王曉侃，張 艷

(河南機(jī)電職業(yè)學(xué)院，河南 新鄭 451191)

基于ANFIS的煙絲圖像在線檢測(cè)自適應(yīng)消噪技術(shù)*

王曉侃，張 艷

(河南機(jī)電職業(yè)學(xué)院，河南 新鄭 451191)

針對(duì)目前煙絲在線檢測(cè)設(shè)備進(jìn)行圖像檢測(cè)識(shí)別時(shí)，測(cè)量結(jié)果容易受到噪聲、光線、溫度和濕度等的影響，而導(dǎo)致參數(shù)時(shí)變、時(shí)間滯后等問(wèn)題，設(shè)計(jì)一種基于MATLAB軟件的自適應(yīng)消噪技術(shù)，利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)對(duì)煙絲圖像噪聲的非線性動(dòng)態(tài)特性進(jìn)行建模，并利用ANFIS 逼近有色噪聲，然后從測(cè)量煙絲圖像中消除有色噪聲，得到有用的煙絲圖像。該技術(shù)在實(shí)際煙絲在線檢測(cè)生產(chǎn)過(guò)程應(yīng)用中表明，能夠在復(fù)雜的環(huán)境下，自動(dòng)地估計(jì)出噪聲信號(hào)，方便、快捷地實(shí)現(xiàn)在線去噪，從而得到滿意的煙絲圖像。

煙絲圖像；自適應(yīng)消噪；模糊神經(jīng)網(wǎng)絡(luò)；在線檢測(cè)

在這個(gè)充滿信息技術(shù)的時(shí)代，圖像作為傳遞信息的重要手段，導(dǎo)致圖像處理技術(shù)在工業(yè)中的應(yīng)用越來(lái)越廣泛。在煙絲生產(chǎn)的工序中，制絲過(guò)程是直接影響煙支生產(chǎn)質(zhì)量和企業(yè)經(jīng)濟(jì)效益的重要環(huán)節(jié)。卷煙質(zhì)量的直接影響因素就是煙絲，煙絲在檢測(cè)過(guò)程中也受到不同因素的影響；因此，在煙絲檢測(cè)過(guò)程中，煙絲圖像的處理就顯得尤為重要，但在煙絲圖像產(chǎn)生過(guò)程中存在以下問(wèn)題：一方面，基于光的反射形成圖像原理，光照強(qiáng)度的強(qiáng)弱會(huì)使形成的圖像清晰度不同；另一方面，噪聲會(huì)對(duì)圖像的處理產(chǎn)生嚴(yán)重影響。這兩方面對(duì)圖像的真實(shí)度都有影響，還會(huì)破壞圖像的視覺(jué)效果，也會(huì)對(duì)后期的圖像識(shí)別、邊緣檢測(cè)造成較大程度的影響[1-2]。針對(duì)煙絲圖像在線檢測(cè)這個(gè)復(fù)雜過(guò)程，運(yùn)用基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)建立辨識(shí)模型，并進(jìn)行煙絲的有色噪聲逼近，再?gòu)墨@取到的測(cè)量信號(hào)中消除有色噪聲，這樣就可以得到有用的煙絲圖像。

1 ANFIS結(jié)構(gòu)的工作原理

ANFIS是一種將模糊控制和神經(jīng)網(wǎng)絡(luò)結(jié)合起來(lái)的綜合性智能控制系統(tǒng)，它將模糊控制的模糊化、模糊推理和反模糊化等3個(gè)基本過(guò)程全部用神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)，利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)機(jī)制自動(dòng)形成模糊規(guī)則，還可以自適應(yīng)調(diào)整各種參數(shù)，使系統(tǒng)本身朝著自適應(yīng)、自組織和自學(xué)習(xí)的方向發(fā)展[3-4]。本文提出的一種非線性T-S 模糊模型是一個(gè)多層前饋網(wǎng)絡(luò)，結(jié)構(gòu)如圖1所示。

圖1 基于T-S 模糊模型的等效ANFIS 網(wǎng)絡(luò)

假定模糊規(guī)則庫(kù)包含如下2種規(guī)則。

規(guī)則1: if x1is A1and x2is B1, then f1=p1x1+q1x2+r1。

規(guī)則2: if x1is A2and x2is B2, then f2=p2x1+q2x2+r2。

圖1中第1層節(jié)點(diǎn)i是以節(jié)點(diǎn)函數(shù)表示的方形節(jié)點(diǎn)：

O1,i=μAi(x1),i=1,2

O1,i=μB(i-2)(x2),i=3,4

第2層的節(jié)點(diǎn)表示將輸入信號(hào)相乘，其乘積輸出為：

O2,i=wi=μAi(x1)μBi(x2),i=1,2

第3層節(jié)點(diǎn)用N表示，第i個(gè)節(jié)點(diǎn)計(jì)算第i條規(guī)則的歸一化可信度為:

