Sd-oct圖像的淡水無核珍珠珍珠質層缺陷識別方法
【專利摘要】本發明公開了一種SD?OCT圖像的淡水無核珍珠珍珠質層缺陷識別方法。對淡水無核珍珠的SD?OCT圖像進行背景和目標的分離處理，獲得背景和目標的分界線，根據分界線對圖像依次進行拉平和散斑噪聲去除的處理，對圖像進行裁剪和壓縮，計算像素點的縱向梯度，并提取獲得缺陷層上下邊界，計算縱向梯度均值，再通過上邊界線閾值和下邊界線閾值判斷獲得確定缺陷子層，從而獲得缺陷的結果。本發明方法實現了淡水珍珠質層中缺陷子層的檢測，并完成缺陷子層的自動標識和判別，對不同形態的缺陷子層具有較強的適應性，提高了檢測效率，配合成像等外觀檢測方法，為淡水珍珠在線檢測奠定技術基礎。
【專利說明】
SD-OCT圖像的淡水無核珍珠珍珠質層缺陷識別方法
技術領域
[0001] 本發明屬于珍珠內部品質自動化檢測領域，設及OCT圖像處理方法，尤其是設及了 一種SD-OCT圖像的淡水無核珍珠珍珠質層缺陷識別方法。
【背景技術】
[0002] 淡水珍珠是我們珍珠產品的主要品種，其珍珠質層的內部結構觀測和分析是珍珠 產業發展面臨的主要技術問題。淡水珍珠通常采用無核養殖，其珍珠質層主要由碳酸巧結 晶體和殼角蛋白呈年輪狀壘積而成，在良珠中所有碳酸巧顆粒幾乎全由文石組成，具有完 全一致的消光方位。劣質珠珍珠質層有一定空隙或者裂縫且厚度形狀不均的棱柱層，棱柱 層中碳酸巧近一半W粗粒方解石形式存，呈放射狀和梳狀結構，或長軸垂直圓切線，棱柱結 構愈多，影響珍珠的光澤。
[0003] 在無損檢測珍珠內部結構上，一般使用X光成像或X光顯微成像，需要大型設備，耗 費工時，且對檢測人員有一定福射傷害，經過多次X光照射將會損傷珍珠，使其失去光澤。譜 域光學相干層析成像(SD-OCT)通過測量物質的光學反射散射特性展現內部其結構形態和 分布，目前SD-OCT圖像已經用于珍珠識別、定量測量、定性鑒定，報道表明圖像可W清楚展 現珍珠的層次結構。目前OCT圖像法的主要應用有:鑒別真假珍珠、區別海水有核珍珠與淡 水無核珍珠、測定珍珠層厚度，探討珍珠生長動力學規律。在珍珠研究，該方法具有較廣闊 的應用前景。
[0004] 由于在產業應用中，一個母貝可W出產數十棵淡水珍珠，珍珠 OCT圖像的量非常 大，采用人工判別，效率十分低下，因此需對圖像進行自動分析。在珍珠 OCT圖像應用過程 中，主要研究點為OCT圖像厚度測量算法及層次結構自動檢測的算法，實現了海水珍珠的珍 珠質層厚度自動測量。但是對于淡水珍珠的內部檢測，研究尚處于起步階段。
【發明內容】
[0005] 針對于【背景技術】中存在的問題，本發明的目的在于提供了一種SD-OCT圖像的淡水 無核珍珠珍珠質層缺陷識別方法，能夠自動識別SD-OCT圖像中珍珠質子層的缺陷，并完成 缺陷子層的自動標識和判別，提高了檢測效率，配合成像等外觀檢測方法，為淡水珍珠在線 檢測奠定技術基礎。
[0006] 本發明采用的技術方案是包括W下步驟：
[0007] 1)采集淡水無核珍珠的SD-OCT圖像；
[000引2)對SD-OCT圖像進行背景和目標的分離處理，獲得背景和目標的分界線；
[0009] 3)根據分界線對圖像依次進行拉平和散斑噪聲去除的處理；
[0010] 4)對圖像進行裁剪和壓縮；
[0011] 5)計算像素點的縱向梯度，并提取獲得缺陷層上下邊界：
[0012] 6)計算縱向梯度均值，再通過上邊界線闊值和下邊界線闊值判斷獲得缺陷的結 果:分別計算上邊界上和下邊界上所有像素的縱向梯度均值;對比上邊界縱向梯度均值與 上邊界線闊值，若上邊界縱向梯度均值大于上邊界線闊值，則認為邊界下部產生缺陷；對比 下邊界縱向梯度均值與下邊界線闊值，若下邊界縱向梯度均值小于下邊界線闊值，則認為 邊界上部產生缺陷；若邊界上部和下部均產生缺陷，則認為淡水無核珍珠的珍珠質層存在 缺陷，否則不存在。
