一種基于實時圖像檢測技術(shù)分析晶體生長形狀和尺寸分布的方法
【專利摘要】本發(fā)明提供一種基于實時圖像檢測技術(shù)的在線分析反應(yīng)釜結(jié)晶過程晶體生長形狀和尺寸分布方法。首先，針對圖像尺寸較大問題，對實時采集的圖像進行壓縮，并濾波去噪；針對圖像光照不均問題，采用圖像增強技術(shù)，便于圖像分割。其次，對分割后的圖像的進行尺寸、形狀和紋理特征提取，引入內(nèi)距描述因子區(qū)分不同晶體的基本形狀。利用聚類算法篩除圖像中的顆粒碎片和一些無統(tǒng)計意義的顆粒。然后，采用基于亞像素邊緣檢測和圓擬合的尺寸標定算法來計算晶體顆粒的尺寸，得到尺寸分布。最后，利用特征降維和支持向量機識別晶體的形狀。本發(fā)明能夠在線提取多幅圖像中的晶體顆粒，在線獲取晶體生長形狀與尺寸分布信息，有助于實時分析反應(yīng)釜內(nèi)結(jié)晶工況和調(diào)控優(yōu)化。
【專利說明】
一種基于實時圖像檢測技術(shù)分析晶體生長形狀和尺寸分布的 方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于工業(yè)結(jié)晶過程控制技術(shù)領(lǐng)域，涉及反應(yīng)釜結(jié)晶過程的實時圖像檢測技 術(shù)，具體涉及一種利用高速高分辨率攝像設(shè)備實時原位監(jiān)測結(jié)晶反應(yīng)釜內(nèi)晶體生長形狀與 尺寸分布的方法。
【背景技術(shù)】
[0002] 在化工和制藥工程等行業(yè)中，需要采用結(jié)晶工藝提取產(chǎn)物和提純產(chǎn)品，結(jié)晶過程 中各操作參數(shù)的控制優(yōu)劣，對結(jié)晶工藝得到的晶體產(chǎn)品質(zhì)量產(chǎn)生直接影響。實際生產(chǎn)中，通 常是對晶體顆粒的生長形狀和尺寸分布進行調(diào)控優(yōu)化來保證產(chǎn)品質(zhì)量和收率。因此，實時 獲得晶體的形狀和尺寸分布是具有重要意義的。目前，實時圖像技術(shù)是獲得晶體形狀和二 維尺寸的主要檢測手段。然而國內(nèi)外很少有文獻給出能應(yīng)用于工程實踐的基于實時圖像在 線分析反應(yīng)釜結(jié)晶過程晶體生長形狀和尺寸分布方法和應(yīng)用技術(shù)。
[0003] 目前結(jié)晶工程實踐中，已愈來愈多地采用圖像檢測技術(shù)來分析結(jié)晶過程和晶體產(chǎn) 品，但是大多數(shù)是以離線檢測為主，主要是提取一定量的晶體溶液，經(jīng)過后期處理，利用顯 微鏡觀測晶體的形狀等信息。這種離線檢測方法的主要缺點是不能實時掌握晶體的生長狀 態(tài)，不便于實時調(diào)節(jié)結(jié)晶過程控制參數(shù)。因此，如何對反應(yīng)釜內(nèi)的晶體生長狀態(tài)進行實時監(jiān) 測是目前的研究和應(yīng)用難題。如英國利茲大學(xué)化工學(xué)院教授王學(xué)重在最近研究論文 "Stereo imaging of crystal growth"（簡譯：晶體生長的立體成像，發(fā)表在化工領(lǐng)域國際 重要刊物AIChE Journal,2016,62(1) ,18-25)中指出，使用圖像可以有效監(jiān)測結(jié)晶生長過 程，目前實時圖像監(jiān)測技術(shù)在實時性和抗噪辨識方面仍有待提高；國際結(jié)晶工程PAT領(lǐng)域?qū)?