5.7.3　异物目标特征提取

连通域标记好了以后就可以获取它们的有效特征用于之后的目标识别。本节中的可见异物目标属于面目标。对于一般的面目标，可以提取角点、边缘、纹理、矩等多种特征，而对于低信噪比药液图像中的异物目标，能够供识别所用的特征有限，特别是经过之前步骤的处理后，药液图像已经成为二值图像，这个过程也会丢失一些特征信息，从而使有效的特征提取更加困难。

通过观察分析可以发现，在低信噪比药液图像中，能够利用的特征大多信息较弱。另外，由于摄像头精度的影响，再加上颗粒目标在运动过程中会产生平移、缩放和旋转，与摄像头的距离也会时远时近，从而导致异物目标的大小、形状和面积发生变化，检测出的异物目标之间的形状差异不大，并无可供识别的唯一特征存在。所以要想把异物目标准确辨别出来，必须充分利用颗粒目标的特征信息。根据检测后的异物目标二值图像的特点，通过多次试验分析，可提取的有效特征有：目标i的面积ai、目标i的位置坐标(xi，yi) 以及目标i的瞬时标签li。其中，同一目标的面积在连续帧图像中不会发生明显的变化，所以目标的面积特征可以描述目标之间的相似性；目标的位置坐标可以用来计算目标之间的距离；目标的瞬时标签指的是目标所在图像的帧序号，描述了目标的时间信息。

(https://www.daowen.com)

图5.51　图像标记结果

本节讨论如何提取连续L 帧图像中所有目标的特征信息。这些目标就是下一节需要进行分类的数据集。定义目标i为数据点pi，数据点pi含有三个特征信息：ai、li、(xi，yi)。将从第j帧图像中提取到的数据集合表示为，其中，nj和Nj分别是第j帧图像中提取到数据集的起始下标和终止下标。由此还可以知道，从第j帧图像提取到的数据集合Pj中，所有数据点的瞬时标签都为j。由于数据集是按照帧序号的顺序提取的，所以同一帧图像中数据集的下标是连续的。也就是说，如果数据集Pj的终止下标Nj与数据集Pj+1的起始下标nj+1是连续的，即Nj+1=nj+1。从连续L帧图像中提取到的数据集可以表示为。

本节根据残差图像中异物目标像素的特性，对二维Tsallis熵阈值法进行拓展，增加了当前像素的时间邻域灰度信息，构成了三维Tsallis熵。虽然三维Tsallis熵能够很好地反映目标像素的特点，但是也增加了计算量和复杂度。因此又采用了性能优越的差分进化算法对提出的三维Tsallis熵阈值法进行优化，极大地缩短了计算时间。阈值分割后的异物目标内部出现了孔洞，采用了数学形态学方法来消除孔洞。为了提取到异物目标的特征信息用于之后的识别，采用快速连通域标记方法对阈值分割后的二值图像进行了连通域分析，进而提取到了各个区域的特征信息。