矿岩颗粒图像分割方法研究综述

杨丹丹

(福州大学 物理与信息工程学院, 福建 福州 350000)

矿岩颗粒图像分割方法研究综述

杨丹丹

(福州大学 物理与信息工程学院, 福建 福州 350000)

工业矿场中，各种矿岩颗粒的存在形式是复杂多变的，如何更好地分割各种岩块，直接影响着生产成本和设备需求。传统矿岩颗粒的分割以肉眼观察和描述为主，存在主观性差、实时性差、定量困难等问题，故将数字图像处理技术引入岩石分割研究中。针对矿岩颗粒图像分割，通过介绍传统和新型的图像分割方法，对国内已有的矿岩分割算法进行了概括总结，并对今后的矿岩颗粒图像分割方法进行了展望。

矿岩颗粒；图像分割；阈值分割；分水岭；聚类

在开采矿石过程中，破碎后的矿石颗粒的尺寸分布是对各级破碎机进行最优控制的重要参数。矿岩颗粒有多种存在形式，但基本存在形式为以下4种：(1)重力作用下垂直下落运动的岩石骨料；(2)破碎机传送带上传送的岩石骨料；(3)混合堆中的岩石骨料；(4)实验室中的岩石骨料样本。传统的手工测量或机器筛选无法实时给出矿石颗粒的尺寸分析结果，如大小、数量、分布情况等。随着计算机技术的发展，许多图像处理技术被运用于矿岩颗粒图像的分割，由此产生的机器视觉系统[1]提供了一种非接触式、实时的矿岩颗粒测量方法。

岩石颗粒分割的图像处理技术，国内外学者颇有研究。笔者查阅大量相关资料，对岩石颗粒分割方法的研究进行了综述，简要地介绍了岩石颗粒传统和新型的图像分割方法，对国内已有的矿岩分割算法进行了概括与总结，对矿岩颗粒图像分割方法的未来进展进行了展望。

1 传统图像分割方法在矿岩颗粒图像中的应用

1.1 基于边缘的分割法

一幅图像中，每个像素点的灰度是不同的，边界处的灰度值变化较剧烈，利用这一特征来分割图像，就是我们所说的边缘检测。边缘检测是目前图像分析领域中的基础技术，它利用图像一阶导数的极值或二阶导数的过零点信息来提取边缘。对于图像中变化比较缓慢的区域，相邻像素的灰度变化不大，梯度幅值较小；而在图像的边缘地带，相邻像素的灰度变化剧烈，梯度变化较大，因而应用一阶导数幅值的大小或二阶导数的零点可以确定边缘位置。几种常用的边缘检测方法有：Roberts、Sobel[2]、Prewitt、Laplacian算法、LOG算法(Gausion-Laplacian)和Canny算法。由于边缘检测对噪声敏感，而岩块图像表面总会存在很多噪声，因此该方法检测到的边缘有时是非闭合的。

1.2 阈值分割法

阈值分割[3]是一种基于区域的图像分割技术，简单地用一个或几个阈值将图像的直方图分为几类，灰度值属于同一灰度类间的像素属于同一类。根据处理像素的方式分类，阈值法可分为基于局部和基于全局两大类。全局阈值法是指利用全局信息对整幅图像求出最优分割阈值，可以是单阈值或多阈值；局部阈值是把原图像分为几个小的子图像，再在每个子图像上使用全局阈值法，也可认为局部阈值是局部化的全局阈值。目前广泛使用的单阈值分割方法为以下两种：

1.2.1 最大方差阈值分割(OTSU)

OTSU是一种使用最大类间方差最大的自动确定阈值的方法，又叫大津法。它是按图像的灰度特性，将图像分成背景和目标两部分，背景和目标之间的类间方差越大，说明构成图像的两部分的差别越大。因此，使用类间方差最大分割就是寻找使方差最大的最优阈值。

