木材表面缺陷特征轮廓提取算法研究

虫眼、活节和死节是最常见的木材表面缺陷,是木材分选过程主要的识别目标,精确提取木材表面缺陷轮廓特征能大幅提高木材分选的准确率。本研究提出一种针对木材表面虫眼、活节、死节缺陷轮廓提取方法。针对木材表面常见黑点和纹理等非线性噪声,使用中值滤波方法平滑图像。然后分别应用OTSU算法与全局阈值分割算法分离图像背景与目标,对结果二值图像使用数学形态学方法进行滤除和填充,最终用sobel算子提取缺陷边缘。结果表明,采用OTSU算法分割和数学形态学相结合的方法可以很好地提取木材表面缺陷特征,用sobel算子能够提取到比较完整、准确、连续的木材表面缺陷边缘轮廓,提高了目标图像的可视性和精准性。     

应用改进分水岭算法对木材表面缺陷图像分割试验

根据木材缺陷样本图像特点,用直方图均衡化和灰度变换对其进行预处理,使缺陷目标和背景反差更大,突出缺陷目标图像;对活节(样本1)、死节(样本2)、虫眼(样本3)缺陷采用多组对比试验的方法,采用传统分水岭算法和改进分水岭算法分割样本缺陷图像,分析两种方法的差异。结果表明:改进分水岭算法,能迅速且较好分割木材缺陷图像,缺陷轮廓更为清晰完整,曲线更为平滑,弥补了传统分水岭算法过渡分割和欠分割的不足,达到较为理想的分割效果;改进分水岭算法分割效率比传统分水岭算法更高,分割时间更短,更准确;试验证明了改进分水岭算法对木材缺陷图像分割的可行性和可靠性。     

木材缺陷图像处理软件的研制

对木材缺陷的X光图像进行计算机处理，可以突出缺陷的边缘与细节，便于人眼和计算机进行有效地识别。针对木材X光成像的噪声模型，采用高斯滤波器、梯度松驰迭代图像分割算法和协中值滤波法处理图像，可以提取缺陷图像的详细信息，并能检测出图像的边缘。     

基于改进C-V模型的木材表面缺陷图像分割

木材表面缺陷会严重影响木材的质量、性能和使用价值,对木材表面缺陷分割检测有利于提高木材的利用率,节约现有木材资源,缓解森林资源短缺的压力。针对传统的C-V(Chan-Vese)模型算法不能分割灰度不均匀图像的缺点,本文采用C-V模型与形态学结合的方法与传统的C-V模型算法进行对比试验。与此同时,根据C-V模型和C-V模型结合形态学方法的不足之处,在C-V模型基础上,引入局部拟合函数和高斯核函数,提出了一种基于C-V模型的改进算法,能够有效地克服C-V模型的不足。通过对木材表面缺陷图像分别采用传统C-V模型算法、C-V模型与形态学结合的方法和改进的C-V模型算法进行多组针对单一目标的木材表面缺陷图像的对比试验。结果表明:C-V模型能够将虫眼和活节缺陷图像分割出来,但是对纹理干扰强烈的死节缺陷图像分割困难;运用C-V模型与形态学结合的方法,可以有效地消除分割结果中的细小空洞和噪声,但是仍无法抵抗死节缺陷图像中木材自身纹理的干扰,难以将死节缺陷完整地分割出来;改进的C-V模型算法对木材表面缺陷图像的分割能够减少迭代次数,缩短分割时间,使分割轮廓线更加光滑和完整。通过采用改进C-V模型算法对多目标木材表面缺陷图像进行试验,能够更好地验证改进算法的优越性、有效性和可行性。      

基于灰度共生矩阵的木材表面缺陷图像的纹理分割方法

针对木材缺陷这一自然纹理型事物,提出了一种基于灰度共生矩阵并结合模糊C均值聚类算法的纹理分割方法.对比了该方法与基于灰度-梯度共生矩阵二维阈值分割算法的分割结果,实验表明:对于木材表面缺陷这类自然纹理图像的分割,纹理分割是行之有效的方法.     