家Z . K . Nagy在近期綜述論文"Recent advances in the monitoring,modeling and control of crystallization systems"（簡譯:結(jié)晶系統(tǒng)監(jiān)測、建模和控制的近期進展，發(fā) 表在化工領(lǐng)域國際重要刊物Chemical Engineering Re sear ch&De sign ,2013,91(10)， 1903-1922)中指出，雖然實時圖像監(jiān)測已被廣泛認為是對結(jié)晶過程控制具有重要意義，然 而如何發(fā)展和應(yīng)用這樣的技術(shù)在線分析反應(yīng)釜結(jié)晶過程晶體生長形狀和尺寸分布，以便于 實時調(diào)控優(yōu)化結(jié)晶過程，存在諸多技術(shù)問題和挑戰(zhàn)有待于解決。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明要解決的技術(shù)問題是如何利用實時檢測的結(jié)晶反應(yīng)釜溶液圖像信息來在 線分析結(jié)晶過程中晶體生長形狀與尺寸分布問題。為解決上述這一問題，本發(fā)明提出對結(jié) 晶反應(yīng)釜內(nèi)晶體形狀與尺寸進行原位測量與統(tǒng)計的技術(shù)方法，以實現(xiàn)對結(jié)晶過程晶體生長 形狀和尺寸分布在線檢測的效果。
[0005] 本發(fā)明利用非接觸式高速高分辨率的圖像采集設(shè)備，實時采集反應(yīng)釜內(nèi)晶體圖 像，從而分析結(jié)晶過程晶體的生長狀態(tài)。首先，對實時采集的圖像進行壓縮，并做圖像濾波、 增強處理，對晶體圖像進行分割。其次，對分割后的晶體顆粒圖像進行特征提取，把晶體特 征分為尺寸特征、形狀特征和紋理特征，通過定義內(nèi)距描述因子(IDD)來區(qū)分不同晶體的基 本形狀。然后，利用聚類算法篩除實時檢測圖像中的顆粒碎片和粘連顆粒等一些無統(tǒng)計意 義的顆粒圖像信息，并采用一種基于亞像素邊緣檢測和圓擬合的尺寸標定算法來計算晶體 顆粒的尺寸以及分布。最后，利用特征降維和支持向量機方法來識別晶體的形狀。
[0006] 本發(fā)明的技術(shù)方案如下：
[0007] 一種基于實時圖像檢測技術(shù)分析晶體生長形狀和尺寸分布的方法，主要針對L-谷 氨酸結(jié)晶過程，具體包括以下步驟：
[0008] (1)處理采集的圖像
[0009] 由于采集的圖像具有較大的尺寸，在實時分析中造成時間滯后，因此采用小波變 換的圖像壓縮技術(shù)降低圖像尺寸。采用導(dǎo)向濾波和沖擊濾波結(jié)合的方式進行圖像濾波。在 實時結(jié)晶工況下，采集的圖像會存在光照不均，背景強度分布不一等現(xiàn)象，這樣容易影響后 續(xù)的分割和提取效果，所以采用圖像增強技術(shù)，對感興趣的目標區(qū)域進行基于多尺度 Retinex算法的增強處理。最后，采用閾值圖像分割來提取晶體輪廓。
[0010] ⑵特征提取
[0011] 為了計算晶體尺寸和分析晶習(xí)，結(jié)合晶體控制因素，對晶體的尺寸特征、形狀特征 和紋理特征進行特征提取，計算晶體尺寸和分析晶習(xí)和分析。所述的尺寸特征包括長度、寬 度、面積、周長;所述的形狀特征包括圓形度、矩形度、長寬比、離心率、凹凸度、傅里葉描述 因子、幾何矩、內(nèi)距描述因子;所述的紋理特征包括對比度、能量、熵、分形維數(shù)。其中，內(nèi)距 描述因子IDD區(qū)分不同晶體的基本形狀。
[0012] ⑶篩選顆粒
[0013] 晶體結(jié)晶過程中，由于晶體運動和過飽和度等因素影響，晶體會出現(xiàn)斷裂、破碎、 粘連等現(xiàn)象，產(chǎn)生碎片和粘連等無意義的晶體顆粒。人工設(shè)定面積閾值方法去除小碎片，尤 其在晶體生長初期時容易誤刪有意義的晶體，按照顆粒的面積進行K-means聚類，自動篩除 相對較小的顆粒，這樣就避免人工閾值法誤刪有效晶體的缺陷。而且，按照凸凹度的標準篩 除粘連嚴重的顆粒，根據(jù)經(jīng)驗，把凸凹度較小的顆粒劃分為粘連晶體。
