shù)字指標(biāo)[11]。均勻性度量法的步驟如下[12]。

(1)給定一個(gè)初始閾值T0=T1，將原圖分為C1和C2兩類；

(2)分別計(jì)算兩類的類內(nèi)方差：

(3)

(4)

(5)

(6)

(3)分別計(jì)算兩類像素在圖像中的分布概率：

(7)

其中，P1、P2分別為類圖C1、C2的分布概率；Nimg為原圖的像素個(gè)數(shù)。

(4)選擇最佳閾值T0=T2，使得下式成立：

(8)

人工設(shè)定ROI勾勒出的圖像，分別經(jīng)過(guò)中值濾波和小波變換增強(qiáng)后，采用均勻性度量法處理后的圖像見(jiàn)圖8。

(a)第一次閾值T0分割

(b)第二次閾值分割圖8 均勻性度量法效果圖Fig.8 Uniformity measurement results

5 SUSAN邊緣檢測(cè)算法

SUSAN算法是一種基于灰度的特征點(diǎn)獲取方法，未用到梯度的運(yùn)算，故該算法對(duì)噪聲圖像的邊緣檢測(cè)效果優(yōu)于傳統(tǒng)的邊緣檢測(cè)算法[13]。

SUSAN算法采用一種圓形模板在圖像上掃描，并將模板內(nèi)部每個(gè)圖像像素點(diǎn)的灰度和模板中心像素的灰度求差來(lái)比較大小，若其差值小于一定值，則認(rèn)為該點(diǎn)與模板中心像素具有相同或相近的灰度，由滿足這一條件的像素組成的區(qū)域稱為USAN[14]。其比較方法如下。模板內(nèi)屬于USAN的像素的判別函數(shù)

(9)

式中，I(x0)為模板中心像素的灰度；I(x)為模板內(nèi)其他任意像素的灰度；t為灰度差門限。

圖像中每一點(diǎn)的USAN大小

(10)

其中，D(x0)為以x0為中心的圓形模板區(qū)域。得到每一個(gè)像素的USAN值m(x0)以后，再與預(yù)先設(shè)定的閾值g進(jìn)行比較，當(dāng)m(x0)

閾值g決定了邊緣點(diǎn)的USAN區(qū)域的最大值[15],若m(x0)

t表示所能檢測(cè)邊緣點(diǎn)的最小對(duì)比度，也是能忽略的噪聲的最大容限。t越小，可從對(duì)比度越低的圖像中提取特征。因此，對(duì)于不同對(duì)比度和噪聲情況的圖像，應(yīng)取不同的t值[16]。

圖9 SUSAN邊緣提取效果圖Fig.9 SUSAN edge extraction results

6 邊緣像素點(diǎn)坐標(biāo)的獲取

經(jīng)SUSAN算子處理后的圖像是只有黑色背景和白色邊緣線組成的二值圖像。設(shè)定灰度閾值為255，通過(guò)水平方向逐行掃描一定圖像范圍，讀取每一個(gè)像素點(diǎn)的灰度，若該像素點(diǎn)的灰度等于給定灰度閾值，則獲取當(dāng)前像素點(diǎn)的圖像坐標(biāo)。繼續(xù)下一個(gè)像素點(diǎn)的掃描，直至給定圖像內(nèi)的所有像素點(diǎn)，其流程如圖10所示。

圖10 圖像掃描流程圖Fig.10 Image scanning flow chart

7 結(jié)論

本文通過(guò)分析電連接器測(cè)量位置在高速攝像機(jī)下的成像特征，采用小波變換算法增強(qiáng)圖像的弱邊緣區(qū)域，再應(yīng)用均勻性度量法自適應(yīng)閾值分割圖像，經(jīng)SUSAN算子提取圖像模糊邊緣。本方法即使受到測(cè)試環(huán)境、分離振動(dòng)、高速運(yùn)動(dòng)等因素的影響，仍能對(duì)電連接器測(cè)量位置圖像進(jìn)行有效識(shí)別，經(jīng)試驗(yàn)驗(yàn)證可有效提高電連接器分離邊緣提取的準(zhǔn)確性，有利于深入研究其分離特性，提高質(zhì)量可靠性。為了進(jìn)一步提高其分離距離的測(cè)量精度，可以從亞像素級(jí)邊緣擬合入手，獲取插座、插頭邊緣更精準(zhǔn)的信息，這也是筆者今后的研究方向。

