高速摄像环境下航天电连接器分离边缘提取算法

洪 涛 赵佃云

中国计量大学质量与安全工程学院，杭州，310018

高速摄像环境下航天电连接器分离边缘提取算法

洪 涛 赵佃云

中国计量大学质量与安全工程学院，杭州，310018

为了准确测量航天电连接器的分离距离，以深入研究其分离特性，提出了一种高速摄像环境下电连接器分离边缘的提取算法。该算法主要通过划分感兴趣区域选定待测量位置区域，经滤波处理后，利用小波变换算法增强图像的弱边缘信号，然后通过两次自适应阈值分割图像，并利用SUSAN算子进行边缘检测，进而提取边缘，获得准确的边缘信息。

高速摄像；小波变换；阈值分割；边缘检测

0 引言

航天电连接器(以下简称“电连接器”)最重要的质量特性是分离特性，包括分离距离、分离时间等分离性能参数。国内在电连接器质量领域的研究起步较晚，且多数研究侧重于其连接可靠性等方面[1-3]，目前尚未见通过测量电连接器分离过程进而深入研究其分离特性的文献报道。

由于电连接器内部与外部有颜色上的差异，通过选择合适的光源照明，故采用常规摄像机就能够获取清晰的测量位置图像。只有准确地提取电连接器测量位置图像的边缘特征，才能观测到电连接器高速运动的变化趋势，达到下一步高精度测量分离距离的要求。但由于受电连接器瞬间分离后插头的冲击振动、高速运动以及电连接器检测环境等因素影响，因而所采集的插头边缘图像产生运动模糊，这增大了边缘提取难度。如何有效消除运动模糊给图像处理带来的影响，一直是学者们研究的重点。梁若飞等[4]针对高分一号卫星玉米田遥感图像中玉米田光谱复杂和地块边缘模糊导致面积统计误差大的问题，提出了一种块模糊增强和最小值边缘提取相结合的边缘检测方法，进行玉米田地块分割处理，有效减小了面积统计误差；张文杰等[5]将微分算子和模糊边缘检测相结合，提出了一种基于邻域加权的多层次模糊边缘检测方法，有效解决了在低对比度图像、噪声图像中检测效果不理想的问题；尹士畅等[6]将小波变换与直方图均衡化相结合，通过对低频小波系数进行直方图均衡化处理，对高频小波系数进行阈值去噪，提出了一种实现图像增强的方法。上述方法都是在特定环境下针对不同研究对象提出的，处理电连接器高速分离图像的效果并不理想。

本文根据实际需要，通过分析电连接器在高速摄像环境下所成像的特性，提出了一种电连接器分离边缘的提取算法。

1 算法总体框架

在测量电连接器的分离特性时，其插座由专用的夹具夹持，被直接固定住，使得电连接器测量位置区域图像的插座边缘线显示比较明显。由于插头随着夹具中的动板一起高速运动，故电连接器测量位置区域图像的插头边缘会产生运动模糊。电连接器起始静止测量位置实物如图1所示，摄像机所采集图像为图2。

图1 电连接器起始静止测量位置Fig.1 Electric connector initial static measurement location

图2 电连接器测量位置图像
Fig.2 Electric connector location image measurement

电连接器开始分离时，高速摄像机同步进行分离图像采集，并分别存储在计算机和摄像机缓存中。选定感兴趣区域(region of interest，ROI)后，首先，截取电连接器测量位置的模糊区域，并对目标进行中值滤波处理，去除噪声，以满足进一步处理的需要；其次，通过小波变换图像增强算法，对低频小波系数进行非线性增强，对高频小波系数进行去噪处理，经小波重构得到增强图像；再次，通过两次自适应阈值分割图像，主要目的是找到更多的测量位置图像右边边缘像素点；最后，利用SUSAN算法进行边缘检测，提取边缘，获得准确的边缘信息。

根据以上实际特性，本文算法的总体框架如图3所示。

图3 算法流程图Fig.3 Algorithm flow chart

2 测量区域的选定与滤波

2.1 测量区域的选定

ROI是从被处理的图像中以多种方式勾勒出需要处理的区域。通过分析电连接器在高速摄像机下的成像特征及分离方向，确定ROI，以保证后续图像处理时获得足够的信息。本文选定的ROI如图4所示。