[0013] 所述步驟2)具體為：
[0014] 2.1)提取SD-OCT圖像中前10行像素點，計算前10行像素點的均值巧日標準差0,采 用W下公式獲得降噪闊值A:
[0015]
[0016] W降噪闊值對SD-OCT圖像進行闊值降噪；
[0017] 2.2)使用化nny算子對降噪后的圖像提取其圖像邊緣，進行二值化處理，使圖像邊 緣的像素灰度值為1，除圖像邊緣W外的圖像其它像素灰度值為0;
[0018] 2.3)對二值化后圖像中的每一列像素點，自上向下捜索該列出現第一個灰度值為 1的像素點并記錄作為待擬合像素點；
[0019] 2.4)用二次多項式擬合方法對所有待擬合像素點進行擬合，得到背景和目標之間 的分界線，并獲得分界線所對應的所有圖像像素點，SD-OCT圖像中W分界線W上部分作為 背景，分界線W下部分作為珍珠質層目標；
[0020] 所述步驟3)具體為:先W步驟2)獲得分界線上沿圖像縱向坐標的最高點作為拉平 變換后圖像分界線的最高點，將SD-OCT圖像中的每一列像素整體進行向上平移，使得原SD- OCT圖像中的分界線變換為水平直線，每一列像素向上平移后上部超出圖像外的部分剔除， 下部位于圖像中缺失的部分用灰度值為0的像素填補；
[0021] 然后使用二維中值濾波和BM3D圖像降噪算法對拉平后的圖像進行降噪。
[0022] 所述步驟4)具體為:先裁剪掉占圖像10%的左側邊緣、占圖像10%的右側邊緣和 占圖像20%的底部邊緣;然后使用灰度均值偏差比較，將裁減后的圖像W2X2窗口分為各 個塊圖像區域，對于每個塊圖像區域計算所有四點的灰度值均值，保留四點中與該灰度值 均值相差最大的一點，剔除其余S點，完成裁剪后圖像的壓縮。
[0023] 所述步驟5)具體為:計算壓縮后圖像中每個像素點的縱向梯度，根據像素點中縱 向梯度的極性，將所有像素點分離形成正梯度集合與負梯度集合，使用圖方法分別對正梯 度集合和負梯度集合的所有像素點進行處理，分別獲得缺陷層的上邊界和下邊界。
[0024] 所述步驟5)中縱向梯度數值為正值的像素點則歸為正梯度集合，縱向梯度數值為 負值的像素點則歸為負梯度集合。
[0025] 所述步驟5)中的圖方法為：
[0026] 5-1)定義相連通的兩個像素點之間存在關聯權值，每個像素點與其相鄰的各個像 素點之間相連通，相鄰的像素點包括像素點周圍形成九宮格的其余八個像素點；
[0027] 5-2)計算圖像中每個像素點的縱向梯度并進行歸一化處理，采用W下公式計算所 有相連通的兩個像素點之間的關聯權值Weightab:
[002引 Weightab = 2.01-g￡i-gb
[0029] 其中，ga和gb分別為兩個相連通的像素點a和b的縱向梯度；
[0030] 5-3)在圖像的最左側和最右側各增加一列像素點，即增加了兩列像素點，新增加 的最左列的所有像素點均相連通，新增加的最右列的所有像素點均相連通，最左列像素和 最右列像素中每兩個相連通的像素點的關聯權值均為1(T5;
[0031] 5-4) W最左列像素點的中間像素點為邊界捜索的初始點，W最右列像素點的中間 像素點為邊界捜索的終點，結合圖像中各像素點的相連通情況及其關聯權值采用Di Astra 單源最短路徑捜索算法，獲得缺陷層的邊界。
[0032] 本發明具有的有益效果是：
[0033] 本發明使用SD-OCT圖像檢測淡水無核珍珠的內部缺陷，具有無損、快速、低成本的 優點。
[0034] 本發明方法采用了圖分割手段，并提出了對應的權值策略，對不同形狀、不同大 小、不同厚度的缺陷子層具有普適性，并能自動標記缺陷的位置，較其他方法具有更好定位 精度。
