亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        X光安檢圖像低對比度區(qū)域目標的分割與增強算法*

        2022-12-16 09:23:00季俊鵬鄭俊褒
        計算機時代 2022年12期
        關鍵詞:生長區(qū)域

        季俊鵬,鄭俊褒

        (浙江理工大學信息學院,浙江 杭州 310018)

        0 引言

        隨著X 射線透視技術的發(fā)展,X 光成像技術在安檢中得到了較為廣泛的應用。而X 光安檢圖像中,常存在一些如動植物等處于低對比度區(qū)域的目標。低對比度區(qū)域具有灰度變化不明顯的特點,使得圖像中的目標、背景等信息都包含在一個較窄的灰度范圍內而難以區(qū)分[1],從而給這類目標的檢測和識別帶來困難。

        改善圖像質量的方法有很多,如直方圖均衡、同態(tài)濾波、Retinex等[2-4]。但這些方法直接對全局增強,可能改變圖像中的其他區(qū)域。若能先將目標區(qū)域分割出來,則可實現(xiàn)針對該區(qū)域的局部增強。常用的分割方法有閾值法、區(qū)域生長法和聚類法等[5,6]。單一某種分割方法具有較好的泛用性,但對特定復雜圖像欠缺針對性,如閾值法在圖像比較復雜或圖像目標和背景灰度比較接近時,分割效果并不理想。區(qū)域生長法在灰度不均時可能導致空洞和過度分割。因此對于特定圖像,使用多種分割方法結合的方式更為適合。安檢圖像中無論是對整張圖片還是在低對比度區(qū)域中,都很難找到合適的分割閾值。對于同一目標對象,其像素具有灰度相似性,以及區(qū)域連通性。而區(qū)域生長方法適合將具有相似性的相鄰像素進行聚合。

        綜合以上分析,本文提出了先粗分割,后細搜索的模糊增強算法。該算法先在粗分割階段使用OTSU方法提取出低對比度區(qū)域。然后在細搜索階段使用區(qū)域生長方法在低對比度區(qū)域中提取出目標對象。最后在HSV 空間中根據模糊隸屬度值對像素飽和度分量進行調整。

        1 基于區(qū)域生長的圖像分割方法

        區(qū)域生長法就是依據事先擬定的準則,從一個像素點或者一小塊領域不斷聚集像素的過程?;镜乃惴ㄋ枷刖褪菑姆N子點或小區(qū)域開始,根據生長準則合并相鄰像素或其他具有相同屬性的區(qū)域到當前區(qū)域,直到沒有合適的點或區(qū)域為止。區(qū)域生長的一般步驟如下。

        ⑴ 在圖像中,選擇合適的種子點,用來初始化集合A。

        ⑵判斷集合A的領域像素是否符合生長準則,符合則合并。

        ⑶重復步驟⑵,直到沒有符和生長準則的領域像素,結束合并。最終,集合A即為區(qū)域生長的分割結果。

        區(qū)域生長法算法的效果好壞,取決于種子點的選取和生長準則是否合適,其規(guī)則多根據圖像特點來進行設置。種子點的選取根據人機交互的不同形式,分為半自動分割法和自動分割法兩種。半自動分割方法在種子點選取過程中需要人工介入。但這并不能帶來更好的效果,且會導致每次的分割結果不同。因此,目前更多使用自動分割方法。如文獻[7]中,對于自然圖像,認為若直方圖有多個峰值,每個峰值對應一個區(qū)域,則可以將每個直方圖的峰值位置作為區(qū)域的種子點;文獻[8]對于腦部磁共振圖像,先使用k-means進行聚類劃分,再將聚類中心作為種子點;文獻[9]對于乳腺X 光圖,通過查找有關乳腺X 光圖像方向的信息,自動計算種子點。生長準則的制定可以是一個閾值,也可以是一個算法。文獻[10]對于遙感圖片中的河流分割,其將候選點與種子點差的絕對值作為生長準則,閾值使用最大和最小值的均值來初始化,然后根據后續(xù)分割出的前景與背景的均值對閾值進行迭代;文獻[11]使用經脈生長趨勢作為區(qū)域生長算法的生長準則,通過對每個像素的八個方向進行路徑算子運算,找到像素可能感興趣的方向,并通過對感興趣方向進行排序,得到像素的擴展方向。