1.2.2 自适应阈值分割

在实际情况中，由于照明不均匀、突发噪声、或背景灰度变化较大时，整幅图像分割将没有合适的单一阈值，如果仍采用单一阈值，可能会发生错误划分，因此，人们提出了自适应阈值分割。自适应阈值分割的思想是针对图像中的每个像素，其对应的阈值可能不相同，利用不同的的阈值对图像进行分割处理。

阈值分割是灰度图像分割中的一个较常用的方法。对于目标与背景反差较大的图像，阈值分割是一种简单、有效的分割方法，但对噪声很敏感。岩石图像中，由于采集环境的恶劣性和岩石表面自身存在的许多噪声点，导致阈值分割后的目标会有很多噪声点及欠分割。

1.3 基于数学形态学的分割方法

数学形态学[4]的基本思想是用具有一定形态的结构元素去量度和提取图像中的对应形状，以达到对图像分析和识别的目的。基本运算有膨胀、腐蚀、开运算和闭运算等。

1.3.1 颗粒分析法[5]

假定用半径逐渐增大的圆形结构去腐蚀，对于相继两次腐蚀，后一次腐蚀将消失的前一次腐蚀结果中的连通分量为极限腐蚀集。我们认为极限腐蚀集中的每个不连通分量各代表一个颗粒的中心，据此进行加厚并保持其不连通性，则可得这些颗粒间的分割线。

1.3.2 分水岭法

分水岭法[6]是建立在数学形态学理论基础上的一种基于区域的图像分割算法。它的基本思想是将梯度幅值图像看作一幅地形图，梯度对应于海拔高度，图像中不同梯度值的区域对应于山峰和山谷间的盆地；在每个局部极小值点的位置上打一个洞，将地形图逐渐浸入一个湖中，全局最小值点的盆地先进水；水位逐渐上升漫过盆地，当相邻两个盆地的水即将合并时，在两个盆地之间建坝拦截，就将图像划分为许多山谷盆地，分水岭就是分割这些盆地的堤坝。分水岭法中，分水岭代表边缘，分割的主要目标就是找到分水线。

分水岭算法对微弱边缘具有良好的响应，图像中的噪声、物体表面细微的灰度变化，都会产生过分割现象，因此利用传统分水岭处理矿岩颗粒图像时，会出现许多欠分割和过分割现象，也无法处理岩块间的粘连问题。

可知，传统单一的图像分割方法对矿岩颗粒这类特殊目标群体的分割效果不佳，边缘模糊、断裂，噪声干扰，形状复杂是这类图像分割中的主要问题，因此我们需要寻求更完善、更适宜的图像处理方法来处理矿岩颗粒图像。

2 结合特定理论的矿岩颗粒图像分割方法

传统的分割算法能大致将目标的轮廓提取出来，但在矿岩颗粒图像中，各种岩石颗粒会出现复杂情况，如迭加、重叠等，致使单一、简单的分割算法无法达到精确的分割效果。如边缘检测法检测到的边缘经常是非闭合的，无法检测出重叠部分的边界，部分目标之间会有粘连情况；传统分水岭法由于伪极小值的存在，会出现判断错误的分割线，易造成过分割；当目标与背景灰度不明显时，阈值分割会出现目标背景误判、缺失的问题，丢失图像的大量原始信息，易造成欠分割。随着各学科新理论和新方法的提出，许多交叉领域的理论、方法和工具相结合的分割技术也随着诞生，研究者们提出许多结合多理论的新方法，如基于特征空间聚类的算法、基于小波变换的分割技术[7]等，并将它们应用于矿岩颗粒的分割，取得了一定的效果。。

2.1 基于分水岭的改进分割算法

传统的分水岭方法容易受到噪声的影响，并且由于伪极小值点的存在，过分割现象严重。因此，如何克服传统分水岭算法的过分割现象一直是研究的重点。目前的两种克服手段是标记法和图像变换法。标记法能够记录每个待分割的目标区域，提高分割的精确度，如高丽等[8]提出的基于标记的分水岭图像分割算法；图像变换法是将经过一定变换后的图像作为分水岭算法的输入图像，如二值图像的距离图。