[0014] (4)測量晶體尺寸
[0015] 在晶體尺寸測量之前，利用圓形的微米尺對圖像進行像素當(dāng)量標定。首先，將微米 尺放置在成像點處。其次，為了提高邊緣檢測定位的精度，采用亞像素邊緣檢測，對邊緣點 進行圓擬合，求出圓的半徑。最后，求出本成像系統(tǒng)的像素當(dāng)量。
[0016] 測量晶體的二維尺寸，采用最小最合適矩形擬合顆粒輪廓，求出該矩形的長軸和 短軸，即為晶體的長度和寬度。
[0017] (5)識別晶體形狀
[0018] 分為兩步：晶體特征降維和晶體形狀分類。首先，由于特征集具有非線性，所以采 用基于譜回歸核判別法(SRKDA)建立晶體特征降維模型對特征集進行降維;其次，采用支持 向量機(SVM)對降維后的晶體特征集進行分類。其中，在SVM訓(xùn)練模型參數(shù)時，由于SVM的C、g 兩個參數(shù)需預(yù)先給出，采用交叉驗證法選取這兩個參數(shù)，選取原則是在識別率最高的情況 下，C取最小值時對應(yīng)g的取值。
[0019] 本發(fā)明的有益效果為:本發(fā)明能夠在線提取多幅圖像中的晶體顆粒，在線獲取晶 體生長形狀與尺寸分布信息，有助于實時分析反應(yīng)釜內(nèi)結(jié)晶工況和調(diào)控優(yōu)化;能夠?qū)崿F(xiàn)對 反應(yīng)釜內(nèi)實時結(jié)晶圖像的快速處理，較為準確地分析結(jié)晶過程晶體的生長狀態(tài)。該方法可 操作性強，對經(jīng)驗技術(shù)要求較低，能夠達到自動快速檢測結(jié)晶狀態(tài)效果，便于實際工業(yè)應(yīng)用 和推廣。
【附圖說明】
[0020]圖1為本發(fā)明的設(shè)備裝置示意圖；
[0021 ]圖2為本發(fā)明的實時晶體檢測過程實現(xiàn)圖；
[0022]圖3為本發(fā)明中的圖像處理流程圖；
[0023]圖4(a)為原圖；
[0024]圖4(b)為增強圖；
[0025]圖4(c)為分割結(jié)果圖。
[0026]圖5(a)為三角形內(nèi)距描述因子(IDD)說明圖；
[0027]圖5(b)為方形內(nèi)距描述因子(IDD)說明圖；
[0028]圖5(c)為圓形內(nèi)距描述因子(IDD)說明圖；
[0029]圖5(d)為六邊形內(nèi)距描述因子(IDD)說明圖；
[0030]圖6為晶體測量結(jié)果圖；
[0031 ]圖7為本發(fā)明中的晶體形狀識別的過程圖；
[0032]圖中：1溫度探頭;2循環(huán)溫控裝置;3攝像鏡頭;4ATR-FTIR探頭;5ATR-FTIR計算機； 6圖像計算機。
【具體實施方式】
[0033] 實施例采用4升結(jié)晶玻璃反應(yīng)釜，內(nèi)置4葉攪拌槳，反應(yīng)釜內(nèi)注入了 2升的L-谷氨酸 水溶液。在結(jié)晶反應(yīng)釜外配置一個非接觸式圖像采集設(shè)備，包括兩個高速高分辨率的攝像 鏡頭3。同時，配備了循環(huán)溫控裝置2、溫度探頭1、ATR-FTIR探頭4、ATR-FTIR計算機5和圖像 計算機6等，該裝置詳見圖1。在結(jié)晶過程中，先將結(jié)晶溶液溫度升到75度，使晶體顆粒充分 溶解，再以一定速度降溫進行冷卻結(jié)晶。采集軟件配置采用定時采集方式，在采集時間區(qū)間 每秒獲取一幅圖像。設(shè)定L-谷氨酸的晶體形狀分為"a型"、型"和"其它"三種形狀。在這個 冷卻結(jié)晶過程中，對實時采集的晶體圖像進行在線分析和統(tǒng)計結(jié)果，全過程如圖2所示。