        綜上所述,對于不同種類的圖像,會采用不同方法用于種子點的選取和生長準則的制定。對于X光安檢圖像,低對比度區(qū)域目標對象在其鄰域中灰度值較高。因此,可以通過尋找低對比度區(qū)域極大值點,來實現(xiàn)種子點的自動選取。目標區(qū)域內外像素具有不同的灰度,則可以使用像素點鄰域灰度的乘積與閾值的比值作為生長準則。此外,為了應對不同圖像中,目標區(qū)域對比度不同所帶來的影響,本文制定了根據低對比度區(qū)域統(tǒng)計特性來確定閾值的方法。

        2 低對比度區(qū)域目標分割增強算法

        X 光安檢圖像中,低對比度區(qū)域與其他區(qū)域灰度相差較大,且低對比度區(qū)域中的目標灰度值較大。根據上述特點,本文提出了如圖1所示的分割增強算法。

        圖1 算法流程

        首先將偽彩色圖像取負片后三通道相乘。然后使用OTSU 算法分割出低對比度區(qū)域。在低對比度區(qū)域中用均值偏移選取種子點后,再使用區(qū)域生長算法得到目標區(qū)域。最后在HSV 空間中根據隸屬度值對飽和度進行調整。

        2.1 粗分割

        X 光安檢圖片中,三個顏色通道做相乘處理后一般存在較為明顯的三段灰度層級,即背景區(qū)域,低對比度區(qū)域和其他區(qū)域。背景區(qū)域為空氣部分,在負片中灰度極低,可直接排除。低對比度區(qū)域與其他區(qū)域灰度相差較大,可以使用OTSU 算法將低對比度區(qū)域與其他區(qū)域區(qū)分開來。

        具體方法為先將背景區(qū)域排除,然后假設剩余的像素有L個灰度級[1,2,…,L],目標是找到一個閾值T,能夠以差異最大化的方式將剩余像素分為低對比度區(qū)域和其他區(qū)域兩個部分。設低對比度區(qū)域像素個數占圖像整體比例為w0,平均灰度為u0;設其他區(qū)域像素個數占圖像比例為w1,平均灰度為u0。根據上述條件可得:

        最后使閾值T從1到L遍歷完整個灰階,取其中使類間方差最大的T作為分割閾值。

        2.2 區(qū)域生長細搜索

        ⑴基于均值偏移種子點求取

        如前所述,確定極大值點就能確定目標的大致區(qū)域。為此,本文使用如下形式的均值偏移方法來尋找低對比度區(qū)域的極大值點:

        Mh(x)表示偏移均值。g(xi,x)用來表示樣本點xi與中心點x灰度的差值,也就是說這里的均值偏移方向表示為灰度值增加的方向。根據式⑵我們可以得出中心點x的迭代公式:

        式⑶表示第t+1次偏移的中心點由t次中心點加上偏移向量所得。其中a為偏移系數,用來控制中心點在偏移均值方向上移動的步長。根據式⑶可以通過逐步迭代的方式將x逼近圖像中灰度極大值點。最終本文設計了如下的迭代步驟來求出極大值點。

        步驟1前小結提取出的低對比度區(qū)域記為集合A。

        步驟2在圖像中隨機初始化一百個中心點。

        步驟3對于某一個中心點,將其半徑h內的所有點記作集合Sh。

        步驟4計算從中心點開始到集合Sh中每個元素xi的偏移向量,并根據式⑵計算中心點的偏移均值。

        步驟5所有中心點沿著偏移均值方向移動,其移動的下一個位置由式⑶給出。

        步驟6重復步驟3 到步驟5,直到所有偏移向量的模小于某個值,將最后這些中心點記為集合B。

        通過前面六個步驟,就可以大致逼近灰度極大值點。將那些沒有落在集合A內的點清除后,其結果為A∩B。對于A∩B中的極大值點,有的不落在目標區(qū)域內,需對這些點做進一步區(qū)分。由于目標區(qū)域灰度較高,因此可以使用OTSU 將該點集分成兩部分,其中灰度較高的極值點為目標區(qū)域內的點。最終將目標區(qū)域內灰度最大的極值點作為種子點。