[0035] 本發明采用縱向梯度作何評價手段，結合圖像拉平，檢測效果具有一定的魯棒性。
【附圖說明】
[0036] 圖1是本發明方法的流程圖。
[0037] 圖2是采集的淡水無核珍珠的OCT圖像。其中（a)為正常無缺陷樣本，（b)-(f)樣本 存在各種形態的缺陷。
[0038] 圖3是本發明的拉平步驟的效果圖。(a)表示拉平前，（b)表示拉平后。
[0039] 圖4是實施例正常無缺陷樣本的缺陷層上下邊界提取效果圖。
[0040] 圖5是實施例存在形態缺陷樣本之一的缺陷層上下邊界提取效果圖。
[0041 ]圖6是實施例存在形態缺陷樣本之二的缺陷層上下邊界提取效果圖。
[0042] 圖7是實施例存在形態缺陷樣本之=的缺陷層上下邊界提取效果圖。
[0043] 圖8是實施例存在形態缺陷樣本之四的缺陷層上下邊界提取效果圖。
[0044] 圖9是實施例存在形態缺陷樣本之五的缺陷層上下邊界提取效果圖。
[0045] 圖10是本發明的背景目標分離的邊界提取效果圖。（a)背景目標分離前的原始圖 像;（b)原始圖像的待擬合像素點及分界線。
【具體實施方式】
[0046] W下結合附圖及實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的 具體實施例僅僅用W解釋本發明，并不用于限定本發明。
[0047] 本發明的實施例如下：
[004引 （1)使用Iliorlabs公司生產的TELSTO 1300V2型SD-OCT成像儀采集淡水無核珍珠 的SD-OCT圖像樣本30個，其中15個含有珍珠質層缺陷，15個為正常樣本;圖2為其中6個典型 樣本的OCT圖像，其中(a)為正常無缺陷樣本，（b)-(f)樣本存在各種形態的缺陷。
[0049] (2)背景目標分離：
[0050] 2.1)提取SD-OCT圖像中前10行像素點，計算前10行像素點的均值y和標準差0,采 用W下公式獲得降噪闊值A:
[0化1 ]
[0052] W降噪闊值對SD-OCT圖像進行闊值降噪；
[0053] 2.2)使用化nny算子對降噪后的圖像提取其圖像邊緣，進行二值化處理，使圖像邊 緣的像素灰度值為I，除圖像邊緣W外的圖像其它像素灰度值為0;
[0054] 2.3)對二值化后圖像中的每一列像素點，自上向下捜索該列出現第一個灰度值為 1的像素點并記錄作為待擬合像素點；
[0055] 2.4)用二次多項式擬合方法對所有待擬合像素點進行擬合，得到背景和目標之間 的分界線及分界線上的像素點；
[0056] 圖10(a)給出了背景目標分離前的原始圖像；圖10(b)給出了原始圖像的待擬合像 素點及分界線；
[0057] (3)圖像拉平及散斑噪聲去除：取步驟(2)設及的分界線上點的縱向坐標最高點， W此為拉平變換后圖像的最高點，對采集的SD-OCT圖像中的每一列進行向上平移，其中補 入的像素插入0;圖3是給出了拉平步驟的效果圖。使用二維中值濾波及BM3D圖像降噪算法， 對拉平后的圖像進行降噪；
[0058] (4)圖像裁剪和壓縮:對圖像的上邊界中點為基準，向左定位80%的尺寸，向右定 位80%的尺寸，向下定位80%的尺寸對圖像進行保留和裁剪。
[0059] 本實施列中，圖像尺寸為1024 X 1024,裁剪后的圖像尺寸為820*820;使用灰度均 值偏差比較，W2X2模版，取4點灰度的均值，保留與該平均值相差最大的一點，剔除其余3 點，完成裁剪后圖像的壓縮;壓縮后的圖像尺寸為205X205;
