GVF Snake模型在木材表面缺陷分割的应用研究

白雪冰，郭景秋，陈 凯，李 昊，许景涛

（东北林业大学 机电工程学院，黑龙江 哈尔滨 150040）

GVF Snake模型在木材表面缺陷分割的应用研究

白雪冰，郭景秋，陈 凯，李 昊，许景涛

（东北林业大学 机电工程学院，黑龙江 哈尔滨 150040）

针对木材表面存在纹理、凹凸结构、边缘颗粒和弱边缘等特点，对其直接运用Snake模型进行分割难以得到有效边缘提取，因此提出运用改进的GVF Snake 模型和维纳滤波相结合对其进行分割。首先对木材图像进行维纳滤波使得纹理变得平缓，同时可以使得缺陷边缘得到有效保留，再对其进行GVF Snake模型分割。该算法对初始轮廓的选择敏感度降低，拓展性增强，可以使得轮廓曲线更加快速地收敛到缺陷边缘，避免陷入局部最优现象，提高对弱边缘和凹凸图像分割效果，分割结果更加清晰、连贯，具有良好的实时性。为木材表面缺陷的分割提供一种更为有效的方法，拓宽了snake模型的应用范围。

木材表面缺陷；木材图像分割；GVF Snake模型；维纳滤波相

长期以来，木材已经在国家建设中被广泛地使用，对于我国的经济发展起到了重要作用，但是我国木材资源相对比较匮乏，严重影响林业经济的快速发展[1]。近年来，我国对木材进口数量方面逐年增加，因为木材表面缺陷会严重影响其质量、性能及利用价值，因此对木材表面缺陷的分割检测有十分重要的意义。目前，人工检测仍在国内广泛应用，但是检测结果会受到人的主观判断影响，同时使得劳动强度巨大、检测效率低下。相比之下，用计算机视觉技术来代替人工检测，实效性更高，自动性更强。但由于木材表面的缺陷受到其呈现的形状、面积大小、自然纹理等影响，利用各种缺陷分割方法得到的效果往往不佳[2]。

Snake模型的出现改变了这种状况，并且在医学图像的轮廓提取、遥感图像提取和分析、虹膜定位和识别、视频对象跟踪检测等领域广泛应用。Snake模型可以有效的获得边缘信息，实现轮廓的精确提取，有较好的简洁性与实用性[3]。但是Snake模型在初始轮廓选定方面比较敏感，必须设定在目标轮廓邻近区域，否则将无法有效地收敛到边界轮廓；搜索范围较小，容易陷入局部区域的极小值而使得轮廓线停止演化，甚至造成误分割现象[4]； 缺少自适应性，轮廓曲线难以靠拢到相对凹陷较深的图像边缘[5]。

针对木材表面缺陷图像特点和以上Snake模型的不足，本研究运用改进的GVF Snake模型和维纳滤波相结合的方法，对典型的木材缺陷图像——死结、活结、虫眼进行实验，同时与传统的Snake模型进行对比实验和分析，证明本研究改进算法适用木材表面缺陷的分割，分割更加快速有效，精度更高。

1 SNAKE 模型介绍

1.1 传统的SNAKE模型

Kass于1987年提出的Snakes模型，主要思想是定义一个能量函数，设定函数的轮廓线的初始位置，使得其向边缘逐渐接近[6]，寻找其能量函数的局部极小值，即对所定义的能量函数采取动态优化方式来不断地逼近目标的真实边界处[7]。该模型由一组控制点：v(s)=[x(s)，y(s)] s∈[0，1]组成，构成一条轮廓线，其中x(s)和y(s)表示每个控制点的坐标， s 描述的是边界自变量，在控制点上定义能量函数如式（1）所示：

式(1)中三项分别表示的是弹性能量、弯曲能量和外部能量[9]。前两项用于控制轮廓线的弹性变化，使其连续并且平滑。而第三项定义为外部能量，描述变形曲线与图像局部特征二者的匹配情况[10]。Snake模型在这组能量的共同作用下，把图像分割算法转化为求解式(1)的极小化过程。但是Snake模型在初始轮廓线的定位较为敏感，在收敛过程中很容易陷入局部极值区域，而且轮廓线无法逼近凹陷较深的目标区域，不能自动拓扑等[11]。

