智能算法论文精要.doc

研究生课程论文 《机制砂粒度检测图像分割算法》 课程名称 智能优化算法及应用 姓 名 学 号 专 业 测试计量技术及仪器 任课教师 开课时间 2013~2014学年第二学期 1-18周 教师评阅意见： 论文成绩 评阅日期 课程论文提交时间：2014年 7 月 日 机制砂粒度检测图像分割算法 作者： 学院：年级：? 学号： [摘要]：机制砂粒度检测的图像处理中的图像分割是图像处理质量的重要保证。阈值分割是图像分割方法中的一种。对于阈值的取法又有双峰法、迭代法、最大类间方法法以及小波变换，本文将这几种算法运用到Matlab平台中对颗粒进行图像分割。 [关键词]：图像分割；阈值分割；双峰发；迭代法；最大类间方差；小波变换 1.序言 为保护有限河砂资源，避免过度开采、滥采，避免影响生态以及江河防洪堤、航运和桥梁使用安全，政府向相关单位、科研院校等发出了有必要通过推广应用机制砂解决建设工程用砂量问题的通知，其内容还包含了要加强机制砂生产和应用过程的质量管控，确保工程质量安全。机制砂产品的质量决定了混凝土拌合物的各种工作性能及强度，是保证混凝土拌合物质量的关键。其中，细集料的颗粒大小和形状是影响混凝土性能的重要因素之一。 对颗粒状物质的质量检查，特别是粒度测量工作，是保证产品质量的一个重要方面。机制砂颗粒的粒度分布检测是机制砂颗粒级配的前提。确定适用于水泥混凝土用机制砂颗粒大小和形状的检测方法，对于控制机制砂生产质量、保证机制砂混凝土性能具有重要的经济意义。 本文采用的粒度检测方法是基于机器视觉的粒度检测。是将高速显微镜采集的颗粒图像通过CCD 摄像头和图形采集卡传输到计算机中，由计算机对这些图像进行边缘识别等处理，计算出每个颗粒的投影面积，根据等效投影面积原理得出每个颗粒的粒径，再统计出所设定的粒径区间的颗粒的数量，就可以得到粒度分布了。 图像处理一般分为5个步骤：图像类型转换，灰度调整，图像分割，填充空洞，清除与边界连通的对象。 如何从视觉图像中准确定位并识别目标边界信息，是机制砂粒度分析的难点和关键。 图像分割 2.1图像分割概述 图像分割是将一幅图像分解为若干互不交叠的、有意义的、具有相同性质的区域。反映物体真实情况的、我们感兴趣的、占据不同区域的、具有不同特性的目标区分开来，以便计算各个目标的数字特征。图像分割一般是图像分析的第一步。其它分析过程经常依赖于分割的结果，准确的分割影响甚至决定其它部分分析的准确程度。 图像分割的特征：分割出来的各区域对某种性质（例如灰度、纹理）而言具有相似性，区域内部是联通的且没有过多的小孔；相邻区域对分割所依据的性质有明显的差异；区域边界是明确的。 现有的图像分割方法主要分为以下几类：基于阈值的分割方法，基于区域的分割方法，基于边缘的分割方法以及基于特定理论的分割方法。近年来，研究人员不断改进原有的图像分割方法并把其他学科的一些新理论和新方法用于图像分割，提出了不少新的分割方法。 2.2阈值分割 阈值分割是一种区域分割技术，适用于物体与背景有较强对比的景物分割。当使用阈值规则进行图像分割时，所有灰度值大于或等于某阈值的像素都被判属于物体，所有灰度值小于该阈值的像素被排除在物体之外。如式2.1是阈值分割的数学表达式。 （2.1） 当T取决于g(x,y)时，阈值就称为全局阈值，如图2.1。如果T取决于g(x,y)和p(x,y)时，阈值就是局部阈值,如图2.2。 图2.1 只有一个波谷的图像二值图 图2.2有多个波谷的图像二值图 3.阈值分割算法 3.1双峰法 在一些简单的图像中，对象物的灰度分布较有规律，背景和各个对象物在图像的灰度直方图中各自形成一个波峰，即区域和波峰一一对应。由于每个波峰间形成一个波谷，因为选择双峰间的波谷处所对应的灰度值为阈值，即可将两个区域分离。以此类推，可以在图像背景中分理出各类有意义的区域。 双峰法比较简单，在可能的情况下常常作为首选的阈值确定法，但是图像的灰度直方图形状随着对象、图像输入系统、输入环境等因素的不同而千差万别，当出现双峰间的波谷平坦、各区域直方图的波形重叠等情况时，用双峰法难以确定阈值，必须寻求其他方法，实现自动选择适宜阈值要求。 图3.1 标准砂分散原图