图4 ROI选定后的图像Fig.4 Image selected by ROI

2.2 中值滤波

在采集过程中，电连接器测量位置图像易受到测试环境、分离振动、高速运动等因素的影响，难免会产生噪声。这些噪声会造成电连接器测量位置图像质量下降，干扰因素过多，严重影响图像识别，因此，电连接器测量位置图像需要进行去噪。本文采用中值滤波对电连接器测量位置图像进行去噪。中值滤波把局部区域的像素按灰度等级进行排序，取该邻域中灰度的中值作为当前像素的灰度[7]。在滤除噪声的同时，也能够保护图像的边缘特性，使之不被模糊。

中值滤波效果如图5所示，相对于图4，图5图像显示更平滑，有效保护边缘，使之不被模糊。

图5 中值滤波效果图Fig.5 Median filtering results

3 小波变换图像增强算法

电连接器的高速分离运动使得测量位置图像的插头边缘产生运动模糊，插头边缘信号微弱，显示不清晰。由于小波变换能够充分突出信号某些方面的特征，有效细分高频、低频处，故本文选用小波变换增强电连接器图像。

经多尺度小波变换可以获取原始图像的小波系数[8]。本文中电连接器的模糊边缘信息主要包含在高频小波系数中，它也包含大部分图像的噪声，而图像的近似信号主要包含在低频小波系数中。为了减少噪声，以增强电连接器待处理目标区域图像，可以对低频小波系数进行非线性图像增强，对高频小波系数进行去噪处理，最后经小波重构得到增强图像。

本文采用以下非线性函数对低频小波系数进行非线性增强：

(1)

i=1,2,…,A

j=1,2,…,B

式中，Xij为非线性增强后的低频小波系数；xij为非线性增强前的小波系数；T为阈值，合适的阈值可以有效增强目标边缘细节，T∈(0,|xij|)；k为亮度系数，不同的k值代表不同对比度的图像[9]。

本文用以下非线性算子调整高频小波系数，合适的阈值可有效去除噪声、增强边缘。即

(2)

其中，Y、Y′分别是调整前后的高通小波系数；K是系数因子，K>1；T′是阈值[10]。在本文算法中，参数K取15，T″取0.2。

将处理后的两种小波系数进行小波重构，从而得到增强后的图像。小波变换的图像增强基本框图及实际效果分别如图6和图7所示。

图6 小波变换的图像增强基本框图Fig.6 Wavelet transform image enhancement diagram

(a)中值滤波后的图像 (b)增强后的图像 图7 小波变换增强效果图Fig.7 Wavelet transform enhancement results

4 阈值分割

ROI勾勒出的图像，经过中值滤波，以及小波变换增强图像后，希望滤除噪声，以突出待测量目标区域图像，减小边缘误差。为将电连接器待测量目标区域图像从背景中独立出来，将图像进行阈值分割，使其图像非黑色即白色。经阈值分割后，电连接器内部反光强烈的测量位置图像将变成白色，背景变成黑色，这样目标区域得以独立出来。

均匀性度量法是以均值与方差作为度量均匀性的数字指标[11]。均匀性度量法的步骤如下[12]。

(1)给定一个初始阈值T0=T1，将原图分为C1和C2两类；

(2)分别计算两类的类内方差：

(3)

(4)

(5)

(6)

(3)分别计算两类像素在图像中的分布概率：

(7)

其中，P1、P2分别为类图C1、C2的分布概率；Nimg为原图的像素个数。

(4)选择最佳阈值T0=T2，使得下式成立：

(8)

人工设定ROI勾勒出的图像，分别经过中值滤波和小波变换增强后，采用均匀性度量法处理后的图像见图8。

(a)第一次阈值T0分割

(b)第二次阈值分割图8 均匀性度量法效果图Fig.8 Uniformity measurement results

5 SUSAN边缘检测算法

SUSAN算法是一种基于灰度的特征点获取方法，未用到梯度的运算，故该算法对噪声图像的边缘检测效果优于传统的边缘检测算法[13]。

SUSAN算法采用一种圆形模板在图像上扫描，并将模板内部每个图像像素点的灰度和模板中心像素的灰度求差来比较大小，若其差值小于一定值，则认为该点与模板中心像素具有相同或相近的灰度，由满足这一条件的像素组成的区域称为USAN[14]。其比较方法如下。模板内属于USAN的像素的判别函数