1.2 GVF SNAKE 模型

为了解决传统Snake模型的不足，以及考虑到木材缺陷图像自身复杂的特点，本研究运用改进的GVF Snake模型，用GVF场代替经典外力场。GVF场可以有效地逼近图像梯度场，有良好的收敛性，设置活动轮廓线位置更加自由，使模型捕捉的范围得到了提高，而且能使活动轮廓逼近凹陷区，得到进一步的准确分割。Xu和Prince提出的GVF梯度矢量场定义为V(x, y)=[u(x, y)，v(x, y)]，其中u(x, y)、v(x, y)是V(x, y)的两个分量，使用的能量泛函最小矢量场[12]：

式(2)中，右边积分项第一个表示平滑项，第二个表示数据项，x、y为像素的坐标，μ表示加权系数，ux、uu、vx、vy分别表示 u、v在 x、y方向上的一阶偏导，f表示图像I的边缘， ∇f表示f的梯度场[8]。 使用变分方法，利用欧拉方程组求解能量泛函的极小化值，如式（3）和式（4）所示：

式（3）和式（4）中，2∇ 表示拉普拉斯算子，fx、fx2、fy2为x、y的一阶到数和二阶导数，利用上式求解过程得到GVF场，其中I(x, y)均匀范围内，f(x, y)梯度值为0，方程第二项等于0，这样目标边界的GVF场最大，GVF力场是该范围内所有GVF场的矢量和，主要还是由目标便捷的相量产生，表现出边界向量的两性竞争关系，使得GVF力场形成的作用力收敛到凹陷区域。

2 维纳滤波处理

维纳滤波器属于平滑滤波器的一种，用于减小图像噪声干扰，对其进行模糊处理，经常在图像的预处理中使用，它以最小均方误差为准则，求得最佳先行滤波器的参数，进而达到自适应地滤除图像中的干扰噪声，比线性滤波效果更好，同时可以使图像边缘得到更好地保留[13]。由于木材表面缺陷比较复杂的特性，如果对其直接运用Snake模型进行缺陷的分割，很难使得轮廓线有效地收敛到边缘，另外由于受到纹理和边缘颗粒等噪声干扰，会使得轮廓线收敛速度变慢，迭代次数的增加，实时性效果较差。所以在木材图像进行分割之前，对其进行维纳滤波处理操作，可以有效地解决以上存在的困难，使得分割更加精确，更加快速，可视性更强。

3 结果与分析

本实验组针对3类典型的木材表面缺陷图像做对比实验研究。实验所用图像如图1实验原图像所示，其中图1(a)为活结图像，图1(b)为死结图像，图1(c)为虫眼图像。

（1）活结实验

图1 实验原图像对比Fig.1 Contrast of three images of wood defects

对原图1(a)直接运用Snake模型进行分割，首先把原彩色空间图像转化为灰度空间图像，确定Snake初始轮廓线位置，如图2(a)所示，所对应的力场分布图3(a)所示，根据需要合理的选择模型参数进行曲线演化，图2(b)、图2(c)、图2(d)、图2(e)分别为迭代次数n为25、55、95、150的分割效果图，图3(b)、图2(c)、图2(d)、图2(e)分别为相应的曲线在力场作用下变化效果图。从实验过程可以看出，轮廓线在立场的作用下逐渐收敛，但是基于Snake原理曲线在外部能量、弯曲能量和弹性能量3者的共同作用下向着局部能量最小区域演化，容易陷入局部极值，不具备自动拓扑变换功能等[14]，所以使得曲线无法收敛到缺陷图像的边缘。

图2 活结传统Snake模型的分割过程Fig.2 Segmentation process of traditional Snake model for living scar

图3 活结传统Snake模型力场分布Fig.3 Force fi eld distribution of traditional Snake model for living scab

对原图1(a)运用改进Snake模型和维纳滤波算法进行分割，首先对原图1(a)进行维纳滤波，去除纹理等噪声干扰，使得图像纹理变得模糊，同时又有效的保存了图像的边缘，然后再对其运用GVF Snake模型分割，首先把维纳滤波后彩色空间图像转化为灰度空间图像，确定Snake初始轮廓线位置，如图4(a)所示，所对应的力场分布图5(a)所示，根据需要合理的选择模型参数进行曲线演化，图4(b)、图4(c)、图4(d)、图4(e)分别为迭代次数n为10、30、60、95的分割效果图，图5(b)、图5(c)、图5(d)、图5(e)分别为相应的曲线在力场作用下变化效果图。从实验过程可以看出，对图像进行维纳滤波后，曲线收敛速度的更快，另外基于GVF Snake模型的优点，在梯度矢量流的GVF力场下，使得外力作用增强，使得轮廓线可以在区域能量最小化的同时有效的拓展，不断的向目标边界靠拢。本算法可以使得迭代次数明显减少，分割速度更快，轮廓线有效地收敛到缺陷图像的边缘而停止。

