[发明专利]一种纤维识别分割方法

说明书

本发明公开了一种纤维识别分割方法。本发明的一种纤维识别分割方法能够自动分割出图片中的单一曲线，比起手动分割大大提高了效率，利用了曲线头斜率、尾斜率、长度、间距方差确定出纤维边缘的大致轮廓从而实现对纤维的单一分割。

技术领域

本发明涉及图像识别分割领域，具体是一种通过边缘检测对纤维外部轮廓匹配聚类的纤维分割方法。

背景技术

随着数字图像处理技术和深度学习的不断发展，纤维种类的识别和检测技术突飞猛进，但是用计算机来实现对纤维图像的自动化分割一直都没有普遍适用的办法，现有的分割技术普遍都存在局限性，对于不同的形态纤维需要不同的分割方法来提取。

对于条状纤维的识别与检测而言，需要提供其大量的单一条状纤维样本，而获取这些样本就需要先从包含多根条状纤维的图像中截取到单根条状纤维的样本，但是显微镜下的条状纤维形态不一，多数存在交叉、重叠、扭曲等特征，这给纤维样本的提取造成了极大困难，这就需要对条状纤维图像的自动化分割方案，对显微镜下的纤维图像自动的从中分割出单根纤维，再对这些单根纤维分割成多组样本从而再进行纤维的识别研究。

为了解决纤维分割问题，国内外学术界提出了很多方案。其中与本发明较为接近的技术方案包括：孙硕磊(卷积神经网络在异型纤维识别中的研究[D].东华大学,2017)考虑到纤维由于挤压而出现不规则形变，因此通过水平集的图像分割方法对预处理后的显微图进行分割，虽然这种分割方式对于米粒状粘连纤维有着不错的分割效果，但对于显微镜下的条状的纤维，由于其形态为长条状，和颗粒状纤维有着不同的形变状态，多存在扭曲、交叉和重叠等现象，使用水平集的图像分割方法来分割条状纤维效果并不好。阚道宏，等(棉花异性纤维图像在线分割方法[J].农业工程学报，2010，26(Supp.2)：11－15)采用阈值法来对纤维图像进行分割，而基于阈值的图像分割方法是将图像灰度信息分为两个部分，一部分为背景信息，另一部分为边缘信息，该方法适用于背景和目标具有较大灰度差的图像，对于显微镜下的条状纤维图像，考虑到许多纤维为透明状，其内部或边缘颜色与背景颜色差异较小，根据阈值来分割的方法并不适用。和英英(分水岭算法在异形粘连纤维分割中的研究与应用[D]；东华大学；2011年)采用分水岭算法来分割纤维，其核心思想是将图像看做测地学上的拓扑地貌，而像素的灰度值则表示该点的海拔高度，每一个极小值及其影响区域称作集水盆，集水盆的边界则为分水岭。分水岭分割算法就是通过模拟降水的侵入过程来找到集水盆，进而来寻找目标物体的边缘信息，以达到图像分割的目的。虽然分水岭算法对图像的弱边缘具有很好的容忍性，但是分水岭算法对图像中的噪声、物体边缘细微的灰度变化极为敏感。由于条状纤维图像中往往存在重叠交叉等现象，重叠部分的边缘灰度值明显和原边缘存在较大差异，从而导致采用分水岭算法进行分割时会产生过度分割现象。夏心怡,苏真伟,李国辉(基于形状特征的棉花异性纤维图像分割方法[J].农机化研究,2010,32(7):13-16)基于对图像的骨架化处理，根据断开处的斜率对断开的单像素纤维线段进行拼接并提取出了这些单像素纤维轮廓，但仅仅是在含有噪点的纤维图像中提取出单像素纤维的所有轮廓，而对于较粗的条状纤维，其轮廓较单像素纤维而言一般呈闭合的长条形状而并不是一条扭曲的线段，由于不同纤维之间还存在重叠现象，所以不能直接的根据断开处的斜率特征对纤维轮廓进行匹配连接。

综上所述，对显微镜下的条状纤维图像进行单一纤维的分割方案中，主要的问题在于：(1)条状纤维图像中，对于纤维重叠的部分，灰度变化明显，而对于透明状纤维灰度变化并不明显，传统的阈值法和分水岭较难实现分割；(2)条状纤维轮廓为闭合长条状，并在图像中存在的弯曲、多根重叠和多根交叉等现象，用边缘检测进行分割的过程中干扰线较多，较难对同根纤维的轮廓进行匹配聚类；(3)现有的利用边缘检测技术用纤维的形状特征对纤维进行分割的方案中提取的仅为单像素纤维且没有考虑具体精确到对单根纤维的提取。考虑到这些不足，本方法基于Canny边缘检测，对图像中不同纤维的边缘轮廓根据其不同的特征进行匹配聚类，再根据得到的大致边缘对纤维进行分割。

发明内容