        ⑵區(qū)域生長準則

        目標區(qū)域內灰度大于目標區(qū)域外,所以目標邊緣像素點鄰域灰度的乘積必然小于目標區(qū)域內非邊緣像素領域灰度的乘積。對于像素點xi,可以用Vxi和閾值進行比較。Vxi表示為:

        其中,Gi表示待加入點像素的鄰域,xk為鄰域Gi內的像素。將原灰度除以d,是為了使Vxi落在0 到1 附近。值d通過式⑸確定:

        其中,max v和min v分別表示區(qū)域中的最大值和最小值,β為系數。

        一般的閾值法直接使用與固定閾值比較來作為生長條件。但對于不同圖像,目標區(qū)域對比度不同,簡單的將所有圖片的閾值設為同一值并不可取。為此,本文制定式⑹所示的閾值確定方法:

        通過該方法可以根據低對比度區(qū)域本身的特點自適應的選取閾值。在生長過程中如果待加入點的值Vxi大于等于閾值thre,則加入,直到沒有符合條件的點。最終生長出的區(qū)域為包含目標的感興趣區(qū)域。

        2.3 模糊增強

        前面提取出的感興趣區(qū)域中的點并不完全屬于目標區(qū)域。已知目標區(qū)域的灰度值在低對比度區(qū)域較高,所以,感興趣區(qū)域的像素點越接近極大值點,則屬于目標區(qū)域的可能性就越大。因此,對于感興趣區(qū)域內的點可以建立相應的模糊隸屬度,然后根據像素隸屬于目標的程度對像素進行調整。模糊隸屬度由式⑺表示:

        其中,value(xi)表示像素點xi的灰度值,max為感興趣區(qū)域中的最大值,n為大于1的實數。

        最后,為了在像素調整過程中不過多改變像素原本的顏色,本文將原圖像轉化到HSV 空間,根據隸屬度值對飽和度分量S 進行調整,調整完后再將HSV 空間的圖像轉化回RGB空間。

        3 實驗結果分析

        3.1 圖像數據采集

        ⑴圖像采集方法

        本文使用鐵片、樹葉作為實驗材料。其中葉片作為植物風險源,模擬可能處于低對比度區(qū)域的目標。實驗過程中將鐵片和葉片放入紙箱內,其擺放方式如圖2 所示。實驗中使用的X 光機為海康威視生產的NP-SC5030。

        圖2 采集材料擺放示意圖

        ⑵采集結果

        采集的圖片如圖3 所示。圖片中子圖a、b、c、d 分別是1張、3張、5張和7張葉片的結果。可以看到葉片區(qū)域與紙箱區(qū)域對比度較低,很難將兩者區(qū)分開來。隨著葉片數量的減少,其可見程度更低,也就是說,不同的葉片厚度,在圖像中會有不同的對比度。

        圖3 采集結果

        3.2 粗分割結果分析

        圖4 為使用OTSU 的粗分割結果,其中空氣部分的低灰度區(qū)域與鐵片部分的高灰度區(qū)域都被去除,實現(xiàn)了紙箱和葉片低對比度區(qū)域與其他區(qū)域的分離。

        圖4 OTSU分割結果

        3.3 細搜索結果分析

        如圖5所示,子圖a中的點表示使用均值偏移后紙箱和葉片區(qū)域的極值點,可以看到葉片區(qū)域的灰度要大于紙箱部分。經過濾后,其結果如子圖b 所示。紙箱部分的極值點基本被濾除。對紙箱中剩下的孤立點,可根據極值點附近其他極值點的個數,濾除周圍點數較少的極值點。

        圖5 極值點過濾結果

        圖6 從上到下展示了葉片數量為4~7 不同對比度下目標的分割結果。其中左邊的圖像為原圖,右邊的圖像為分割結果。圖6中的黑點為生長種子點??梢钥吹絽^(qū)域生長算法的種子點均在葉片內。從右邊的分割結果上看,對于不同對比度的情況,本文算法能夠實現(xiàn)對目標區(qū)域較為完整的分割,為后續(xù)的像素增強奠定了良好基礎。

        圖6 分割結果

        3.4 模糊增強增結果

        圖7 中子圖a、b、c、d 分別為葉片張數為四張、五張、六張、七張的增強結果。可以看到葉片區(qū)域的成像被改善,同時對于圖像的其余部分沒有做出改變。雖然在子圖a 中葉片區(qū)域較為零碎,但并不妨礙對葉片內容的識別。