基于超像素的木材表面缺陷图像分割算法

使用SLIC(简单线性迭代聚类)超像素图像分割方法将木材表面缺陷图像预分割,并从提高算法速度和自适应阈值2方面对超像素合并算法进行改进;分析了DBSCAN(具有噪声的基于密度的聚类方法)聚类用于该类超像素合并中算法的复杂度,提出了自适应阈值的快速DBSCAN超像素合并算法来取得缺陷分割图像。结果表明:改进后的算法对于3类缺陷都能很好的分割,并且算法复杂度低;分割及合并的总时间为0.35 s左右,能满足在线分选的要求。     

基于H分量K-Means多种环境条件下谷子冠层图像提取

以谷子为研究对象,采集谷子阴天、背景复杂有阴影、光照不均、露水雨水反光4类环境条件下的冠层图像,分别采用超绿分割、Lab空间K均值聚类分割和基于H分量的K均值聚类分割3种算法进行冠层提取,探究不同条件下谷子冠层提取的最优方法。对于阴天和背景复杂有阴影的谷子冠层图像,3种算法均可以较完整地提取,分割准确率均达到93%以上;对于光照不均的图像,超绿分割效果最差,基于Lab空间和基于H分量下的K均值聚类分割效果相对优异,分割准确率分别为93%和96%;对于露水雨水反光的图像,基于H分量的K均值聚类分割准确率最高,达到97%。基于H分量的K均值聚类算法对4种不同环境条件下获取的谷子冠层图像分割效果均较理想,为后续谷子生长自动监测提供了一定的参考价值。     

一种基于混合纹理特征的木板材表面缺陷检测方法

利用计算机视觉技术检测木板材表面缺陷。提出了一种基于混合纹理特征的表面缺陷检测算法,能准确、鲁棒地检测出木板材表面图像中是否有缺陷。首先,分别使用灰度共生矩阵方法、Gabor滤波方法和几何不变矩方法提取了10个优化后的图像纹理及尺度、平移、旋转不变特征;然后,对特征向量进行有效组合;最后,基于融合后的混合纹理特征向量,应用BP人工神经网络对样本集进行训练和检测。实验表明,该方法能准确地对木板材表面缺陷进行检测,平均检测成功率达96.2%。     

基于区域亮度自适应校正算法的脐橙表面缺陷检测

【目的】针对类球型水果表面亮度分布不均现象,传统算法难以有效直接分割水果表面缺陷区域问题,提出一种基于区域亮度自适应校正的脐橙表面缺陷检测算法。【方法】选择区域经济价值较高的纽荷尔脐橙为研究对象,对其采集原始可见光RGB图像。试验中发现R-B融合分量图像灰度呈明显双峰分布,故根据直方图信息利用单阈值法(分割阈值T1=60)去除图像背景,获得R-B目标图像;基于本文提出的一种区域亮度自适应校正算法对脐橙表面缺陷进行检测,首先设定目标图像邻域窗口大小为w×w(邻域窗口大小w=13),通过对其窗口大小内较亮像素点的集合提取脐橙表面亮度信息,然后基于此表面亮度信息对去除背景的R-B目标图像进行均一化校正,经亮度校正后的图像发现其表面缺陷区域与正常组织区域灰度对比度大,宜采用单阈值法(分割阈值T=194)直接对亮度校正后的脐橙图像进行表面缺陷分割提取;最后对表面缺陷分割后的二值化图像进行面积滤波以去除杂散点及噪声。【结果】采用双峰法可在有效去除图像背景的同时完好保留目标脐橙表面信息;基于区域亮度自适应校正算法对溃疡病果、蓟马虫果、介壳虫果、虫伤果、黑星病果、风伤果、炭疽病果、裂伤果等8种常见脐橙表面缺陷果,共计356幅样本图像进行亮度校正,采用单阈值法对亮度校正后的图像进行表面缺陷分割,其分割率高,整体缺陷准确识别率达到了95.8%,平均处理每幅图像耗时0.29 s。与直方图均衡化算法、基于Retinex理论算法以及基于照度-反射理论算法得到的亮度校正图像相比,本文算法亮度校正效果最优且算法简单、缺陷识别率高、计算速度快,其运算速度分别减少了0.27、0.14和1.45 s,缺陷识别率提高了2.6%—8.2%。【结论】基于区域亮度自适应校正的脐橙表面缺陷检测算法有效解决了脐橙类水果表面亮度分布不均导致的表面缺陷难分割问题,为脐橙在线精确分级提供了技术支持,也为其他类球型水果表面缺陷快速检测提供了一种新方法。     