为降低分水岭算法产生的过度分割，可以对梯度函数进行修改，一个简单的方法是对梯度图像进行阈值处理，以消除灰度的微小变化产生的过度分割。董柯、蒋大林[9]提出了一种基于改进分水岭变换的矿石图像分割算法，结合局部自适应阈值法和基于区域合并的分水岭变换对传送带上的破碎岩石进行分割，解决了现有算法的光照适应性差的问题，可以很好地应用于复杂的采矿现场；刘娜等[10]提出了基于形态重构的分水岭岩石图像分割方法，在梯度图像上进行形态学重建，并结合分水岭算法进行分割，该方法能够避免传统分水岭变换存在的过分割现象；霍青松等[11]提出一种结合Freeman链码和分水岭算法的图像分割方法，采用Freeman链码进行预处理，再结合分水岭算法可有效抑制过分割现象；王桂芹等[12]提出基于FCM和标记分水岭的粘连图像分割，该方法对粘连岩石颗粒图像有较好的实验效果。

2.2 基于阈值的改进分割算法

阈值分割法是最简单的一种二值化方法，可以很好地将背景与目标区分开来。目前使用的单阈值分割即可满足大部分图像的分割要求，但对于矿岩图像，阈值处理后的岩石表面会存在许多黑白点，这些黑白点是由于噪声和岩石表面的纹理造成的，另外许多小岩石由于灰度与背景区别不大，会被误判为背景区域。针对一般的阈值分割存在的问题，李静、王卫星[13]提出一种递归BCV阈值算法，该算法产生的自适应阈值没有使临近的分割区域产生裂缝，也不需要进行插值操作；璩世杰等[14]采用双阈值亮点膨胀循环处理进行块度测量；阳波、段吉安[15]提出在阈值图像上使用细化算法的分割方法，成功分离了粘连的岩石块。

2.3基于聚类分析的改进分割算法

对于与岩石、岩体有关的工程问题，往往需要对岩石或岩体的强度、变形、完整性、稳定性等作出评价。随着科学技术的发展，迫切需要对这些模糊概念进行定量化和数字化描述。聚类分析[16]是将数据集合中的对象按照一定标准划分成若干个类的过程，使得同一类的对象具有较高的相似度，而不同类的对象之间相似度较低，或者说不同类之间的对象差异较大。聚类分析按照不同的分类标准可以进行不同的分类，按照隶属度的取值范围可以分为两类：硬聚类算法和模糊聚类算法。传统硬聚类算法隶属度只有两个值：0或1；模糊聚类算法隶属度的值为[0,1]之间，其中K-均值、模糊C-均值(FCM)等是最常用的分类算法。虽然聚类分析不需要训练集，但需要事先确定分类个数，且初始参数对分类结果影响较大，需要借助其他算法对数据集进行预处理；另一方面，由于聚类分割没有考虑空间信息，因此对噪声敏感。叶青、周云才[17]提出一种粗糙熵和K均值聚类相结合的岩心图像分割方法，利用K均值聚类算法对图像进行区域分割，再利用粗糙熵对各分割结果进行目标提取，达到多阈值分割的目的。

2.4 边缘与区域相结合的分割[18]

边缘检测能够获得灰度或彩色值的局部变化强度，区域分割能够检测特征的相似性与均匀性。边缘与区域的结合，可以通过边缘点的限制，避免区域的过分割；同时，通过区域分割补充漏检的边缘，保证了边缘的闭合性。结合的方法可以是先进行边缘检测和连接，再比较相邻区域的特征，若相近则合并；也可以是对原始图像分别进行边缘检测和区域生长，获得边缘图和区域片段图后，再按一定准则融合，得到最终分割结果。Zhou等[19]提出了集成边缘检测和区域增长算法的岩石薄片图像分割方法，提升了岩石图像分割效果。