第4層每個(gè)節(jié)點(diǎn)i為自適應(yīng)節(jié)點(diǎn) ，其輸出為：

第5層單節(jié)點(diǎn)是1個(gè)固定節(jié)點(diǎn)，計(jì)算所有輸入信號(hào)的總輸出為：

本網(wǎng)絡(luò)中的未知參數(shù)(pi,qi,ri)，可以利用ANFIS模糊聚類(lèi)進(jìn)行算法訓(xùn)練，達(dá)到預(yù)期的指標(biāo)參數(shù)，然后進(jìn)行模糊建模。

通常基于數(shù)據(jù)聚類(lèi)的ANFIS設(shè)計(jì)方法一般有如下幾個(gè)步驟：1) 樣本數(shù)據(jù)的獲?。?) 模糊初始化；輸入量模糊聚類(lèi)分析，確定中心；形成隸屬度函數(shù)的中心和模糊規(guī)則；3) ANFIS初始結(jié)構(gòu)的確定，即各隱層神經(jīng)元個(gè)數(shù)以及神經(jīng)元激勵(lì)函數(shù)的確定；4) 通過(guò)訓(xùn)練樣本不斷訓(xùn)練隸屬度函數(shù)和模糊規(guī)則，形成ANFIS辨識(shí)模型；5) 用核對(duì)數(shù)據(jù)校驗(yàn)ANFIS。

2 自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)消噪原理

在信號(hào)處理和控制過(guò)程中，尤其是在圖像噪聲問(wèn)題上[5]，利用自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)進(jìn)行噪聲的逼真和建模，利用模糊規(guī)則和自適應(yīng)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，對(duì)噪聲可以有效地消除，進(jìn)而提高測(cè)量的精度、實(shí)用性和有效性。

如圖2所示，s(k)為有用信號(hào)；c(k)為可測(cè)噪聲，經(jīng)過(guò)非線性變換H(z)后為有色噪聲z(k) ；測(cè)量信號(hào)d(k)為被噪聲污染的信號(hào)，d(k) =s(k)+z(k)，s(k)與z(k) 是不相關(guān)的。噪聲抵消就是從被噪聲污染的信號(hào)中估計(jì)s(k)，顯然這只要估計(jì)出z(k)即可。而z(k)是c(k)的延遲和變形，它是不可測(cè)的，即z(k)=f(c(k),c(k-1),c(k-2),…) ，其中，函數(shù)f是未知的、非線性的，而且其頻率范圍往往與d(k)的頻率范圍重疊。通過(guò)利用ANFIS進(jìn)行任意非線性的函數(shù)逼真，可以讓ANFIS網(wǎng)絡(luò)逼近有色噪聲z(k)，進(jìn)而得到輸出信號(hào)y(k) 。

圖2 自適應(yīng)消噪原理圖

(1)

(2)

(3)

3 基于ANFIS的自適應(yīng)消噪技術(shù)的流程

3.1 應(yīng)用MATLAB軟件生成煙絲圖像

系統(tǒng)生成的原始煙絲圖像如圖3所示。如果噪聲源為n1，其采用正態(tài)分布的隨機(jī)數(shù)，可以應(yīng)用MATLAB軟件的命令函數(shù)生成噪聲：

n1=randn(size(t));

plot(n1);

axis([0 650 min(n1) max(n1)]);

legend(‘噪聲信號(hào)’);

生成噪聲曲線如圖4所示。其中，噪聲信號(hào)干擾下的非線性特征曲線如圖5所示。

圖3 原始煙絲圖像

圖4 噪聲變化曲線

圖5 噪聲信號(hào)干擾下的非線性特征曲線

3.2 疊加噪聲信號(hào)后的測(cè)量信號(hào)

疊加噪聲信號(hào)后的煙絲圖像如圖6所示。

圖6 疊加噪聲信號(hào)后的煙絲圖像

3.3 利用ANFIS函數(shù)完成系統(tǒng)訓(xùn)練

選用具有二輸入單輸出的神經(jīng)網(wǎng)絡(luò)模糊系統(tǒng)對(duì)噪聲非線性進(jìn)行建模，在獲得輸入輸出數(shù)據(jù)對(duì)后，利用ANFIS函數(shù)完成對(duì)經(jīng)網(wǎng)絡(luò)的參FIS模型的訓(xùn)練。