(9)

式中，I(x0)为模板中心像素的灰度；I(x)为模板内其他任意像素的灰度；t为灰度差门限。

图像中每一点的USAN大小

(10)

其中，D(x0)为以x0为中心的圆形模板区域。得到每一个像素的USAN值m(x0)以后，再与预先设定的阈值g进行比较，当m(x0)

阈值g决定了边缘点的USAN区域的最大值[15],若m(x0)

t表示所能检测边缘点的最小对比度，也是能忽略的噪声的最大容限。t越小，可从对比度越低的图像中提取特征。因此，对于不同对比度和噪声情况的图像，应取不同的t值[16]。

图9 SUSAN边缘提取效果图Fig.9 SUSAN edge extraction results

6 边缘像素点坐标的获取

经SUSAN算子处理后的图像是只有黑色背景和白色边缘线组成的二值图像。设定灰度阈值为255，通过水平方向逐行扫描一定图像范围，读取每一个像素点的灰度，若该像素点的灰度等于给定灰度阈值，则获取当前像素点的图像坐标。继续下一个像素点的扫描，直至给定图像内的所有像素点，其流程如图10所示。

图10 图像扫描流程图Fig.10 Image scanning flow chart

7 结论

本文通过分析电连接器测量位置在高速摄像机下的成像特征，采用小波变换算法增强图像的弱边缘区域，再应用均匀性度量法自适应阈值分割图像，经SUSAN算子提取图像模糊边缘。本方法即使受到测试环境、分离振动、高速运动等因素的影响，仍能对电连接器测量位置图像进行有效识别，经试验验证可有效提高电连接器分离边缘提取的准确性，有利于深入研究其分离特性，提高质量可靠性。为了进一步提高其分离距离的测量精度，可以从亚像素级边缘拟合入手，获取插座、插头边缘更精准的信息，这也是笔者今后的研究方向。

[1] 潘骏，靳方建.电连接器接触件结构分析与插拔试验[J].中国机械工程，2013,24(12):1636-1641.PANJun,JINFangjian.AnalysisoftheStructureoftheElectricConnectorandthePlugandPullTest[J].ChinaMechanicalEngineering,2013,24(12):1636-1641.

[2] 贾博贤.分离脱落电连接器分离可靠性评估的研究[D].杭州：浙江大学,2014.JIABoxian.SeparationoffElectricConnectorReliabilityEvaluationofMasterofResearch[D].Hangzhou：ZhejiangUniversity,2014.

[3] 高亮.航天电连接器空间环境可靠性试验与评估的研究[D].杭州：浙江大学,2012.GAOLiang.ResearchonSpaceEnvironmentReliabilityTestandEvaluationofAerospaceElectricalConnectors[D].Hangzhou：ZhejiangUniversity,2012.

[4] 梁若飞，杨风暴，王毅敏,等.一种基于块模糊增强的玉米田遥感图像边缘检测方法[J].影像科学与光化学，2016,34(2):190-197.LIANGRuofei,YANGFengbao,WANGYimin,etal.AMethodofEdgeDetectionforRemoteSensingImageBasedonBlockFuzzyEnhancement[J].ImagingScienceandPhotochemistry,2016,34(2):190-197.

[5] 张文杰，熊庆宇，石为人,等.基于邻域加权的多层次模糊边缘检测算法[J].吉林大学学报，2015,45(3):998-1004.ZHANGWenjie,XIONGQingyu,SHIWeiren,etal.MultiLevelFuzzyEdgeDetectionAlgorithmBasedonNeighborhoodWeighting[J].JournalofJilinUniversity,2015,45(3):998-1004.

[6] 尹士畅，喻松林.基于小波变换和直方图均衡的红外图像增强[J].激光与红外,2013,43(2):225-228.YINShichang,YUSonglin.InfraredImageEnhancementBasedonWaveletTransformandHistogramEqualization[J].LaserandInfrared,2013,43(2):225-228.