[1] 潘駿，靳方建.電連接器接觸件結(jié)構(gòu)分析與插拔試驗(yàn)[J].中國(guó)機(jī)械工程，2013,24(12):1636-1641.PANJun,JINFangjian.AnalysisoftheStructureoftheElectricConnectorandthePlugandPullTest[J].ChinaMechanicalEngineering,2013,24(12):1636-1641.

[2] 賈博賢.分離脫落電連接器分離可靠性評(píng)估的研究[D].杭州：浙江大學(xué),2014.JIABoxian.SeparationoffElectricConnectorReliabilityEvaluationofMasterofResearch[D].Hangzhou：ZhejiangUniversity,2014.

[3] 高亮.航天電連接器空間環(huán)境可靠性試驗(yàn)與評(píng)估的研究[D].杭州：浙江大學(xué),2012.GAOLiang.ResearchonSpaceEnvironmentReliabilityTestandEvaluationofAerospaceElectricalConnectors[D].Hangzhou：ZhejiangUniversity,2012.

[4] 梁若飛，楊風(fēng)暴，王毅敏,等.一種基于塊模糊增強(qiáng)的玉米田遙感圖像邊緣檢測(cè)方法[J].影像科學(xué)與光化學(xué)，2016,34(2):190-197.LIANGRuofei,YANGFengbao,WANGYimin,etal.AMethodofEdgeDetectionforRemoteSensingImageBasedonBlockFuzzyEnhancement[J].ImagingScienceandPhotochemistry,2016,34(2):190-197.

[5] 張文杰，熊慶宇，石為人,等.基于鄰域加權(quán)的多層次模糊邊緣檢測(cè)算法[J].吉林大學(xué)學(xué)報(bào)，2015,45(3):998-1004.ZHANGWenjie,XIONGQingyu,SHIWeiren,etal.MultiLevelFuzzyEdgeDetectionAlgorithmBasedonNeighborhoodWeighting[J].JournalofJilinUniversity,2015,45(3):998-1004.

[6] 尹士暢，喻松林.基于小波變換和直方圖均衡的紅外圖像增強(qiáng)[J].激光與紅外,2013,43(2):225-228.YINShichang,YUSonglin.InfraredImageEnhancementBasedonWaveletTransformandHistogramEqualization[J].LaserandInfrared,2013,43(2):225-228.

[7] 徐鋒，劉云飛，宋軍.基于中值濾波SVD和EMD的聲發(fā)射信號(hào)特征提取[J].儀器儀表學(xué)報(bào),2011,32(12):2712-2719.XUFeng,LIUYunfei,SONGJun.FeatureExtractionofAcousticEmissionSignalsBasedonMedianFilterSVDandEMD[J].ChineseJournalofScientificInstrument,2011,32(12):2712-2719.

[8] 劉興淼，王仕成，趙靜.基于小波變換與模糊理論的圖像增強(qiáng)算法研究[J].彈箭與制導(dǎo)學(xué)報(bào)，2010,30(4):183-186.LIUXingmiao,WANGShicheng,ZHAOJing.ResearchonImageEnhancementAlgorithmBasedonWaveletTransformandFuzzyTheory[J].JournalofProjectileandGuidance,2010,30(4): 183-186.

[9] 劉興淼，王仕成，趙靜.一種基于小波變換的非線性紅外圖像增強(qiáng)算法[J].紅外技術(shù)，2009,31(12):708-711.LIUXingmiao,WANGShicheng,ZHAOJing.ANonlinearInfraredImageEnhancementAlgorithmBasedonWaveletTransform[J].InfraredTechnology,2009,31(12):708-711.