        圖7 不同葉片數的增強結果

        3.5 與其他算法的比較

        本文算法和CLAHE[12]、MSRCR[13]兩種算法進行了比較。CLAHE 只能用在灰度圖像上,為此將CLAHE作用于HSV 空間中的飽和度分量上。圖8 以七張葉片為例,展示了使用三種算法的增強結果。

        圖8 不同算法的增強結果

        圖8 中,子圖a、b、c、d 分別表示原圖、本文算法、CLAHE 及MSRCR 的增強結果??梢钥吹饺N算法對原圖都有一定的增強效果。本文提出的算法和CLAHE 算法對原圖的改變較小,MSRCR 對原圖的改變較大。子圖d 中表示空氣的白色部分變?yōu)榱怂{色,紙箱部分變?yōu)榱思t色,說明MSRCR 雖適用于自然圖像,但并不適用于X 光圖像。與CLAHE 相比,本文算法的增強結果在葉片的細節(jié)表現(xiàn)上要更清晰,且本文算法對圖片其他區(qū)域不會造成影響。

        4 結束語

        本文提出了先分割后增強的低對比度區(qū)域目標的分割增強算法。即先使用OTSU 的粗分割算法和區(qū)域生長的細搜索方法提取出低對比度區(qū)域的目標,然后根據隸屬度函數對目標區(qū)域進行模糊增強。實驗中使用葉片圖像對算法的分割增強效果進行了仿真驗證。結果表明,該算法可以實現(xiàn)對不同葉片張數,即不同對比度下目標的分割與增強。與CLAHE、MSRCR 兩種全局增強算法相比,本文算法在增強目標區(qū)域的同時,不會改變圖像中的其他區(qū)域。然而對于如一張葉片等對比度過低,目標與背景區(qū)域的灰度值過于接近的情況,本文算法還不能對其進行完整分割增強,在后續(xù)的研究中需做進一步改進。

        猜你喜歡
        生長區(qū)域
        永久基本農田集中區(qū)域“禁廢”
        碗蓮生長記
        小讀者(2021年2期)2021-03-29 05:03:48
        分割區(qū)域
        共享出行不再“野蠻生長”
        生長在哪里的啟示
        華人時刊(2019年13期)2019-11-17 14:59:54
        野蠻生長
        NBA特刊(2018年21期)2018-11-24 02:48:04
        生長
        文苑(2018年22期)2018-11-19 02:54:14
        《生長在春天》
        關于四色猜想
        分區(qū)域
        亚洲熟妇少妇任你躁在线观看无码 | 男女深夜视频网站入口| 97se色综合一区二区二区| 成人h视频在线观看| 91白浆在线视频| 一区二区视频资源在线观看| 少妇被粗大进猛进出处故事| 欧美人做人爱a全程免费| 久久国产精品波多野结衣av| 亚洲AⅤ乱码一区二区三区| 日韩av天堂一区二区三区在线| 久久亚洲av成人无码电影a片| 99久久国产综合精品麻豆| 亚洲AV日韩Av无码久久| 亚洲一区二区精品在线 | 国产色无码精品视频国产| 国产一级毛片卡| 麻豆av在线免费观看精品| 精品人妻少妇av中文字幕| 亚洲老妈激情一区二区三区| 国产精品无码专区综合网| 国产一区二区三区精品成人爱| 欧美牲交a欧美牲交aⅴ免费下载| 久久99精品国产麻豆| 国产高潮流白浆免费观看不卡| 亚洲av少妇一区二区在线观看| 中文字幕亚洲精品无码| 99久热re在线精品99 6热视频| 在线不卡中文字幕福利| 亚洲中文字幕久久精品一区| 国产精品一区二区无线| 色综合久久久久综合999| 亚洲一区二区三区福利久久蜜桃| 久久久久88色偷偷| 品色堂永远的免费论坛| 国产成人午夜av影院| 亚洲乱码中文字幕在线播放| 日出水了特别黄的视频| 国产亚洲欧美另类久久久| 国产精品国产三级国产专区不| 亚洲va久久久噜噜噜久久男同|