基于改进区域生长的木材导管形态特征提取方法

基于图像的智能木材识别方法是通过自动提取木材的识别特征来识别木材,对木材科学和产业具有十分重要的意义。提出了一种基于改进区域生长的木材导管形态特征提取方法:采用分治策略改进区域生长法实现木材横切面显微图像中导管细胞的快速分割,用链码跟踪技术提取了10个导管细胞的形态特征;选取了6种阔叶材树种的横切面显微图像进行仿真实验。实验结果显示:本文方法能提高导管细胞的分割速度;所提取的10个形态特征在给定的树种显微图像上具有较高的区分度,说明将本文方法用于阔叶材树种智能识别具有较强的可行性。      

改进的GrabCut算法木材表面缺陷图像分割试验

试验采用传统GrabCut算法和改进的GrabCut算法,针对单目标、多目标、复杂背景下多目标的木材表面缺陷图像进行多组对比实验。结果表明:改进后的GrabCut算法,针对木材表面的缺陷图像分割进行了优化,能有效改进传统GrabCut算法中的欠分割和过分割、易受区域凹凸纹理的干扰等缺点,而且分割各类木材表面缺陷图像时都能取得较好的效果。说明改进后的GrabCut算法具有其优势和可行性。     

木材节子图像增强的小波变换与双三次插值融合方法

为提高木材节子图像的清晰度和对比度，针对木材节子图像的边缘特征，以木材活节和死节图像为对象，研究小波变换与双三次插值融合的木材节子图像增强算法。结果表明，本方法增强后的木材活节和死节图像在峰值信噪比和结构相似性指数分别为22.994 8、32.054 1和0.928 9、0.919 2，均显著高于直方图均衡化和双三次插值方法，这表明本增强方法具有更好的去除噪声效果和图像保真性能。此外，增强后的木材活节和死节图像的平滑指数为2.934 2、3.889 3，显著优于直方图均衡化和双三次插值方法，这表明该方法不仅提高了清晰度和对比度，而且具有更好的边缘细节信息保留功能。     

基于颜色直方图和LBP-TD算子的木板材节疤缺陷区域检测

提出一种基于颜色和纹理信息的木板材表面节疤缺陷区域检测方法。首先,根据木板材表面图像中正常区域和缺陷区域的颜色差异,通过颜色直方图自动获取缺陷区域的种子点;然后,提出一种纹理扩散算法,它从种子点出发,基于图像局部纹理特征搜索缺陷区域的边缘。此外,改进了局部二进制模式算子,提出一种LBP-TD算子以更好地适应纹理扩散。实验结果表明:针对各种常见的木板材节疤缺陷,当缺陷区域与正常木纹区域的颜色、纹理存在较明显差异时,无论木纹本身是否规则,本文方法都能准确地检测出木板材节疤缺陷的区域;而当缺陷区域与正常木纹区域的颜色、纹理的差异均不明显时,本文方法仍能检测出缺陷区域的大致轮廓。数据对比显示了本文方法的误检率要低于传统的OTSU法。      