2.5 支持向量机

岩石图像一般具有目标灰度分布不均匀、边界模糊等特点，基于区域或边缘的分割方法，很难达到好的分割效果。支持向量机(SVM)实质就是寻找一个最优分类超平面，并把此分类面作为分类的依据。此外它引入了核函数的概念，避免了从低维向量空间到高维向量空间转化时的维数灾问题，具有速度快、分类效果好等优点。张杰等[20]提出一种基于支持向量机的岩石薄片图像分割方法，其对多类岩石的分割效果优于多阈值分割方法；李素蓉等[21]提出基于支持向量机的岩爆模式识别及预测，将支持向量机应用于岩爆预测，并取得了较好的效果；杨佳佳等[22]提出基于改进的SVM技术和高光谱遥感的标准矿物定量计算，提高了反演的准确率，可以系统地对岩浆岩进行科学评价。

2.6 多尺度分割

图像分割是计算机视觉研究中的核心问题和难题之一，一直以来受到广大研究人员的关注。近年来发展起来的多尺度分割算法，既能很好地反映图像领域间的空间关系，又提供了灵活的表现形式，因此对特征的进一步提炼十分有益。叶润青等[23]提出基于多尺度分割的岩石图像矿物特征提取及分析方法，克服了传统目视鉴定中存在的主观性强、定量困难等问题，有助于岩石图像的地学理解和定量分析。

2.7 基于小波变换的分割技术

矿岩颗粒图像的灰度分布复杂，岩石形状不规则，遮挡现象严重，如阈值等简单的分割方法，无法得到精确的岩石边界。小波变换具有检测局域突变的能力，是现在用来检测图像边界的良好工具。栾丽华、郭连军[24]提出基于二维小波变换的爆堆矿岩边缘检测，将小波的独特性质应用于矿岩图像的识别中，结合多尺度信息去除噪声和保留边缘，得到了良好的效果；栾丽华、郭连军[25]提出矿岩破碎粒度的智能识别与测量，将小波边缘检测技术应用于爆堆图像分割处理中，结合膨胀技术和短链删除技术，对矿岩图像进行分割。

3 矿岩颗粒图像分割方法的可能发展

多种新型、特定的理论用于矿岩颗粒分割处理中，改善了传统图像处理方法的分割效果，但依然没有一种方法可以满足岩石分割的所有要求，设计一套可以适用于任意形态的岩石图像的系统将是今后研究的目标。我们可以从其他领域出发，试着将一些新的方法和理论应用于岩石分割中，探索这些方法的可行性。

3.1 图论

基于图论[26]的图像分割是一种自上而下的全局分割方法，它结合了图论方法易于处理数据局域特征和目标函数易于处理全局信息的优点，在局部特征和全局特征之间找到了一种平衡，使得算法具有较强的鲁棒性。目前常用的图论分割方法有：智能剪、归一化切分、图切割、随机游走、等周算法等。

一般的矿岩图像有着大小不一、重叠、纹理复杂等现象，单纯基于灰度来对矿岩颗粒图像进行处理，会出现分割不均、欠分割等问题。基于图论的图像分割算法着眼于全局，更注重局部数据的处理，比一般方法更容易获得较佳的效果。图论的相关理论已用于医学细胞[27]及其他一些特殊领域，并取得了一定的进展。将图论相关理论应用于矿岩颗粒分割领域，或与其他经典分割算法进行融合，将是矿岩分割研究的一个新方向。

3.2 模糊聚类

当聚类分析[16]涉及到模糊界限时，就需运用模糊数学的方法解决，模糊聚类方法[28]由然而生。由于图像在成像过程中会受到很多因素的干扰，使得图像中的目标和背景之间存在一定的模糊性，这就需要用模糊理论来加以解释。模糊理论对于图像的这种不确定性有很好的描述能力，故可以将模糊理论引入图像处理中，FCM(模糊C-均值)是目前较为常用的模糊聚类方法。矿岩颗粒图像由于采集环境的恶劣性，图片中的岩石边缘会存在很多的模糊边界，可以考虑将模糊聚类方法应用于矿岩颗粒分割中。