[7] 徐锋，刘云飞，宋军.基于中值滤波SVD和EMD的声发射信号特征提取[J].仪器仪表学报,2011,32(12):2712-2719.XUFeng,LIUYunfei,SONGJun.FeatureExtractionofAcousticEmissionSignalsBasedonMedianFilterSVDandEMD[J].ChineseJournalofScientificInstrument,2011,32(12):2712-2719.

[8] 刘兴淼，王仕成，赵静.基于小波变换与模糊理论的图像增强算法研究[J].弹箭与制导学报，2010,30(4):183-186.LIUXingmiao,WANGShicheng,ZHAOJing.ResearchonImageEnhancementAlgorithmBasedonWaveletTransformandFuzzyTheory[J].JournalofProjectileandGuidance,2010,30(4): 183-186.

[9] 刘兴淼，王仕成，赵静.一种基于小波变换的非线性红外图像增强算法[J].红外技术，2009,31(12):708-711.LIUXingmiao,WANGShicheng,ZHAOJing.ANonlinearInfraredImageEnhancementAlgorithmBasedonWaveletTransform[J].InfraredTechnology,2009,31(12):708-711.

[10] 刘国军,唐降龙,黄剑华,等.基于模糊小波的图像对比度增强算法[J].电子学报,2005,33(4):644-666.LIUGuojun,TANGXianglong,HUANGJianhua,etal.TheImageContrastEnhancementAlgorithmBasedonWaveletFuzzy[J].JournalofElectronics,2005,33(4):644-666.

[11]GONZALEZRC,WOODSRE.DigitalImageProcessing[M]. 2nd.Beijing:PublishingHouseofElectronicsIndustry,2006.

[12]GONZALEZRC,WOODSRE,EddinsSL.DigitalImageProcessingUsingMATLABEdition[M]. 2nd.Beijing:PublishingHouseofElectronicsIndustry,2006.

[13] 马桂珍，房宗良, 姚宗中.SUSAN边缘检测算法性能分析与比较[J].现代电子技术，2007,30(8):189-191.MAGuizhen,FANGZongliang,YAOZongzhong.SUSANEdgeDetectionAlgorithmPerformanceAnalysisandComparison[J].JournalofModernElectronicTechnology,2007,30(8):189-191.

[14] 李成，彭良玉.SUSAN边缘检测算法的设计与研究[J].微型机与应用，2014,33(5):37-39.LICheng,PENGLiangyu.SUSANEdgeDetectionAlgorithmDesignandResearch[J].MicrocomputerandApplication,2014,33(5):37-39.

[15] 张坤华，王敬儒，张启衡.多特征复合的角点提取算法[J].中国图像图形学报，2002,7(4):319-324.ZHANGKunhua,WANGJingru,ZHANGQiheng.CornerExtractionAlgorithmBasedonMultiFeatureComplex[J].ChineseJournalofImageandGraphics,2002,7(4):319-324.

[16] 陈志方，张艳宁，杨将林,等.一种改进的SUSAN算法[J].微电子学与计算机，2007,24(11):142-144.CHENZhifang,ZHANGYanning,YANGJianglin,etal.AnImprovedSUSANAlgorithm[J].MicroelectronicsandComputer,2007,24(11):142-144.

(编辑 陈 勇)

Algorithm of Separation Edge Extraction of Aerospace Electrical Connector in High-speed Photography

HONG Tao ZHAO Dianyun

College of Quality & Safety Engineering, China Jiliang University, Hangzhou,310018

In order to accurately measure the space electric connector of the separation distance, for further study of its separation characteristics, a high-speed photography environment oriented electrical connector on the edge of the separation extraction method was presented herein. Mainly through the algorithm divided the region of interest area selected for measuring positions, after processing through the filter, wavelet transform to enhance image edge of weak signals, and then through the two adaptive threshold segmentation of image, and by using SUSAN operator for edge detection, and then the edge was extracted, the accurate edge informations were obtained.

high-speed photography; wavelet transform; threshold segmentation; edge detection

2016-11-30

浙江省科技计划资助项目(2017C31021)

TP391

10.3969/j.issn.1004-132X.2017.09.012

洪 涛，男，1970年生。中国计量大学质量与安全工程学院高级工程师。主要研究方向为产品质量控制与在线检测。E-mail：hongtao@cjlu.edu.cn。赵佃云，男，1990年生。中国计量大学质量与安全工程学院硕士研究生。