基于双阈值级联分类器的金相图识别研究

刘锐 张长胜 张汉平

摘要：图像分类识别技术主要处理彩色或灰度图像，使用图像特征提取方法提取出同类样本的共性及不同样本的差异性，再配合恰当的分类器设计得到較高的分类识别率。选取200个锡基合金，通过二值化、形态学边缘提取和扫描线种子填充算法寻找封闭区域，用改进的多边形包含算法进行封闭区域包含判定，提取出金相组织的形状特征。对识别的金相组织设计双阈值级联分类器，根据特征识别进行归类。实验结果表明，所设计的分类器测试精度达到96%，识别速度快，能满足实际需求。

关键词：图像分类；多边形包含；边缘提取；特征识别；双阈值级联

DOIDOI：10.11907/rjdk.172823

中图分类号：TP317.4

文献标识码：A 文章编号文章编号：1672-7800（2018）008-0212-04

英文摘要Abstract：The processing object image classification technology mainly deals with color or grayscale images，using image feature extraction method to extract similar samples properly，similarities，differences in the different samples，the classification with the appropriate classifier design is finally able to get a higher rate； 200 tin alloy were selected through the binarization.Morphological edge extraction and scan line seed fill algorithm were employed to find the closed areas which include judging by the improved algorithm of polygon.The shape features of the metallographic structure are extracted.A double threshold cascade classifier is designed to classify the recognition tissue according to the feature recognition.Experimental results show that the accuracy of the proposed classifier is 96%.The recognition speed is fast and the actual demand is met.

英文关键词Key Words：image classification ；polygon inclusion；edge extraction；trick recognition ；dual threshold cascade

0 引言

数字图像中的形状特征提取，大量运用于定位识别[1]、果类自动分级系统[2]、果类自动采摘[3]中，通常从颜色、形状、纹理3个特征进行提取[4]，用轮廓特征和区域特征表征形状特征[5]。

一般用提取对象的边界特征值表征轮廓特征，提取对象的整个区域特征表征区域特征。文献[6]采用分支限界法对对象的骨架图进行匹配提取区域特征。文献[7]利用径向基网络成功实现遥感影像的识别分类。上述方法效率高，但计算量大。文献[8]利用SUSAN算子识别图像中角点信息，该方法适用于特征单一对象，对特征算子的要求比较高。

本文运用图像阈值分割、边缘提取等方法有效地识别出锡基合金金相图中各相的形状特征，并采用改进方法识别金相图中的包含关系，对被包含部分进行区分，最终获得金相组织的形状特征。本文根据上述方法识别出来的形状特征参量设计了双阈值级联分类器，对金相图像中各相进行有效分类。

1 金相图组织成份提取

金相识别目的在于提取图1中白色不规则图形的轮廓和区域信息[9]。用边界搜索提取图像轮廓，进一步用区域填充提取区域特征信息。

1.2 形态学边缘检测及金相组织提取

用给定约束条件下的结构元素获取图像中与之相符合的形状特征[12]。相比于其它算法，形态学边缘检测能更好地表现图像集合特征。边缘检测处理结果如图3所示。

采用扫描线种子填充算法搜索封闭区域，并提取金相区域信息即可获得组织轮廓。

1.3 多边形包含算法改进

上述方法可获取位于较大封闭区域中的[13]封闭区域，如图3中的封闭区。这些区域为α固溶体，需要将其排除，使识别结果更准确。图4为没有进行区域包含判断，但被错误识别包含的α固溶体组织。

讨论图像的包含情况[14]，采用改进方法识别图像中多边形与多边形的位置关系。改进方法可有效识别包含区域，准确率有提高。改进方法如下：

图5（a）所示闭合区域R2在R1内，在R1上任取一点A，过A点向左作线段AB交图像边界于B。取A下一点C作CD平行于A，交图像边界于D。此时线段AB和线段CD与R2有一个交点，与R3有两个交点，与R4无交点，即当线段与封闭区有奇数个交点时，R1被闭合区域包含，为偶数则不包含。

图5（b）中闭合区域R2在R1内，在R1上任取一点A，过A点向左作线段AB交图像边界于B。取A下一点C作CD平行与A交图像边界于D。图5（b）中AB与R3相切，图5（c）中R2内切R1，与A点AB均与封闭区域有偶数个交点，即当两条线段与封闭区存在奇数个交点时，R1被封闭区包含，都为偶数时不包含。

