一种基于改进TV-L1模型的虾苗计数分析方法与流程

本发明属于图像处理及应用技术领域，涉及一种基于改进tv-l1模型的虾苗计数分析方法，在光照不变的情况下对虾苗进行精确计数。

背景技术：

随着虾苗养殖规模不断扩大，其饲养、运输、销售等环节需要对虾苗进行定量计数。传统计数方法多采用杯、碗、桶等取样，以人工肉眼的方法计数，用此方法存在很大误差、耗时耗力且对虾苗有一定程度的损伤。近年来研制的各类虾苗光电计数器、鱼虾苗计数仪等虽方便，但易受通道尺寸及虾苗大小的影响，且价格昂贵。机器视觉技术因其非接触、高精度、可量化的优点目前已逐渐应用于动物自动识别计数领域，如文献刘世晶,王帅,陈军,等.基于改进主成分分析和adaboost算法的运动虾苗识别方法[j].农业工程学报,2017,33(1):212-218；也有一些学者利用机器视觉技术开展水生动物的行为检测与识别计数研究，如文献mah,tsaitf,liucc.real-timemonitoringofwaterqualityusingtemporaltrajectoryoflivefish[m].pergamonpress,inc.2010以及周莹莉,曾立波,刘均堂,等.基于图像处理的菌落自动计数方法及其实现[j].数据采集与处理,2003,18(4):460-464；文献齐龙,蒋郁,李泽华,等.基于显微图像处理的稻瘟病菌孢子自动检测与计数方法[j].农业工程学报,2015,31(12):186-193提出了基于距离变换和高斯滤波的改进分水岭算法对粘连孢子进行分离，满足了稻瘟病菌孢子自动检测和计数要求，周莹莉等提出了一种基于距离变换和分水岭算法分离粘连菌落，利用边缘跟踪进行识别计数。这些方法主要是适用于不受光照影响且特征典型的物体识别计数。目前有关虾苗检测计数的研究报道屈指可数，虾苗计数的研究主要存在以下问题：一是虾苗具有体型小、透光性强等特点，易受光照影响，使其边界信息不清晰；二是由于虾苗分布在不同水深，加之透光性强，使采集图像存在粘连、颜色深浅不同等问题，利用现有的方法进行计数结果误差较大。

技术实现要素：

本发明的目的在于克服现有技术存在的缺点，针对现实生活中受光晕影响的虾苗图像的计数问题，设计提供一种基于改进的tv-l1模型的光照不变虾苗连通区域标记面积计数分析方法，在光照不变的情况下对虾苗进行精确计数分析。

为了实现上述发明目的，本发明进行虾苗计数分析方法包括以下步骤：

(一)图像的采集：先在取景范围内设置相机，调节相机位置，调整支架使图像正确显示，再根据实际情况选择合适的相机场景模式，并将相机设置为自动调节焦距与光圈，自动白平衡，在室内不同光照强度下进行取样，捕获和保存得到观测图像；

(二)图像预处理：具体过程为：

(2-1)改进tv-l1模型的建立：当观测图像中存在较大非均匀光照影响时，观测图像的内容往往被覆盖在较暗的区域，基于对数变换的图像增强技术可以有效使低值灰度的图像细节得到增强，利用取对数的方式对现有tv-l1模型改进，具体为：

对观测图像f进行对数增强后得：

f＝logf(1)

将f作为待研究对象，

e(u)＝∫ω|▽u|dxdy+∫ωλ||u-f||dxdy(2)

式中，f为含噪声的的观测图像，u为tv-l1模型处理后得到的平滑图像，▽为图像梯度算子，λ为惩罚参数，ω为整个图像区域；解梯度降方程得到jacobi迭代，并且采用现有技术中的迎风差分及中心差分得：

其中，

fi,j表示图像中位置为(i,j)的像素值，表示第n次迭代后所恢复图像位置为(i,j)的像素值，λ为惩罚参数，控制u与f的相似度，步长h取值为1，表示图像中相邻像素点的距离，ε取值为10^-7，防止分母为0；

(2-2)图像归一化处理：根据虾苗图像透光性强、不易将背景与目标图像分割的特点，将改进的tv-l1模型作为低通滤波算子估计光照分量，定义对数域中的观测图像与利用改进tv-l1模型处理后得出的光滑图像的商图像作为光照归一化的结果图像，具体为：

光照归一化方法模拟观测图像f为光照分量l与反射分量r的乘积，通过估计光照分量，进而得到反射分量作为光照无关量估计，

f＝r·l(8)