[10] 劉國(guó)軍,唐降龍,黃劍華,等.基于模糊小波的圖像對(duì)比度增強(qiáng)算法[J].電子學(xué)報(bào),2005,33(4):644-666.LIUGuojun,TANGXianglong,HUANGJianhua,etal.TheImageContrastEnhancementAlgorithmBasedonWaveletFuzzy[J].JournalofElectronics,2005,33(4):644-666.

[11]GONZALEZRC,WOODSRE.DigitalImageProcessing[M]. 2nd.Beijing:PublishingHouseofElectronicsIndustry,2006.

[12]GONZALEZRC,WOODSRE,EddinsSL.DigitalImageProcessingUsingMATLABEdition[M]. 2nd.Beijing:PublishingHouseofElectronicsIndustry,2006.

[13] 馬桂珍，房宗良, 姚宗中.SUSAN邊緣檢測(cè)算法性能分析與比較[J].現(xiàn)代電子技術(shù)，2007,30(8):189-191.MAGuizhen,FANGZongliang,YAOZongzhong.SUSANEdgeDetectionAlgorithmPerformanceAnalysisandComparison[J].JournalofModernElectronicTechnology,2007,30(8):189-191.

[14] 李成，彭良玉.SUSAN邊緣檢測(cè)算法的設(shè)計(jì)與研究[J].微型機(jī)與應(yīng)用，2014,33(5):37-39.LICheng,PENGLiangyu.SUSANEdgeDetectionAlgorithmDesignandResearch[J].MicrocomputerandApplication,2014,33(5):37-39.

[15] 張坤華，王敬儒，張啟衡.多特征復(fù)合的角點(diǎn)提取算法[J].中國(guó)圖像圖形學(xué)報(bào)，2002,7(4):319-324.ZHANGKunhua,WANGJingru,ZHANGQiheng.CornerExtractionAlgorithmBasedonMultiFeatureComplex[J].ChineseJournalofImageandGraphics,2002,7(4):319-324.

[16] 陳志方，張艷寧，楊將林,等.一種改進(jìn)的SUSAN算法[J].微電子學(xué)與計(jì)算機(jī)，2007,24(11):142-144.CHENZhifang,ZHANGYanning,YANGJianglin,etal.AnImprovedSUSANAlgorithm[J].MicroelectronicsandComputer,2007,24(11):142-144.

(編輯 陳 勇)

Algorithm of Separation Edge Extraction of Aerospace Electrical Connector in High-speed Photography

HONG Tao ZHAO Dianyun

College of Quality & Safety Engineering, China Jiliang University, Hangzhou,310018

In order to accurately measure the space electric connector of the separation distance, for further study of its separation characteristics, a high-speed photography environment oriented electrical connector on the edge of the separation extraction method was presented herein. Mainly through the algorithm divided the region of interest area selected for measuring positions, after processing through the filter, wavelet transform to enhance image edge of weak signals, and then through the two adaptive threshold segmentation of image, and by using SUSAN operator for edge detection, and then the edge was extracted, the accurate edge informations were obtained.

high-speed photography; wavelet transform; threshold segmentation; edge detection

2016-11-30

浙江省科技計(jì)劃資助項(xiàng)目(2017C31021)

TP391

10.3969/j.issn.1004-132X.2017.09.012

洪 濤，男，1970年生。中國(guó)計(jì)量大學(xué)質(zhì)量與安全工程學(xué)院高級(jí)工程師。主要研究方向?yàn)楫a(chǎn)品質(zhì)量控制與在線檢測(cè)。E-mail：hongtao@cjlu.edu.cn。趙佃云，男，1990年生。中國(guó)計(jì)量大學(xué)質(zhì)量與安全工程學(xué)院碩士研究生。