特种纸纸病检测的快速图像滤波方法及实现

来源：www.mvcreating.com2014年11月20日热度：788

一、引言

伴随着工业经济的飞速发展，纸张生产厂家对待自己的单位的产品越来越重视。由于造纸机设备的磨损以及人为操作的失误、纸张原料等的质量问题，在生产纸张的过程中可能会产生出来一些外观上的纸病问题，比如说划痕、亮斑、褶皱、孔洞、背辊印以及尘埃等问题。如果说这些纸病问题不能够被检测出来，那么可以说这样的纸张在交给客户手上做第三方加工的生产中会带来不同程度上的危害。

特种纸指的是在特殊的用途上应用的纸种。部分特种纸用于经过了镀层等处理，其纸病特征相较于常规纸病而言更加偶读细微，不容易辨别，甚至于在透视和测试中的肉眼检测方向也很难以发现。如果这些微弱的纸病无法被检测出来，纸张在后续镀层的工序中也将导致加工的失败。另一方面，特种纸张微弱的纸病往往来源于机器的故障表象，如果无法及早的发现，将会造成纸病机器胶辊等部件的严重损坏。而就目前实际的生产过程中使用的纸病检测系统却能够十分有效的检测出常规的治病问题，而且在实时性上有很好的保证。这类纸病检测系统一般采用高速摄像机采集图像，通过FPGA实现对图像的阈值滤波、纸病的判断。该检测方法的优点是对常规纸病有较好的检测效果，并且具有良好的实时性，但是不足的地方在于采用的阈值滤波的局限性，无法检测到特种纸表面表征微弱的纸病。

特种纸的纸病一般出现在纸张表面。而针对物体表面特性的检测，常常通过所检测到图像的表面纹理来反映，表面缺陷检测多采用自组织竞争人工神经网络分级方法对纹理进行诊断分级。该方法用于特种纸纸病的检测，效果明显。能有效进行纸病的分级诊断。但由于自组织竞争人工神经网络的分级算法计算过程较复杂，难以满足特种纸生产过程中对检测实时性的要求。针对之前曾经提出的基于小波奇异性的纸病检测方法为首先借助光滑函数对纸张信号进行卷积运算，继而进一步实施小波变换。该方法对特种纸张的纸病并无明显效果，同时由于涉及到两次复杂运算，无法满足实时性要求。

提出基于不同的统计特性来对表面进行缺陷检测，该方法对常规纸病的检测有一定效果，并且能够保证较好的实时性。但无法针对特种纸张中细微的纸病进行提取和识别，故在特种纸纸病检测中的效果不佳。

提出的方法为，先进行较弱的阈值滤波，然后通过自组织映射（SOM）算法对纸张纹理特征进行提取和分类，克服常规阈值滤波检测纸病无法对低对比度纸病、特殊形状纸病的特征进行保留和判断的缺陷。该方法的优势在于保留了特种纸纸病的特征，能够满足这种纸纸病检测的需求。缺点在于对滤波过程没有进行改进，仅仅是对纸病的识别提出了新的判断方法，该判断方法计算较复杂，耗时较长，算法实时性不足。

提出了采用数学形态学的方法进行滤波，在一定程度上保护了纸病图像的细节，对部分特种纸纸病有一定的特征保护和检测效果。但由于特种纸张往往会经过镀层，对数字形态学中采用的膨胀、腐蚀等运算判断纸病的效果有一定影响，检测准确率难以达到较高的层次。

本文提出了针对特种纸纸病检测的一种基于P-M 方程扩散模型并行迭代的滤波方法。该滤波方法借助P-M方程扩散模型在滤波过程中，对细小、微弱边缘具有保护作用的特点，通过迭代扩散，实现了既保留微弱的特种纸纸病图像信息又同时去除噪声的效果。在P-M方程滤波的实时性保证方面，借助多线程技术，实现了P-M方程扩散迭代过程的并行迭代，较传统P-M方程滤波的实时性能，有了大幅度提升，保证了纸病检测过程的实时性要求。

二、P-M 方程扩散滤波算法

1. P-M 方程滤波方法简要介绍

P-M 方程滤波方法为国外学者 Perona 和 Malik于1990年首次提出。该方法的原理为基于热传扩散方程的一种各项异性扩散。图像的热传导扩散过程，指的是图像中较亮元素与较暗元素模拟热传导中粒子相互扩散的过程。

其中常数T为代表图像边界幅度的参数。其值对每次扩散的效果产生影响。由于数值的作用，图像多次扩散滤波（迭代）过程中：在图像梯度较大处，扩散较慢；在图像梯度较小处，扩散较快。效果为，图像中的噪声得到了较好的滤除，同时图像中的边缘也得到了较好的保护。

2.P-M 方程滤波在本文方法中的应用

在对纸病图像进行滤波时，常规的阈值滤波无法对微弱的边缘进行保护，进而使得表征微弱的特种纸纸病在后续检测过程中被忽略。故对特种纸纸病图像的滤波过程中，边缘保护就显得尤为重要。本文方法中，滤波过程采用P-M方程扩散模型进行迭代滤波。在滤波去除噪声的过程中，有效保护了表征微弱的纸病边缘，进而使得后续的检测过程中能准确检测并定位特种纸纸病。P-M方程扩散滤波的缺点在于该算法需要多次迭代（扩散），方能保证滤波效果，而多次迭代耗时较长，不利于满足纸病检测的实时性要求。故本文在P-M扩散滤波过程中，采取多线程并行迭代的方式，使多幅图像同时进行迭代扩散。使得一幅图像的数次迭代过程耗时缩减为一次迭代耗时，大大缩减了P-M方程扩散滤波总体耗时，进而保证了滤波过程的实时性。本文提出的并行迭代并非针对矩阵图像进行区域分割、借助多线程技术分块做滤波计算，而是将P-M滤波的多次迭代过程借助多线程技术实现滤波的并行迭代。P-M 方程滤波及其并行迭代实现，在本文的特种纸纸病检测中起到了重要的作用。

三、基于SMP的P-M 方程滤波过程并行迭代的实现

1. P-M 方程滤波的迭代扩散过程

上述数值方法为一次迭代的过程，而一次P-M方程滤波过程往往需要进行多次迭代，即需要重复多次进行P-M方程扩散。迭代的次数越多，对图像中噪声滤除的强度就越大。而对边缘的保护和加强则随着迭代次数的增加而逐渐增强，在迭代次数为G（G的大小与图像中边缘的特性有关）达到峰值，迭代次数超过G后，被增强的边缘也将随着扩散次数的增加而逐渐模糊。当迭代次数趋于无穷时，图像将变成一张纯色的灰色图像，即达到了各向异性扩散的均衡。图1~图4为在迭代次数选择不同值时，图像P-M 方程滤波的效果。