古建筑墙体木柱缺陷对其安全性影响数值模拟研究

  目的  墙体木柱作为木结构古建筑最重要的承重构件之一,容易出现裂纹、腐朽等缺陷,而各类缺陷会影响墙体木柱顺纹压应力的分布,导致其承载力降低,进而影响其安全性,直接威胁整个建筑的稳定性。因此,研究不同类型的缺陷对古建筑墙体木柱安全性影响是很有必要的。  方法  首先建立了墙体木柱裂纹缺陷、腐朽缺陷以及复合缺陷几何模型,并定义了墙体木柱的受压安全性系数k_c,然后使用Abaqus有限元软件分别模拟分析了裂纹缺陷模型、单侧腐朽缺陷模型、环形腐朽缺陷模型和复合缺陷模型最大顺纹压应力的大小和位置,探究了不同尺寸的缺陷对墙体木柱安全性的影响,并进行了实例验证。  结果  单侧腐朽缺陷以及复合缺陷会使墙体木柱在径向上出现较大偏移,对木柱的稳定性产生较大影响,而裂纹缺陷和环形腐朽缺陷在径向、顺纹方向和切向上偏移较小;裂纹缺陷、单侧腐朽缺陷、环形腐朽缺陷和复合缺陷都对墙体木柱最大顺纹压应力和安全性有较大影响,最大顺纹压应力总是出现在有效截面面积最小处,且均随各缺陷程度的增大呈指数增加,而安全性系数呈指数下降,同时复合缺陷对墙体木柱安全性的影响要大于单一缺陷对墙体木柱的安全性影响。半露明柱与暗柱在腐朽深度相同时,安全性相差不大,在腐朽面积相同时,半露明柱的安全性要远低于暗柱。  结论  裂纹缺陷和腐朽缺陷会降低墙体木柱的安全性,而有限元数值模拟能够计算出墙体木柱的顺纹压应力最大值,进而量化墙体木柱的安全性,其结果可以为墙体木柱的修缮提供依据。      

基于PSO优选特征的实木板材缺陷的压缩感知分选方法

针对实木板材表面缺陷的复杂性与随机性,提出了一种快速、准确的识别方法。首先,对实木板材表面图像进行3级双树复小波分解,提取低频子带、高频子带、原图像的均值、标准差和熵,共40维特征向量;然后,运用粒子群算法(PSO)优选出20个关键特征;最后,采用压缩感知理论将优选后的特征向量作为样本矩阵列,构建训练样本数据字典,通过最小残差完成缺陷识别。对4类柞木样本进行了仿真实验,活结、死结、虫眼、裂纹的分类正确率分别为93.3%、86.7%、100%和93.3%,结果表明:双树复小波良好的方向性能够表达实木板材表面复杂的信息;基于粒子群算法的特征选择能够提高分类效率;压缩感知分类器与传统分类器相比,具有结构简单、分类精度高的特点。      

基于计算机视觉的实木表面智能化分选系统设计

设计一种集实木传送、图像定位与采集、实木板材表面识别与分选的智能系统,系统通过传送带运送实木板材,CCD摄像头获取板材图像,在触摸屏工控机TPC700-9190T上应用MFC与OpenCV编写分选程序对板材图像进行分析,识别结果通过STM32单片机控制电磁阀完成实木板材的分类。在图像定位与识别算法中,采用积分投影算法确定板材边界,动态采集板材表面图像;在颜色分类方面,利用L*a*b*空间颜色分量的均值、方差和斜度3个低阶矩表达颜色;在缺陷检测方面,提出了基于纹理填充的缺陷分割方法,通过获取纹理掩膜图像,然后利用板材背景颜色淡化纹理,最后应用加权阈值法完成缺陷分割,分割后计算缺陷面积、边缘灰度均值、内部灰度均值和长宽比等特征表达缺陷信息;在纹理识别方面,提出了基于Contourlet变换的纹理特征提取方法,通过对纹理图像进行Contourlet变换3层分解,得到1个低频子带、6个中频子带和8个高频子带,分别计算低频和中频系数矩阵的均值和方差,并与高频系数矩阵的能量组成22个特征表达纹理信息;最后设计SVM分类器,分别对颜色、缺陷和纹理进行识别。采用300个柞木样本进行实验,板材传送速度在小于1.5 m/s范围内,颜色识别准确率为100%;活节、死结和裂纹识别准确率分别为92.2%、95.6%和93.3%;直纹、弯纹识别准确率分别为93.9%、92.8%。实验结果表明,分选系统具有实时、高效、准确的特点。      