3.3 水平集

水平集方法是由Osher和Sethian[29]提出的，它将二维(三维)的闭合曲线(曲面)演化问题转化为三维(四维)空间中水平集函数曲面演化的隐含方式来求解，避免了对拓扑结构变化的处理，计算稳定，故广泛用于图像处理中。

在Chan和Vese[30]提出的基于简化Mumford-Shah模型的水平集图像分割方法的基础上，李俊等[31]提出的改进水平集方法具有快速收敛、耗时短、全局优化的优点，非常适合于生物医学领域中的图像分割问题。工业矿岩领域中的岩石分割相当于形状复杂的细胞分割，因此我们可以尝试将水平集的相关理论成果应用于矿岩颗粒的分割处理中。

4 结论

矿岩图像是计算机图像分析技术所面临的一种特殊对象，岩块边界能否正确判读和识别是采用计算机图像分析法实现矿岩块度快速准确测量的关键，而岩块分割则是识别岩块边界的首要工作。

本文就矿岩分割领域，概括总结了国内矿岩颗粒分割的研究现状，分别就传统分割方法和新型分割方法提出了例证，发现单一、传统的图像分割方法已经无法满足矿岩颗粒分割所要求的精确度，结合新理论的分割方法在其抗干扰性、鲁棒性、精度等方面都有所提高。但由于矿岩块的特殊性，仍有待进一步的研究与探索。重视多种分割方法的结合，针对特殊领域的特殊问题，利用相关专业知识辅助解决图像分割问题，是今后包括矿岩颗粒图像处理在内的图像研究的主要研究方向。

[1] Cassidy R, Morrow P J, McCloskey J. A machine vision system for quantifying velocity fields in complex rock models[J].Machine Vision and Applications, 2006,16(6):343-355.

[2] Ma G H, Wang C, Liu P, et al. Sequential similarity detection algorithm based on image edge feature[J].Journal of Shanghai Jiaotong University (Science), 2014,19(1):79-83.

[3] 韩思奇,王蕾.图像分割的阈值法综述[J].系统工程与电子技术,2002,24(6):91-94.

[4] 张硕,彭冬亮.基于数学形态学的细胞图像分割[J].杭州电子科技大学学报,2008,28(6):52-55.

[5] 唐晓泉,首祥云,陈世悦,等.条件颗粒分割方法研究[J].中国图象图形学报,2004,9(5):55-60.

[6] Makrogiannis S, Vanhamel I, Fotopoutos S, et al. Watershed-based multiscale segmentation method for color images using automated scale selection[J].Journal of Electronic Imaging, 2005,14(3):1-16.

[7] 李洪艳,曹建荣,谈文婷,等.图像分割技术综述[J].山东建筑大学学报,2010,25(01): 85-89.

[8] 高丽,杨树元,李海强.一种基于标记的分水岭图像分割新算法[J].中国图象图形学报,2007,12(6):1 025-1 032.

[9] 董柯,蒋大林.基于改进分水岭变换的矿石图像分割算法[J].计算机工程与设计,2013,34(3):899-903.

[10] 刘娜,郭连军,赵楠楠.基于形态重构的分水岭岩石图像分割方法[J].辽宁科技大学学报,2010,33(5):495-498.

[11] 霍青松,周鹏勃,周明全.分水岭算法在矿物显微图像分割中的应用[C].图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集,北京：[出版社不详]，2008.

[12] 王桂芹,王正勇,罗代升.基于FCM和标记分水岭的粘连岩石颗粒图像分割[J].四川大学学报:自然科学版,2012，49(2):356-360.

[13] 李静,王卫星.降落岩石骨料图像阈值分割算法[J].金属矿山,2004(6):42-45.

[14] 璩世杰,张厚科,许文耀.矿岩块度计算机图像分析技术的研究与应用[J].金属矿山,1999(1):7-10.