（2）死结实验

图4 活结改进Snake模型分割过程Fig.4 Segmentation process of improved Snake model for living scab

图5 活结改进Snake模型力场分布Fig.5 Force fi eld distribution of improved Snake model for living scab

对原图1(b)直接运用Snake模型进行分割，首先把原彩色空间图像转化为灰度空间图像，确定Snake初始轮廓线位置，如图6(a)所示，所对应的力场分布图7(a)所示，根据需要合理的选择模型参数进行曲线演化，图6(b)、图6(c)、图6(d)、图6(e)分别为迭代次数n为55、105、195、245的分割效果图，图7(b)、图7(c)、图7(d)、图7(e)分别为相应的曲线在力场作用下变化效果图。从实验过程可以看出，由于图像有细密的纹理干扰，使得轮廓线变得弯曲和锯齿状，使得迭代次数较多，收敛缓慢，而且容易陷入局部极小值，无法将初始轮廓外的边界有效的分割出来[15]。

图6 死结传统Snake模型分割过程Fig.6 Segmentation process of traditional Snake model for dead scab

图7 死结传统Snake模型力场分布Fig.7 Force fi eld distribution of traditional Snake model for dead scab

对原图1(b)运用改进Snake模型和维纳滤波算法进行分割，同样对原图1(b)进行维纳滤波处理，然后再对其运用GVF Snake模型分割。首先把维纳滤波后彩色空间图像转化为灰度空间图像，确定Snake初始轮廓线位置，如图4-8(a)所示，所对应的力场分布图9(a)所示，根据需要合理的选择模型参数进行曲线演化，图8(b)、图8(c)、图8(d)、图8(e)分别为迭代次数n分别为30、55、80、110的分割效果图，图9(b)、图9(c)、图9(d)、图9(e)分别为相应的曲线在力场作用下变化效果图。从实验过程可以看出，对图像进行维纳滤波后，轮廓线受到纹理干扰降低，曲线更加平滑，迭代次数明显减少，分割速度更快，在GVF立场的作用下可以更加有效的收敛到缺陷的凹陷区域。

图8 死结改进Snake模型分割过程Fig.8 Segmentation process of improved Snake model for dead scab

图9 死结改进Snake模型力场分布Fig.9 Force fi eld distribution of improved Snake model for dead scab

(3)虫眼图像

对原图1(c)直接运用Snake模型进行分割，确定Snake初始轮廓线位置，如图10(a)所示，所对应的力场分布图11(a)所示，根据需要合理的选择模型参数进行曲线演化，图10(b)、图10(c)、图10(d)、图10(e)分别为迭代次数n为35、75、95、130的分割效果图，图11(b)、图11(c)、图11(d)、图11(e)分别为相应的曲线在力场作用下变化效果图。从实验过程可以看出，由于初始轮廓线选取的位置偏离曲线较远，所以轮廓想在立场的作用下逐渐向着局部能量最小的方向收敛，最终远远的偏离了缺陷区域，得不到缺陷的边缘[16]。

图10 虫眼传统Snake模型分割过程Fig.10 Segmentation process of traditional Snake model for wormhole

图11 虫眼传统Snake模型力场分布Fig.11 Force fi eld distribution of traditional Snake model for wormhole

对原图1(c)运用同样的本研究改进算法，首先把维纳滤波后彩色空间图像转化为灰度空间图像，确定Snake初始轮廓线位置，如图12(a)所示，所对应的力场分布图13(a)所示，根据需要合理的选择模型参数进行曲线演化，图12(b)、图12(c)、图12(d)、图12(e)分别为迭代次数n为25、45、75、100的分割效果图，图13(b)、图13(c)、图13(d)、图13(e)分别为相应的曲线在力场作用下变化效果图。从实验过程可以看出，本研究改进算法对初始轮廓线选取并不敏感，经过维纳滤波后可以更快的收敛，同时在GVF力场下逐步寻求到真正最小化能量区域，有效的收敛到缺陷边缘，而且收敛曲线更加平滑，可视性更强。

图12 虫眼改进Snake模型分割过程Fig.12 Segmentation process of improved Snake model for wormhole

图13 虫眼改进Snake模型力场分布Fig.13 Force fi eld distribution of improved Snake model for wormhole

4 结束语

文中分析了传统的 Snake 模型存在的不足，针对木材表面缺陷图像特点，提出改进的GVF Snake模型和维纳滤波相结合的分割算法。实验结果证明：改进的方法使得初始轮廓的选取更加自由，可以更快速更准确地靠近真实缺陷边缘，得到更加平滑连续的分割效果图。

[1] 方 超.木材缺陷的图像检测技术[D]. 哈尔滨:哈尔滨工程大学,2010.