用改进的tv-l1模型作为低通滤波算子e，得到光照分量估计为

*表示信号卷积，再定义对数商图像(lqi)为

定义商图像(qi)为

式中，u为tv-l1模型处理后得到的平滑图像；商图像光照归一化的作用来自于假设：图像中大范围变化缓慢的低频成分是由光照变化影响的结果，用类低通滤波算子滤波得到的图像可以被认为是反映了光照变化的图像，因此，采用平滑图像做逐像素的商运算实现针对光照的归一化，从而得到图像的光照不变表示；

(2-3)图像形态学处理：先选用一个半径为4的平坦型圆盘结构元素对光照归一化处理后的图像进行膨胀处理，再选用一个半径为9的平坦型圆盘结构元素对图像进行腐蚀运算，将粘连在一起的虾苗分离开；

(2-4)图像二值化：采用文献ostun,nobuyukio,otsun.athresholdselectionmethodfromgray-levelhistogramieeetransactionsonsystems[j].ieeetransactionsonsystemsman&cybernetics,1979,9(1):62-66.公开的最大类间方差法确定最优阈值，分割图像，对步骤(2-3)处理后得到的图像进行图像二值化得到预处理后的图像；

(三)虾苗计数：先将预处理后图像的连通区域进行标记，求出经预处理后虾苗的平均面积，再根据所设定比较区间内所标记连通区域面积与平均面积的比例来确定虾苗数量，具体过程为：先用序贯标记法标记连通区域，计算出连通区域个数为a，再分别计算出连通区域的面积，将其从小到大排序，存入数组s，赋值n1＝0,n2＝0；然后统计前个连通区域的面积均值记为avg；根据预先求出的avg，统计出0.5avg～1.5avg之间的连通区域面积，重新求取平均值avg，并与原有平均值进行比较，不断更新avg，重复此步骤，直到平均面积avg不再变化，求得平均值avg，依次取出s中元素s[i]；若s[i]＜0.3avg时，计数为0；若s[i]＞avg，则虾苗的数量n1＝n1+k，其中round为四舍五入取整函数；若0.3avg≤s[i]≤avg，则n2＝n2+1；当i＞a时，n＝n1+n2，完成虾苗计数。

本发明与现有技术相比，运用图像处理技术研究了虾苗的检测和计数方法，实现了对存在粘连且受光照影响的虾苗数量的自动化检测，解决了虾体通透性强、易受光照影响、目标与背景不易分离的问题，同时去除了图像的随机噪声；其方法简单，操作方便，能直接处理单幅图像且参数设置简单，计数精确。

附图说明：

图1为本发明的工作流程原理示意框图。

图2为本发明所述虾苗计数流程示意图。

图3为本发明实施例采用的实验设备示意图。

图4为本发明实施例采集的虾苗图像，其中(a1)-(a4)为昏黄灯光下虾苗图像,(b1)-(b4)为暗光下虾苗图像，(c1)-(c4)为更暗光下虾苗图像，(d1)-(d4)为明亮光下虾苗图像。

图5为本发明实施例对图像预处理的结果，其中(a)为稀疏虾苗图像5(a)lqi处理的结果，(b)为稀疏虾苗图像5(a)直方图均衡化处理的结果，(c)为稀疏虾苗图像5(b)lqi处理的结果，(d)为稀疏虾苗图像5(b)直方图均衡化处理的结果。

图6为本发明实施例将图4中16幅不同光照下的虾苗图像的各连通区域面积分别在折线图中以从小到大的方式排序的结果，其中横坐标表示连通区域的个数，纵坐标表示连通区域面积；其中(a)为昏黄灯光下虾苗图像,(b)为暗光下虾苗图像，(c)为更暗光下虾苗图像，(d)为明亮光下虾苗图像。

图7为本发明实施例所述图4中16幅不同光照下的虾苗图像的连通区域平均面积。

具体实施方式：

下面通过实施例并结合附图对本发明作进一步说明。

实施例：

本实施例实验采用虾苗为南美白对虾，实验设备如图1所示，包括笔记本电脑、圆形白色陶瓷碗、相机支架和单反相机等，实验环境为：matlabr2014b，处理器为：intel(r)core(tm)i5-4590cpu@3.30ghz3.30ghz，安装内存(ram)：4.00gb，对虾苗进行计数分析的具体过程为：

第一步：图像采集，具体图像采集过程为：

(1)取景范围内设置相机，调节相机位置，调整支架使图像正确显示；

(2)相机设定，选择合适的相机场景模式；

(3)相机设置为自动调节焦距与光圈，自动白平衡，在室内不同光照强度下进行取样；

(4)捕获和保存，得到的虾苗图像如图4所示，从图4中可以看出采集虾苗图像有以下几个特点：(1)虾苗背景的图像光照不均匀，在不同时间与地点采集图像，由此产生不同角度的入射光，造成虾苗图像背景不同，增加了识别难度；(2)由于虾苗自身结构及透光性强的特点，导致虾苗头部、躯干、尾部的成像灰度值不同，尤其是躯干和尾部的成像近乎和背景融为一体，增加了提取特征点及去除背景的难度；(3)部分虾苗分布密集，且存在粘连，增加了分割与计数难度；

