[發明專利]一種纖維識別分割方法

有效

• 申請號: 201711453507.2
• 申請日: 2017-12-27
• 公開（公告）號: CN108229486B
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 高飛;林俊輝;劉浩然;盧書芳;張元鳴;肖剛
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/40
• 分類號: G06K9/40;G06K9/46
• 代理公司: 杭州浙科專利事務所(普通合伙) 33213
• 代理人: 杜立

本發明公開了一種纖維識別分割方法。本發明的一種纖維識別分割方法能夠自動分割出圖片中的單一曲線，比起手動分割大大提高了效率，利用了曲線頭斜率、尾斜率、長度、間距方差確定出纖維邊緣的大致輪廓從而實現對纖維的單一分割。

技術領域

本發明涉及圖像識別分割領域，具體是一種通過邊緣檢測對纖維外部輪廓匹配聚類的纖維分割方法。

背景技術

隨著數字圖像處理技術和深度學習的不斷發展，纖維種類的識別和檢測技術突飛猛進，但是用計算機來實現對纖維圖像的自動化分割一直都沒有普遍適用的辦法，現有的分割技術普遍都存在局限性，對于不同的形態纖維需要不同的分割方法來提取。

對于條狀纖維的識別與檢測而言，需要提供其大量的單一條狀纖維樣本，而獲取這些樣本就需要先從包含多根條狀纖維的圖像中截取到單根條狀纖維的樣本，但是顯微鏡下的條狀纖維形態不一，多數存在交叉、重疊、扭曲等特征，這給纖維樣本的提取造成了極大困難，這就需要對條狀纖維圖像的自動化分割方案，對顯微鏡下的纖維圖像自動的從中分割出單根纖維，再對這些單根纖維分割成多組樣本從而再進行纖維的識別研究。

為了解決纖維分割問題，國內外學術界提出了很多方案。其中與本發明較為接近的技術方案包括：孫碩磊(卷積神經網絡在異型纖維識別中的研究[D].東華大學,2017)考慮到纖維由于擠壓而出現不規則形變，因此通過水平集的圖像分割方法對預處理后的顯微圖進行分割，雖然這種分割方式對于米粒狀粘連纖維有著不錯的分割效果，但對于顯微鏡下的條狀的纖維，由于其形態為長條狀，和顆粒狀纖維有著不同的形變狀態，多存在扭曲、交叉和重疊等現象，使用水平集的圖像分割方法來分割條狀纖維效果并不好。闞道宏，等(棉花異性纖維圖像在線分割方法[J].農業工程學報，2010，26(Supp.2)：11－15)采用閾值法來對纖維圖像進行分割，而基于閾值的圖像分割方法是將圖像灰度信息分為兩個部分，一部分為背景信息，另一部分為邊緣信息，該方法適用于背景和目標具有較大灰度差的圖像，對于顯微鏡下的條狀纖維圖像，考慮到許多纖維為透明狀，其內部或邊緣顏色與背景顏色差異較小，根據閾值來分割的方法并不適用。和英英(分水嶺算法在異形粘連纖維分割中的研究與應用[D]；東華大學；2011年)采用分水嶺算法來分割纖維，其核心思想是將圖像看做測地學上的拓撲地貌，而像素的灰度值則表示該點的海拔高度，每一個極小值及其影響區域稱作集水盆，集水盆的邊界則為分水嶺。分水嶺分割算法就是通過模擬降水的侵入過程來找到集水盆，進而來尋找目標物體的邊緣信息，以達到圖像分割的目的。雖然分水嶺算法對圖像的弱邊緣具有很好的容忍性，但是分水嶺算法對圖像中的噪聲、物體邊緣細微的灰度變化極為敏感。由于條狀纖維圖像中往往存在重疊交叉等現象，重疊部分的邊緣灰度值明顯和原邊緣存在較大差異，從而導致采用分水嶺算法進行分割時會產生過度分割現象。夏心怡,蘇真偉,李國輝(基于形狀特征的棉花異性纖維圖像分割方法[J].農機化研究,2010,32(7):13-16)基于對圖像的骨架化處理，根據斷開處的斜率對斷開的單像素纖維線段進行拼接并提取出了這些單像素纖維輪廓，但僅僅是在含有噪點的纖維圖像中提取出單像素纖維的所有輪廓，而對于較粗的條狀纖維，其輪廓較單像素纖維而言一般呈閉合的長條形狀而并不是一條扭曲的線段，由于不同纖維之間還存在重疊現象，所以不能直接的根據斷開處的斜率特征對纖維輪廓進行匹配連接。

綜上所述，對顯微鏡下的條狀纖維圖像進行單一纖維的分割方案中，主要的問題在于：(1)條狀纖維圖像中，對于纖維重疊的部分，灰度變化明顯，而對于透明狀纖維灰度變化并不明顯，傳統的閾值法和分水嶺較難實現分割；(2)條狀纖維輪廓為閉合長條狀，并在圖像中存在的彎曲、多根重疊和多根交叉等現象，用邊緣檢測進行分割的過程中干擾線較多，較難對同根纖維的輪廓進行匹配聚類；(3)現有的利用邊緣檢測技術用纖維的形狀特征對纖維進行分割的方案中提取的僅為單像素纖維且沒有考慮具體精確到對單根纖維的提取。考慮到這些不足，本方法基于Canny邊緣檢測，對圖像中不同纖維的邊緣輪廓根據其不同的特征進行匹配聚類，再根據得到的大致邊緣對纖維進行分割。

發明內容