节子的性质及其对木材材性的影响

树节是指树干内部的枝条基部或枯死枝条形成的结疤，在用材中称为节子。在树木生长过程中节子独特的理化性能对树木的生长有良好的作用。但是在木材加工利用过程中节子的存在严重影响木材性能和加工利用。本研究对节子的构造、物理力学性质、化学性质和检测方法等5个方面研究现状进行了总结。节子的存在对于树木的生长过程中枝条与树干之间最佳连接方式，无论在应力作用还是外部细菌等因素的影响下，节子在树木生长过程中所体现的物理性能和化学性能都有着良好的作用。但是在木材的利用中，节子对于木材力学性能和加工性能的影响巨大，不仅对于刀具损伤较大，在一定程度上降低木材的抗拉、抗压、抗弯性能，同时对于木结构连接部位的力学性能也有一定影响。目前国内外对于板材节子检测的研究较充分，但是对于原木的节子检测研究较少。在有节材力学性能预测方向，得到了较为精准的预测模型。并且通过节子特征、林木密度、树龄、树干特征等对节子进行预测，帮助在树木生长过程中对木材进行改良。现阶段对节子的研究主要集中在力学性能和检测等方向，对于节子部位的超微观构造和构造智能性利用等方面相对薄弱，对于节子如何影响木材力学性能的机理并未深入。     

故宫养心殿墙体木柱缺陷状况无损检测研究

  目的  古建筑墙体木柱部分或全部被墙体包裹，木柱与墙体接触部分易腐朽，检测操作空间差。通过对故宫养心殿墙体木柱缺陷状况的无损检测研究，探索墙体木柱缺陷状况无损检测评估方法，揭示墙体木柱腐朽存在的规律，为养心殿木柱修缮工作提供依据，也为其他木结构古建筑墙体木柱的无损检测和缺陷评估提供借鉴。  方法  以养心殿正殿、梅坞、东配殿、西配殿4座建筑中的68根墙体木柱为研究对象，首先利用木柱的外露面、透风口或拆口，进行现场检测，内容包括外部缺陷检测、敲击检测、内部缺陷检测、含水率检测和树种取样；然后对现场检测获得的木柱尺寸、缺陷类型和尺寸、微钻阻力曲线等数据资料进行汇总分析，评估每根被测木柱的缺陷情况，总结墙体木柱腐朽分布规律。  结果  养心殿墙体木柱整体保存状况较好；养心殿墙体木柱外部和内部缺陷的形式是不同的，外部缺陷的主要形式为外部腐朽和材料缺失，内部缺陷的主要形式为内部腐朽和空洞，而这两种缺陷的次要形式均为裂纹；对单根木柱而言，在横向截面上腐朽主要发生在木柱与墙体接触的区域，在纵向上腐朽主要发生在木柱底部，自下而上腐朽程度逐渐减轻；对全体木柱而言，双面外露木柱发生腐朽的概率较低，单面外露木柱发生腐朽的概率较高，完全被墙体包裹的木柱最容易发生腐朽。  结论  本研究所采用的方法用于墙体木柱缺陷状况无损检测评估是可行的，墙体木柱的位置、被包裹程度和树种对其缺陷状况均有影响。