[15] 阳波,段吉安.基于细化的岩石图像分离算法[J].计算机与数字工程,2008,36(7):1-11.

[16] Yang X W, Zhang G Q, Jie L, et al. A Kernel Fuzzy c-Means Clustering-Based Fuzzy Support Vector Machine Algorithm for Classification Problems With Outliers or Noises[J].Fuzzy Systems, IEEE Transactions on, 2011,19(1):105-115.

[17] 叶青,周云才.一种粗糙熵和K均值聚类相结合的岩心图像分割方法[J].长江大学学报:自然科学版,2008,5(1):68-71.

[18] 王爱民,沈兰荪.图像分割研究综述[J].测控技术, 2000,19(5):1-6.

[19] Zhou Y, Starkey J, Mansinha L. Segmentation of petrographic images by integrating edge detection and region growing[J].Computers & Geosciences, 2004,30:817-831.

[20] 张杰,滕奇志,王正勇.基于支持向量机的岩石薄片图像分割[J].成都信息工程学院学报,2007,22(2):186-189.

[21] 李素蓉,唐礼忠,白冰.基于支持向量机的岩爆模式识别及预测[J].交通科学与工程,2010,26(3):46-51.

[22] 杨佳佳,姜琦刚,赵静,等.基于改进的SVM技术和高光谱遥感的标准矿物定量计算[J].吉林大学学报:地球科学版,2012,42(3):864-871.

[23] 叶润青,牛瑞卿,张良培.基于多尺度分割的岩石图像矿物特征提取及分析[J].吉林大学学报:地球科学版,2011,41(4):1 253-1 261.

[24] 栾丽华,郭连军.基于二维小波变换的爆堆矿岩边缘检测[J].工程爆破,2011,17(3):25-28.

[25] 栾丽华,郭连军.矿岩破碎粒度的智能识别与测量[J].矿业研究与开发,2007,27(4):59-63.

[26] Wang L F, Pan C H. Robust level set image segmentation via a local correntropy-based K-means clustering[J].Pattern Recognition, 2014,47(5):1 917-1 925.

[27] Wang W X, TIAN L P, WANG Y. Segmentation of cell images based on improved graph MST and skeleton distance mapping[J].Optics and Precision Engineering, 2013,21(9):2 464-2 472.

[28] Gao X B, Xie W X. Advances in theory and applications of fuzzy clustering[J].Chin Sci Bull, 2000,45(11):961-970.

[29] Osher S, Sethian J A. Fronts propagating with curvature dependent speed: Algorithms based on Hamilton-Jacobi formulations[J].Journal of Computational Physics,1988,79(1):12-49.

[30] Chan F T, Vese L. Active contours without edges[J].IEEE Trans Image Processing,2001,10(2):266-277.

[31] 李俊,杨新,施鹏飞.基于Mumford-Shah模型的快速水平集图像分割方法[J].计算机学报,2002,25(11):1 175-1 183.

(责任编辑：张英健)

Research of Ore Particle Image Segmentation Methods

YANG Dandan

(School of Physics and Information Engineering, Fuzhou University, Fuzhou Fujian 350000, China)

In the mine field, existence form of various ore particles is complex and changeable. How to make a good segmentation of various rock directly affects the cost of production and equipment needs. Traditional ore particle segmentation is carried out with perusal and description, which is poor in subjectivity, instantaneity and difficult to quantify, so digital picture processing technique is proposed in study of rock segmentation. In order to find out which method is best suited for the segmentation of ore-bearing rock particles, in allusion to the segmentation of ore particles, a summary of domestic existed ore segmentation algorithms is made through introducing both traditional and new image segmentation methods respectively, an outlook of the later ore particle image segmentation methods is made.

ore-bearing particles; image segmentation; threshold segmentation; watershed; cluster

2014-05-19

国家自然科学基金资助项目(61170147)

杨丹丹(1991-)，女，福建福州人，硕士研究生，主要研究方向为图像处理。

TP391.4

A

1671-5322(2014)03-0036-05