[0060] (5)缺陷層上下邊界提取:計算裁剪及壓縮后圖像每個像素點的縱向梯度;根據像 素點中梯度的極性，分離出正梯度集合與負梯度集合;使用圖方法，使用正梯度集估計缺陷 層的上邊界;使用圖方法，使用負梯度集的絕對值估計缺陷層的下邊界；
[0061] 5-1)定義相連通的兩個像素點之間存在關聯權值，每個像素點與其相鄰的各個像 素點之間相連通；
[0062] 5-2)計算圖像中每個像素點的縱向梯度并進行最大最小值歸一化處理，采用W下 公式計算所有相連通的兩個像素點之間的關聯權值Weightab:
[0063] Weightab = 2.01-g￡i-gb
[0064] 其中，ga和gb分別為兩個相連通的像素點a和b的縱向梯度；
[0065] 5-3)在圖像的最左側和最右側各增加一列像素點，新增加的最左列的所有像素點 均相連通，新增加的最右列的所有像素點均相連通，最左列像素和最右列像素中每兩個相 連通的像素點的關聯權值均為1(T5;
[0066] 5-4) W最左列像素點的中間像素點為邊界捜索的初始點，W最右列像素點的中間 像素點為邊界捜索的終點，結合圖像中各像素點的相連通情況及其關聯權值采用Di Astra 單源最短路徑捜索算法，獲得缺陷層的邊界。
[0067] 實施例6個典型樣本缺陷層上下邊界提取效果分別如圖4~圖9所示，圖4是正常無 缺陷樣本，其余五張圖是存在缺陷的樣本。每張圖中的左側為OCT圖像，右側為OCT圖像對應 的縱向梯度圖，分別在OCT圖像及其對應的的縱向梯度圖中顯示。每張圖中，上方的線為上 邊界，下方的線為下邊界。
[0068] (6)闊值判斷:計算如步驟(5)所述的上邊界上所有像素對應的縱向梯度均值;計 算如步驟(5)所述的下邊界上所有像素對應的縱向梯度均值。
[0069] 圖4~圖9顯示OCT圖像及其對應的縱向梯度圖，表1顯示了 15個正常樣本和15個缺 陷樣本的上邊界所有節點的縱向梯度均值及下邊界所有節點的縱向梯度均值。
[0070] 分別設立上邊界闊值為180和下邊界闊值為-240;對比上邊界梯度均值與上邊界 線闊值，若上邊界梯度均值大于上邊界線闊值，則判定邊界下部產生缺陷;對比下邊界梯度 均值與下邊界線闊值，若下邊界梯度均值小于下邊界線闊值，則判定邊界上部產生缺陷;實 驗結果表面，對于30個樣本中的缺陷識別率達到了 100%。
[0071] 表1.上下邊界的平均梯度值
[0072]
[0073] 在本發明實施例中，本領域普通技術人員還可W理解，實現上述實施例方法中的 全部或部分步驟是可W通過程序來指令相關的硬件來完成，所述的程序可W在存儲于一計 算機可讀取存儲介質中，所述的存儲介質，包括R0M/RAM、磁盤、光盤等。
[0074] W上所述僅為本發明的較佳實施例而已，并不用W限制本發明，凡在本發明的精 神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護范圍之內。
【主權項】
1. 一種SD-OCT圖像的淡水無核珍珠珍珠質層缺陷識別方法，其特征在于包括以下步 驟： 1) 采集淡水無核珍珠的SD-OCT圖像； 2) 對SD-OCT圖像進行背景和目標的分離處理，獲得背景和目標的分界線； 3) 根據分界線對圖像依次進行拉平和散斑噪聲去除的處理； 4) 對圖像進行裁剪和壓縮； 5) 計算像素點的縱向梯度，并提取獲得缺陷層上下邊界； 6) 計算縱向梯度均值，再通過上邊界線閾值和下邊界線閾值判斷獲得缺陷的結果:分 別計算上邊界上和下邊界上所有像素的縱向梯度均值； 若上邊界縱向梯度均值大于上邊界線閾值，則認為邊界下部產生缺陷；若下邊界縱向 梯度均值小于下邊界線閾值，則認為邊界上部產生缺陷； 若邊界上部和下部均產生缺陷，則認為淡水無核珍珠的珍珠質層存在缺陷，否則不存 在。2. 