图5（d）中R2被R1包含，若从R2上A向左作一条线段AB，则B是图像左边缘上的一点。取A下一点C作CD平行于AB，此时线段AB与封闭区域有6个交点，CD与封闭区域有4个交点。如果用图6（a）判断，则R2不被R1包含，因此需要将相邻的像素点看作一个点。

2.2 外接矩长宽比提取

通过图8可分析出方块状组织长宽比条状或放射状组织要大，可采用此特征进行区分。本文选择MABR（最小面积外接矩形）表征多边形的外接矩形。

2.3 双阈值级联分类器

对 200 个 Cu6Sn5、SnSb 组织进行紧凑度和长宽比计算。从图9可以看出，使用单一的紧凑度进行分类，会出现图中Ⅰ区域浅色和Ⅱ区域深色数据误分类现象；单独使用长宽比进行分类，同样会出现Ⅰ区域深色和Ⅱ区域浅色部分数据误分类现象。可以看出，采用单特征分类器进行分类会使结果出现明显偏差[15]。

3 实验结果与分析

本文实验素材均来自笔者所在材料学院，从这些金相图提取100个SnSb及Cu6Sn5共计200个金相组织构成训练样本，再各选取50个SnSb和Cu6Sn5组织作为测试样本，测出每个样本的紧凑度和长宽比数据。将测得数据输入分类器进行训练和分类，识别结果（部分）见图10。根据表1可知分类器用时较少，测试精度达到96.1%，识别率高、耗时短，可满足应用需求。

4 结语

本文利用阈值分割、边缘识别等一系列方法提取金相图中各相的轮廓特征，利用改进的多边形包含算法很好地剔除了金相组织中被包含的部分。利用双阈值级联分类算法对锡基合金图中的各相进行分类，能在较短时间内高效识别金相组成。根据识别结果计算各相组织含量，进一步分析各相组织含量与合金硬度之间的关系，对锡基合金具有一定意义[16]。

参考文献：

[1] 倪健.基于图案形状特征的机器视觉定位技术的研究与开发[D].无锡：江南大学，2013.

[2] 赵茂程，侯文军.我国基于机器视觉的说过自动分类技术及研究进展[J].包装与食品机械，2007，25（5）：5-8.

[3] 王辉.机器视觉技术在果园自动化中的应用研究[D].中国农业机械化科学研究院，2011.

[4] 汪启伟.图像直方图特征及其应用研究[D].合肥：中国科学技术大学，2014.

[5] 孔珊珊.基于形状特征的图像检索系统[D].太原：太原理工大学，2013.

[6] ZHU S C，YUILLE A L.FORMS：a flexible object recognition and modeling system[J].International Journal on Computer Vision，1996，20（3）：187-212.

[7] 骆剑承，周成虎，杨艳.基于径向基函数（RBF）映射理论的遥感影像分类模型研究[J].中国图象图形学报，2004（2）：94-99.

[8] 贺菁，李庆华，王新赛.基于方向性SUSAN 算子的图像角点特征提取[J].小型微型计算机系统，2008，29（3）：508-510.

[9] 肖鹏，徐军，陈少冲.纹理特征提取方法[J].电子科技，2010，23（6）：49-51.

[10] OTSU N.A thresh selection method from gray-level histograms[J].IEEE Transactions on System Man and Cybemetic，1979，9（1）：62-66.

[11] 乔万波，曹银杰.一种改进的灰度图像二值化方法[J].电子科技，2008 （11）：63-64.

[12] 傅茂名.基于形态灰度边缘检测算法的一種改进[J].电子科技大学学报，2005，34（2）：206-209.

[13] 陆宗骐，朱煜.使用线段表实现线段编码与种子填充快速算法[J].中国图象图形学报，2009，14（3）：499-504.

[14] 江平，刘民士.射线法判断点与包含简单曲线多边形关系的完善[J].测绘科学，2009，34（5）：220-222.

[15] 张国英，沙芸，刘玉树.模式识别中基于Boosting的特征筛选[J].北京理工大学学报，2004（7）：613-616.

[16] 崔凤奎，王晓强，张丰收.定量金相分析算法及实现[J].材料科学与工艺，2000（3）：109-112.

（责任编辑：杜能钢）