第二步：图像预处理

3.1光照归一化

(1)tv-l1模型

tv-l1模型是chantf，esedoglus等提出的图像复原领域的经典模型，主要解决从观测图像中恢复原始图像的逆处理问题，它是一种在图像平滑的同时以保存图像细节为目标的规整化方法；chen等人提出利用tv-l1模型来进行图像分层及背景校验的算法，因此可以利用tv-l1模型作为低通算子来对图像滤波，以达到边缘保持的图像平滑效果：

e(u)＝∫ω|▽u|dxdy+∫ωλ||u-f||dxdy(12)

式中，f为含噪声的的观测图像，u为恢复后图像，▽为图像梯度算子，λ为惩罚参数。等式右边第一项称为光滑项，对图像起光滑作用，可以去除噪声；等式右边第二项为数据项，表示恢复后图像与观测图像的相似程度；

由梯度降方程：

得

经jacobi迭代计算后得：

其中，

这样，观测图像f经过迭代收敛后得到平滑图像u；

(2)改进的tv-l1模型

当图像中存在较大非均匀光照影响时，图像的内容往往被覆盖在较暗的区域，基于对数变换的图像增强技术可以有效使低值灰度的图像细节得到增强，因此本实施例提出利用取对数的方式对tv-l1模型改进。

对于观测图像f，进行对数增强后得：

f＝logf(20)

并用f作为待研究对象。

e(u)＝∫ω|▽u|dxdy+∫ωλ||u-f||dxdy(21)

经梯度降方程求解得：

其中c1、c2、c3、c4的取值见式(16)式(17)式(18)式(19)；

(3)光照归一化

图像的光照归一化算法是通过图像变换从非均匀光照图像中去除光照的影响得到无光照变化的图像。目前已有研究人员提出许多光照归一化算法。wang等人提出自商图像模型，该模型利用观测图像与高斯平滑图像的商图像作为光照归一化结果，该方法可应用于任意单幅图像，但是高斯平滑不能很好地保持低频光照场中的边缘细节，本实施例根据虾苗图像透光性强、不易将背景与目标图像分割的特点，提出将改进的tv-l1模型作为低通滤波算子估计光照分量，定义对数域中的观测图像与利用改进tv-l1模型处理后得出的光滑图像的商图像作为光照归一化的结果图像：

总体来说光照归一化方法模拟观测图像f为光照分量l与反射分量r的乘积，通过估计光照分量，进而得到反射分量作为光照无关量估计，因此，本实施例有

f＝r·l(22)

用改进的tv-l1模型作为低通滤波算子e，得到光照分量估计为

＊表示信号卷积。定义对数商图像(lqi)为

定义商图像(qi)为

式中，u为tv-l1模型处理后得到的平滑图像，商图像光照归一化的作用来自于假设：图像中大范围变化缓慢的低频成分是由光照变化影响的结果，用类低通滤波算子滤波得到的图像可以被认为是反映了光照变化的图像，因此，用平滑图像做逐像素的商运算实现了针对光照的归一化，从而得到图像的光照不变表示。

在图像对数域用tv-l1模型作为低通滤波算子估计光照变化图像，能消除普通低通算子作用在高频区域留下的光晕现象，同时去除部分噪声，并有一定的边缘保持特性，同时参数设置也比较简单，只有一个参数λ，可通过调节λ得到清晰图像，λ的数值越大，对数据项的惩罚越大，图像越清晰，当其与光滑项一起作用时能使图像能更好地保持边缘特性；在实际试验过程中采用现有技术中的直方图均衡化只能有限的提高图像的对比度，而单纯用tv-l1模型作为低通滤波算子进行进行自商(观测图像与平滑图像做商)处理虽能去除光照影响，但存在部分噪声，将图像取对数可以缩小灰度值之间的像素差距，即扩展低值灰度压缩高值灰度，再进行自商处理，效果明显改进。

3.2图像形态学处理

数学形态学的应用可以简化图像数据，在保持它们基本形状特性的同时，去除不相干结构，本实施例在对图像消除光晕以及部分杂质影响后，发现虾苗还存在粘连、边缘毛刺等问题，因此本实施例在光照归一化处理的图像基础上，先选用一个半径为4的平坦型圆盘结构元素对图像进行膨胀处理，再选用一个半径为9的平坦型圆盘结构元素对图像进行腐蚀运算，以此将粘连在一起的虾苗分离开；