[0034] 采用本發(fā)明的具體實施步驟如下：
[0035] 第一步，圖像處理
[0036]晶體圖像處理分為圖像壓縮，圖像濾波，圖像增強和圖像分割，其處理流程如圖3 所示，其處理結(jié)果如圖4a_圖4c所示。具體過程實現(xiàn)如下：
[0037] 1.1)圖像壓縮
[0038]設(shè)原始晶體圖像為I(x，y)，其尺寸為MXN，使用二維離散小波變換進行圖像壓縮。 設(shè)行為m，列為n，尺度為j。I (x，y)的小波變換為：
⑴
[A,,,,#，)" = 2'Vd -"O -w) ,
[0040]其中，' .. (2)
[￥，l,m,Ax^y):"2, ~v (21 x-m,2'y-m)
[0041 ]其中，，i = {H，V，D}分別代表橫向、縱向和對角線。那么，原始圖像I (x，y) 分解成四個部分:低頻部分4(/'，叫《)和3個高頻部分低頻部分^(乂?^保留作為 壓縮圖像。
[0042] 1.2)圖像濾波
[0043] 采用導(dǎo)向濾波和沖擊濾波結(jié)合的方式來實現(xiàn)圖像濾波過程。首先，使用導(dǎo)向濾波 來消除噪聲，保持邊緣信息。在一個序號為k的窗口 cok中，輸入圖像中的點Pl與輸出圖像中 的點qi關(guān)系表不為：
[0044] qi = akpi+bk (3)
[0045] 其中，最小化窗口 c〇k的代價函數(shù)定義為：
[0046] A)-^Z[{ai~p：+hi- -y+dal) (4) 人.k iect)j.
[0047]從而確定(ak，bk)的值為
[0049] 和
[0050] h,=pt-a,tu, (6)
[0051] 其中
[0052]導(dǎo)向濾波輸出的結(jié)果為：
(7)
[0054]其次，采用沖擊濾波來強化邊緣和紋理。設(shè)輸入圖像為q(x，y)，輸出圖像s(x，y)由 下式得出，
[0055] = -sgnf^fx^O) | Vcj(.\\ v) \ (g)
[0056] 其中，qim(x，y)為n的二階導(dǎo)數(shù)，為輸入圖像的梯度圖，sgn是符號函數(shù)。
[0057] 1.3)圖像增強：
[0058] 采用圖像增強技術(shù)解決晶體圖像的光照不均問題，其增強圖像的結(jié)果為r(x，y)， 其表達式如下： 3
[0059] r(x,y) = ^If： {log .v(.y.y) - log[f； (x,y) *s(x, v)] | (9) k=l
[0060] 其中，*為卷積，s(x，y)是輸入圖像，k是尺度值，Wk為權(quán)重，Wi = W2=W3 = l/3，k=l， 2,3.?1<(1，7)定義為：
[0061] Fk(x,y) = AkeHx：i/]'^ (10)
[0062] 其中，ck分別為10,80和150Ak滿足下式
[0063] //Fk(x,y)dxdy=l (11)
[0064] 1.4)圖像分割：
[0065] 采用最小交叉熵分割方法來實現(xiàn)晶體圖像的顆粒提取。圖像一維直方圖為h(i)(i =1，2, . . .，L)，交叉熵判別函數(shù)定義為： t-l I
[0066] D(i) - In / / n(\j) + ^/7/(/') in / / n(t, Z, + 1) (12) i-i /=?
[0067] 其中，i是灰度值;t是閾值化時的閾值;n(l，t)和n(t，L+l)是類內(nèi)均值，分別代表 分割后得到的分割圖中目標和背景的灰度。
[0068]最佳閾值為：
[0069] = are min{ D(/)j (13)
[0070]最后，得到二值圖像表示為： \0, f{x, v) < t .