根據權利要求1所述的一種SD-OCT圖像的淡水無核珍珠珍珠質層缺陷識別方法，其 特征在于： 所述步驟2)具體為： 2.1) 提取SD-OCT圖像中前10行像素點，計算前10行像素點的均值μ和標準差〇,采用以 下公式獲得降噪閾值Α:以降噪閾值對SD-OCT圖像進行閾值降噪； 2.2) 使用Canny算子對降噪后的圖像提取其圖像邊緣，進行二值化處理，使圖像邊緣的 像素灰度值為1，除圖像邊緣以外的圖像其它像素灰度值為〇; 2.3) 對二值化后圖像中的每一列像素點，自上向下搜索該列出現第一個灰度值為1的 像素點并記錄作為待擬合像素點； 2.4) 用二次多項式擬合方法對待擬合像素點進行擬合，得到背景和目標之間的分界 線，并獲得分界線所對應的所有圖像像素點。3. 根據權利要求1所述的一種SD-OCT圖像的淡水無核珍珠珍珠質層缺陷識別方法，其 特征在于:所述步驟3)具體為： 先以步驟2)獲得分界線上沿圖像縱向坐標的最高點作為拉平變換后圖像分界線的最 高點，將SD-OCT圖像中的每一列像素整體進行向上平移，使得原SD-OCT圖像中的分界線變 換為水平直線，每一列像素向上平移后上部超出圖像外的部分剔除，下部位于圖像中缺失 的部分用灰度值為〇的像素填補； 然后使用二維中值濾波和BM3D圖像降噪算法對拉平后的圖像進行降噪。4. 根據權利要求1所述的一種SD-OCT圖像的淡水無核珍珠珍珠質層缺陷識別方法，其 特征在于:所述步驟4)具體為： 先裁剪掉占圖像10 %的左側邊緣、占圖像10 %的右側邊緣和占圖像20 %的底部邊緣； 然后使用灰度均值偏差比較，將裁減后的圖像以2X2窗口分為各個塊圖像區域，對于 每個塊圖像區域計算所有四點的灰度值均值，保留四點中與該灰度值均值相差最大的一 點，剔除其余三點，完成裁剪后圖像的壓縮。5. 根據權利要求1所述的一種SD-OCT圖像的淡水無核珍珠珍珠質層缺陷識別方法，其 特征在于:所述步驟5)具體為:計算壓縮后圖像中每個像素點的縱向梯度，根據像素點中縱 向梯度的極性，將所有像素點分離形成正梯度集合與負梯度集合，使用圖方法分別對正梯 度集合和負梯度集合的所有像素點進行處理，分別獲得缺陷層的上邊界和下邊界。6. 根據權利要求5所述的一種SD-OCT圖像的淡水無核珍珠珍珠質層缺陷識別方法，其 特征在于:所述步驟5)中縱向梯度數值為正值的像素點則歸為正梯度集合，縱向梯度數值 為負值的像素點則歸為負梯度集合。7. 根據權利要求5所述的一種SD-OCT圖像的淡水無核珍珠珍珠質層缺陷識別方法，其 特征在于:所述步驟5)中的圖方法為： 5-1)定義相連通的兩個像素點之間存在關聯權值，每個像素點與其相鄰的各個像素點 之間相連通； 5-2)計算圖像中每個像素點的縱向梯度并進行歸一化處理，采用以下公式計算所有相 連通的兩個像素點之間的關聯權值Weightab: We i ghtab = 2 · 01 -ga-gb 其中，gdPgb分別為兩個相連通的像素點a和b的縱向梯度； 5-3)在圖像的最左側和最右側各增加一列像素點，新增加的最左列的所有像素點均相 連通，新增加的最右列的所有像素點均相連通，最左列像素和最右列像素中每兩個相連通 的像素點的關聯權值均為10' 5-4)以最左列像素點的中間像素點為邊界搜索的初始點，以最右列像素點的中間像素 點為邊界搜索的終點，結合圖像中各像素點的相連通情況及其關聯權值采用Dijkstra單源 最短路徑搜索算法，獲得缺陷層的邊界。
【文檔編號】G06T7/00GK106023158SQ201610305719
【公開日】2016年10月12日
【申請日】2016年5月10日
【發明人】周揚, 劉鐵兵, 王中鵬, 陳正偉, 施秧, 周武杰
【申請人】浙江科技學院