3.3图像二值化

为使后续计数更准确，须将不同灰度像素的虾苗图像二值化，在二值化过程中最重要的就是阈值选取问题，如果采用阈值迭代的方式，可以通过程序自动获得比较合适的阈值，但是，多次实验表明，阈值迭代的方式虽然简单，但是在图像的细微处并没有很好的区分度，在某些特定图像中，细小数据的变化会引起分割效果的较大改变，在测试中发现，由otsu提出的最大类间方差法⁰操作简单，处理速度快，且分割时对图像的细节处理较好，因此本实施例采用该方法来确定最优阈值，分割图像；

4虾苗计数

基于现有的图像特征，对预处理后的图像直接读取连通区域数目作为最终数据结果，显然难以获得较高的准确率，虾苗大小不一，且有的存在粘连，若腐蚀规模过大，小面积虾苗会被消除，若腐蚀规模过小，粘连区域难以分开，为了处理虾苗特征面积的大小不一的问题，本实施例先将连通区域进行标记，求出经预处理后虾苗的平均面积，再根据所设定比较区间内所标记连通区域面积与平均面积的比例来确定虾苗数量。

4.1平均面积的计算，具体步骤如下:

(1)利用连通区域标记算法，采用8连通区域遍历图像，求取连通区域个数，记为a；

(2)将连通区域按升序排列，仅统计前个连通区域的面积均值记为avg

(3)根据预先求出的avg，统计出0.5avg～1.5avg之间的连通区域面积，重新求取平均值avg，并与原有平均值进行比较，不断更新avg，重复此步骤，直到平均面积avg不再变化；

4.2计数时的处理策略

在虾苗计数时，针对不同大小的连通区域，处理方式如下：

(1)在形态学处理过程中，虾苗眼睛与身体分离，而造成计数误差。当连通区域面积s＜0.3avg时，不予计数；

(2)预处理中，部分虾苗过度腐蚀，对于图像中0.3avg≤s≤avg的部分，按照一只虾苗计算；

(3)虾苗粘连问题，连通区域的面积一般应满足avg＜s，此时虾苗的数量k按照式(26)计算：

其中，k取整数，s[i]为连通区域面积，round为四舍五入取整函数；

4.3计数流程

虾苗具体计数流程如下：

(1)用序贯标记法标记连通区域，计算出连通区域个数为a；

(2)分别计算出连通区域的面积，将其从小到大排序，存入数组s，赋值n1＝0,n2＝0；

(3)根据4.1中所用更新avg的方法，求平均值avg，依次取出s中元素s[i]；

(4)若s[i]＜0.3avg时，计数为0；若s[i]＞avg，则n1＝n1+k；若0.3avg≤s[i]≤avg，则n2＝n2+1；

(5)当i＞a时，n＝n1+n2，算法结束，完成虾苗计数。

5实验结果与分析

应用本实施例的虾苗自动计数方法进行处理后的结果如图5所示，其中(a)和(c)为稀疏虾与密集虾对lqi预处理后的结果图像，(b)和(d)为稀疏虾与密集虾用直方图均衡化预处理的结果图像，由图像可以看出实验结果受光照影响显著，图6是将图4中16幅不同光照下的虾苗图像的各连通区域面积分别在折线图中以从小到大的方式排序的结果，其中横坐标表示连通区域的个数，纵坐标表示连通区域面积；本实施例将对lqi处理后的结果图像与直方图均衡化处理的结果图像做了对比实验，实验样本为图4的16幅不同光照、形态、数目的虾苗图像计数结果如表1所示，

表1:虾苗计数结果

其中相对误差公式为

平均准确率的计算公式为

实验结果表明：在测试的16幅图像中，每幅图像虾苗的个数为4-167个，对lqi处理后虾苗检测的平均准确率99.276％，比直方图均衡化处理的虾苗检测平均率高27.76％；对lqi处理后虾苗检测的结果显示:有11幅图像没有发生任何误差，这几幅图像的特点是:分割后的图像被细化成孤立的轮廓，不会对计数产生影响；有3幅图像的计数结果比人工计数少1到4条，此图像的特点为有些虾苗分布在边缘部位，导致对lqi预处理后的虾苗相对其它虾苗像素点比较淡，在自适应阈值分割中容易被忽略；其它剩余图像的计数结果则比人工计数多2条，且在图4中的(a1-a4)与(b1-b4)中存在数量为32只的虾苗，但自动计数结果却存在不同，说明实验结果受光照、虾苗分布、虾苗粘连程度的影响等,经分析发现，在图像采集过程中，因拍摄角度原因，造成虾苗大小不一，相对大些的虾苗，在形态学过程中容易将头跟身子分成两个部分，且这两部分大小相同，易造成计数误差。