[2] 邹丽晖,白雪冰.数学形态学在木材表面缺陷图像分割后处理中的应用[J].林业机械与木工设备,2006,(12):65-73.

[3] 申 波.虹膜病理特征提取研究[D].哈尔滨:哈尔滨工业大学,2007.

[4] 张睿轩.医学图像边缘提取与分割的新算法研究[D].西安:西安电子科技大学,2012.

[5] 王建伟.Snake模型在医学图像分割中的应用[J].电脑知识与技术,2009,5(12):1016-1021.

[6] 覃武星.基于双层极坐标边缘检测和Snake模型的舌图像自动分割方法研究[D].合肥:中国科学技术大学,2009.

[7] 欧红旗.预印制图像的板材切割自动找正系统研究与开发[D].南京:南京航空航天大学,2010.

[8] 罗三定,王建军.一种医学图像的轮廓提取方法[J].计算机工程,2010, 5(36): 218-223.

[9] 高春庚,宋书中,马建伟.基于形状约束Snake模型的人脸轮廓提取[J].微电子学与计算机,2009,3(26):69-75.

[10] 陈 胜,王 沛.基于弹性匹配活动轮廓模型心脏超声图像分割[J].计算机应用与软件,2009,5(26):205-214.

[11] 郭海燕.图像分割算法研究及在工业CT中的应用[D].重庆:重庆大学,2009.

[12] 卢文静.光干涉图像骨架线提取的偏微分方法应用研究[D].天津:天津大学,2008.

[13] 陆善婷,杨敏红.双边滤波器在X射线图像平滑滤波中的应用[J].机电一体化,2013,1:56-63.

[14] 段先华,周则明,王平安,等.基于距离均衡化的自适应性动态轮廓模型[J].中国图象图形学报,2004,9(9):1033-1035.

[15] 薛 冰,高春庚,宋书中,等.基于改进Snake模型的医学图像分割[J].河南科技大学学报自然科学版,2010,31(2):54-57.

[16] 胡先莹.基于主动轮廓的图像分割技术研究[D].西安:西安电子科技大学,2012.

[17] 刘 帅,王 红,吴舒辞.基于无线传感器网络的木材干燥监测系统设计[J].中南林业科技大学学报,2013,33(11):170-174.

[18] 李树森,马文龙,曾剑锋,等.基于abaqus 的木材顺纹动态压缩仿真实验[J].中南林业科技大学学报,2013,33(4):102-105.

Application study of GVF Snake model in wood surface defects segmentation

BAI Xue-bing, GUO Jing-qiu, CHEN Kai, LI Hao, XU Jing-tao
(College of Machinery Electricity, Northeast Forestry University, Harbin 150040, Heilongjiang, China)

In view of the characteristics of wood surface texture, concave-convex structure, marginal particles, weak edge, etc.,it’s diff i cult for us to directly use Snake model to get effective edge detection. Therefore the improved GVF Snake model and Wiener fi ltering phase was combined to achieve the purpose of wood image segmentation. Firstly, Wiener fi ltering of the wood was conducted to make the wood image textured flatten, meantime the defected edges were effectively retained, and then the GVF Snake model segmentation for the sample wood was performed. The GVF Snake model algorithm made the sensitivity of the initial contour selection reduced, made the sample wood image strongly enhanced, further made the prof i le curves more quickly converged to the defected edges and avoided falling into local optimum phenomenon. Thereby improving the weak edges and uneven image segmentation, thus resulting the segmentation results more clear, coherent, with good real-time. It is proved that the given algorithm provides an effective method for wood defects segmentation, and broaden the application scope of snake model.

wood surface defects; wood image segmentation; GVF Snake model; Wiener fi ltering phase

S781.61；TP751

A

1673-923X(2015)02-0090-06

10.14067/j.cnki.1673-923x.2015.02.017

http: //qks.csuft.edu.cn

2014-08-11

黑龙江省自然科学基金项目（C201208）；黑龙江省博士后基金项目（LBH-Q10160）

白雪冰，教授，博士后；E-mail：2411430987@qq.com

白雪冰，郭景秋，陈 凯，等. GVF Snake模型在木材表面缺陷分割的应用研究[J].中南林业科技大学学报，2015, 35(2):90-95.

[本文编校：文凤鸣]