[0071] 6(x,v)= t (14)
[1, f(x,y)>t
[0072] 圖像內(nèi)的顆粒分割后，使用形態(tài)學(xué)方法填充分割圖中顆粒內(nèi)部的孔洞，同時去除 與圖像邊界相連的不完整顆粒圖像。
[0073]第二步，特征提取 [0074] 2.1)晶體尺寸特征
[0075] 晶體的基本特征直觀反映晶體的尺寸。在特征分析中，對晶體成像投影按有效數(shù) 量平均來計算尺寸參數(shù)，采取的特征如下：
[0076] 長度:晶體投影圖像的最佳擬合矩形的長軸像素個數(shù)。
[0077] 寬度:晶體投影圖像的最佳擬合矩形的短軸像素個數(shù)。
[0078]面積:計算圖像中顆粒所占像素點的個數(shù)。
[0079]周長:計算顆粒圖像邊緣的像素個數(shù)。
[0080] 2.2)晶體形狀特征
[0081] 晶體形狀（晶習(xí)）是可以通過外觀形狀直觀表現(xiàn)出來，形狀特征應(yīng)該具有旋轉(zhuǎn)、平 移和尺度不變性，采用的特征如下：
[0082] 圓形度e:反映顆粒接近圓的程度。計算公式如下：
[0083] e = 43iS/L2 (15)
[0084]其中，S為顆粒面積，L為顆粒周長。
[0085] 矩形度Ex:反映顆粒與矩形的相似程度。同時在區(qū)域和其最小外接矩形中的像素 比例。
[0086] Ex=S/Se (16)
[0087]其中，Se為最小外接矩形的面積。
[0088]長寬比Er:反應(yīng)顆粒的伸長情況，是長度Pi與寬度?》的比值。
[0089] Er = Pl/Pm (17)
[0090] 凸凹度S。:反映晶體形狀凸凹程度的一個重要度量。最小凸包采用Graham掃描法 來獲得。
[0091] S〇 = S/Sc (18)
[0092] 其中，Sc為最小外接多邊形的面積。
[0093] 傅里葉描述因子F:它是物體形狀邊界曲線的傅里葉變換系數(shù)，也即物體邊界曲線 信號頻域分析的結(jié)果。傅里葉變換的低頻分量對應(yīng)晶體總體形狀，高頻分量對應(yīng)一些晶體 形狀細節(jié)，僅用低頻分量可近似描述晶體輪廓形狀。
[0094]幾何矩：由七個Hu不變矩的參數(shù)組成。
[0095]內(nèi)距描述因子IDD的計算過程：
[0096]定義晶體顆粒中心到邊緣的距離為內(nèi)距。其表示曲線為： I A- = .v(?9) .,
[0097] K , -k<Q<JV (.19.) i v = y{〇)
[0098] 記邊緣點為(Xn，yn)，n=l，2,…，N，中心( Xc，yc)可表示為：
(20)
[0100]內(nèi)距計算公式為：
[0101]《=▲-.')、(>:-.V")2 (21)
[0102]內(nèi)距方差表示為：
[0103] pn = dn -d (22)
[0104]其中，3為均值，那么，
(23)
[0106]內(nèi)距描述因子（IDD)可算為：
[0107] Bd = S,ld (24)
[0108] 其中，Sd為Pn的方差。
[0109] 使用內(nèi)距描述因子，對晶體的一些基本形狀進行量化標注，如圖5a_圖5d所示。
[0110] 2.3)晶體紋理特征
[0111]晶體紋理特征是針對晶體表面直觀成像的綜合描述。紋理特征不是基于像素點的 特征，它需要在包含多個像素點的區(qū)域中進行統(tǒng)計計算。因此采用灰度共生矩陣(GLCM)描 述內(nèi)部紋理特征?；诨叶裙采仃嚨娜齻€紋理描述量:對比度、能量、熵。同時采用分形維 參數(shù)對圖像紋理進行區(qū)分。