本系統(tǒng)使用函數(shù)genfis1的網(wǎng)格分割法生成模糊推理系統(tǒng)，同時(shí)利用函數(shù)按照一定的誤差準(zhǔn)則來(lái)調(diào)整隸屬度函數(shù)的參數(shù)，這樣可以保證所建立的模型能逼近給定的訓(xùn)練數(shù)據(jù)。當(dāng)對(duì)函數(shù)和系統(tǒng)訓(xùn)練時(shí)，每個(gè)輸入變量的隸屬度函數(shù)個(gè)數(shù)都選為2，則總模糊規(guī)則數(shù)為4。

通過(guò)觀察處理的圖形和曲線可以看出，訓(xùn)練數(shù)據(jù)的誤差逐漸變小，單方向收斂，步長(zhǎng)也實(shí)時(shí)變大，建立的逼真模型訓(xùn)練效果很顯著。

3.4 噪聲信號(hào)的影響評(píng)估

在完成對(duì)噪聲的非線性特性進(jìn)行神經(jīng)網(wǎng)絡(luò)模糊建模以后，利用訓(xùn)練的ANFIS系統(tǒng)進(jìn)行估計(jì)以完成對(duì)測(cè)量信號(hào)中噪聲影響的評(píng)估。基于ANFIS的估計(jì)噪聲和補(bǔ)償噪聲曲線如圖7所示。

圖7 基于ANFIS的估計(jì)噪聲和補(bǔ)償噪聲曲線

3.5 進(jìn)行噪音消除

對(duì)檢測(cè)到的煙絲圖像進(jìn)行消噪處理。利用ANFIS消除噪聲后的煙絲圖像如圖8所示。

圖8 消除噪聲后的煙絲圖像

4 結(jié)語(yǔ)

利用基于ANFIS的圖像自適應(yīng)消噪技術(shù)，可以自動(dòng)地調(diào)整自身參數(shù)，使訓(xùn)練模型更逼近真實(shí)對(duì)象，再結(jié)合模糊控制和神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)，發(fā)揮各自的優(yōu)點(diǎn)，對(duì)未知的干擾進(jìn)行相似性處理和逼近，建立了煙絲噪聲的非線性動(dòng)態(tài)模型，能夠有效地消除外界聲源的干擾，獲得滿意的煙絲有用圖像，達(dá)到了很好的自適應(yīng)消噪效果，提供了一種有效的圖像消噪方法。

[1] 韓英莉.一種改進(jìn)全變差正則化的Shearlet自適應(yīng)帶鋼圖像去噪算法[J].表面技術(shù), 2014(12):111-116.

[2] 曾泰山,魯春元. 多尺度全變差圖像去噪算法[J]. 華南師范大學(xué)學(xué)報(bào)：自然科學(xué)版, 2013(4):67-72.

[3] 羅海馳,李岳陽(yáng),孫俊.基于ANFIS的圖像邊緣檢測(cè)算法[J].江南大學(xué)學(xué)報(bào)：自然科學(xué)版,2014(10): 23-30.

[4] 朱立新,楊擴(kuò),秦加合.一種新的基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)的圖像濾波器[J].計(jì)算機(jī)科學(xué), 2014(6): 218-221.

[5] 徐皓.一種基于模糊神經(jīng)系統(tǒng)的圖像去噪方法[J].計(jì)算機(jī)工程與應(yīng)用,2008(1): 89-91.

*河南省重點(diǎn)科技攻關(guān)項(xiàng)目(132102210385;142102210042)河南省教育廳科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目(13B413968)鄭州市科技攻關(guān)項(xiàng)目(121PPTGG418)

責(zé)任編輯彭光宇

On-lineDetectionofCutTobaccoImagewithAdaptiveNoiseCancellationTechnologybasedonANFIS

WANG Xiaokan，ZHANG Yan

(Henan Mechanical and Electrical Vocational College，Xinzheng 451191，China)

Currently when identify the cut tobacco image of on-line detection, the measurement results are easily influenced by noise, light, temperature and humidity, and which cause the parameter time-varying and time lag. Design the ANFIS noise cancellation technology based on the MATLAB software. Modeling the nonlinear dynamic characteristic of noise by ANFIS and approaching the colored noise by ANFIS are presented. Then the colored noise is cancelled from measured signal and the useful cut tobacco image is gotten. This technology is applied in the actual cut tobacco image of on-line detection production process, indicating that it can automatically estimate the noise signal, quickly and easily realize online noise cancellation, thus obtain the satisfied cut tobacco image.

template cut tobacco image，adaptive noise cancellation，fuzzy neural network，on-line detection

TN 911.7

:A

王曉侃(1980-)，男，講師，碩士，主要從事智能控制系統(tǒng)等方面的研究。

2015-01-16