[0112] 第三步，顆粒篩選
[0113] 首先，根據(jù)晶體顆粒的面積來篩顆粒碎片。將顆粒面積分為4組，分別為大、中、小 和極小。記面積集合為X= {x(i) | i = l，2,…，m}，聚類中心為y( j)，j = l，???，k?；贙均值聚 類的篩選有如下兩個步驟：
[0114] 3.1)把x(i)分配到類別c(i)中，其表達式如下：
[0115] c(/) = argmin||v(/)-//y)||2 (25)
[0116] 3.2)更新父的類中心11(」），有 (26)
[0118]聚類后，對應(yīng)最小y( j)的f可由下式得出，
[0119] / =arg min//(/), /=1,? '?,k (27)
[0120] 因此，所有在f類內(nèi)的顆粒作為極小顆粒被刪除。
[0121]同理，計算顆粒的凸凹度，將其分為2類，最小類中心的顆粒劃分為粘連顆粒，將被 刪除。這樣，留下的顆粒將用作后續(xù)的測量和識別。
[0122] 第四步，晶體尺寸測量
[0123] 采用亞像素邊緣檢測來提取圓的邊界，使用最小二乘法擬合圓。實現(xiàn)方法如下：
[0124] 輸入:微米尺圖像。
[0125] 4.1)使用閾值法二值化待檢測圖像；
[0126] 4.2)去掉連接邊界的連通區(qū)域；
[0127] 4.3)使用灰度矩亞像素邊緣方法檢測邊緣；
[0128] 4.4)得到邊緣點集，用最小二乘法擬合圓；
[0129] 4.5)求出圓半徑的亞像素級值；
[0130] 4.6)計算亞像素當(dāng)量。
[0131] 輸出：輸出像素當(dāng)量。
[0132] 像素當(dāng)量計算公式為：
[0133] Pe = Pa/Pv (28)
[0134] 其中，Pa為標定尺的實際尺寸(半徑），PV為標定尺的像素級尺寸(半徑）。
[0135] 晶體的實際長度!^和實際寬度％計算公式，如下： (L=RxP
[0136] J ^ ； (29) {K=pmxpe
[0137] 其中，Pi是像素級長度，Pm是像素級寬度。這樣，可以求出顆粒的長度與寬度實際長 度，示例測量結(jié)果如圖6所示。
[0138] 第五步，晶體形狀分類
[0139] 晶體形狀分類的過程如圖7所示，包括特征降維和形狀分類。經(jīng)過圖像處理和特征 提取，隨機選擇訓(xùn)練樣本50個，測試樣本100個。
[0140] 5.1)特征降維
[0141] 首先，選擇傅里葉描述因子個數(shù)，對于采集的圖像中晶體最小周長小于22的情況， 選擇最小周長的整數(shù)作為描述因子個數(shù)，對于最小周長大于等于22的情況，選擇描述因子 個數(shù)為22。其次，采用譜回歸核鑒別法建立晶體特征降維模型（SRKDA)，記晶體特征為X = 「X1，X2，…，XllT，其核空間映射為傘（X) =「巾（XI)，傘（X2)，…，傘（X1)]T，分類數(shù)為C，則
(你
[0143]其中，k = 1，…，c and yo= [ 1，1，…，1 ]T.
[Vy - Xy f 、
[0144] (31)
[?a： = y.
[0145] 其中，K(xi，xj)=傘（Xi)T<i> (Xj)，V為 f I / /,, x, and x ； a class k
[0146] VtjM J (32)
[0, otherwise.
[0147] 線性關(guān)系為：
[0148] (K+8l)a = y (33)
[0149] 其中，S為調(diào)節(jié)參數(shù)，I為標準矩陣。
[0150] a*=(K+Sl)-V (34)
[0151] 貝lj
(35)
[0153] 其中，使用線性最小距離法來訓(xùn)練核函數(shù)RBF的最優(yōu)參數(shù)。
[0154] 5.2)形狀分類
[0155] 采用一對一的支持向量機模型來分類，構(gòu)造3個分類器。在第i類和第j類的區(qū)分 中，對于訓(xùn)練向量xt，t = 1，2，…，50，最優(yōu)分類函數(shù)為：
(36)
[0157]其中，為權(quán)值向量，bU為偏項，CP為懲罰參數(shù)。支持向量機的參數(shù)由交叉驗證法 訓(xùn)練得出。針對L-谷氨酸的形狀識別，測試樣本為100個，其準確識別數(shù)為96個，識別率為 96% 〇
【主權(quán)項】
1. 一種基于實時圖像檢測技術(shù)分析晶體生長形狀和尺寸分布方法，其特征在于，包括 以下步驟： 第一步，圖像處理 采用小波變換的圖像壓縮技術(shù)降低圖像尺寸，防止實時分析中圖像較大造成時間滯 后;采用導(dǎo)向濾波和沖擊濾波結(jié)合的方式進行圖像濾波;采用圖像增強技術(shù)，對目標區(qū)域進 行基于多尺度Retinex算法的增強處理，解決晶體圖像光照不均的問題;采用最小交叉熵分 割方法提取晶體輪廓； 第二步，結(jié)合晶體控制因素，對晶體的尺寸特征、形狀特征和紋理特征進行特征提取， 計算晶體尺寸和分析晶習(xí)；所述的晶體的尺寸特征包括長度、寬度、面積和周長;所述的晶 體的形狀特征包括圓形度、矩形度、長寬比、離心率、凹凸度、傅里葉描述子、幾何矩和內(nèi)距 描述子IDD;所述的晶體的紋理特征包括對比度、能量、熵和分形維數(shù)； 其中，內(nèi)距描述因子IDD區(qū)分不同晶體的基本形狀，提取晶體的內(nèi)距描述子IDD過程為： 晶體顆粒中心到邊緣的距離稱為內(nèi)距，其表示曲線為：邊緣點為(xn，yn)，n=l，2,…，N，中心(xc，yc)為：內(nèi)距計算公式為：內(nèi)距方差為：內(nèi)距描述因子IDD為：其中，Sd為Pn的方差； 第三步，篩選顆粒 按照顆粒的面積進行K-means聚類，自動篩除相對較小的顆粒;按照凸凹度的標準篩除 粘連嚴重的顆粒，凸凹度較小的顆粒劃分為粘連晶體;具體過程為： 將顆粒面積分為大、中、小和極小4組;設(shè)面積集合為X= {x(i) I i = 1，2，…，m}，聚類中 心為μ( j)，j = 1，…，k，基于K均值聚類的篩選為： 3.1) 把x(i)分配到c(i)類別中，表達式為：3.2) 更新X的類中心y(j)，有聚類后，對應(yīng)最小μ( j)的f由下式得出，所有在f類內(nèi)的顆粒作為極小顆粒被刪除； 同理，計算顆粒的凸凹度，將其分為2類，最小類中心的顆粒為粘連顆粒，將被刪除；留 下的顆粒將用作后續(xù)的測量和識別； 第四步，測量晶體尺寸 在測量晶體尺寸之前，用圓形微米尺對圖像進行像素當(dāng)量標定:將微米尺放置在成像 點處;為了提高邊緣檢測定位的精度，采用亞像素邊緣檢測，對邊緣點進行圓擬合，求出圓 的半徑;求出本成像系統(tǒng)的像素當(dāng)量； 測量晶體的二維尺寸，采用最小最適矩形擬合顆粒輪廓，求出該矩形的長軸和短軸，BP 為該顆粒的長度和寬度； 第五步，識別晶體形狀 5.1) 特征集為非線性，采用基于譜回歸核判別法SRKDA的特征降維模型對特征集進行 降維； 5.2) 采用支持向量機SVM對降維后的特征集進行分類;其中，在SVM訓(xùn)練模型參數(shù)時，由 于SVM的C、g兩個參數(shù)需預(yù)先給出，采用交叉驗證法選取C、g兩個參數(shù);選取原則為在模型識 別率最高的情況下，C取最小值時對應(yīng)g的值。
【文檔編號】G06T7/00GK105931225SQ201610231427
【公開日】2016年9月7日
【申請日】2016年4月14日
【發(fā)明人】劉濤, 霍焱, 張方坤, 仲崇權(quán)
【申請人】大連理工大學(xué)