基于空频变换的木材缺陷图像分割

针对木材缺陷这一自然纹理型事物,为了提取出其缺陷目标部分,进行下一步的分析和识别,采用一种空频变换方法对缺陷图像进行分割。选取虫眼、死节、活节3类木材缺陷图像样本各50个,构造一组多通道的Gabor滤波器对缺陷图像进行滤波,并提取出图像的多方向Gabor能量特征。最后结合模糊聚类算法和数学形态学后处理操作对缺陷图像进行了成功的分割。实验结果表明,此方法对3种木材缺陷图像的平均分割正确率分别达到了95.81%、94.58%、96.52%,证明了该方法的有效性。     

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。      

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。     

实木地板图像差分和形态学分割算法研究

针对现有实木地板表面缺陷分割算法分割速度慢、精度低的问题,提出基于图像差分和形态学的地板表面缺陷分割方法。首先,分别对目标图像和背景图像进行求补和低通滤波运算;其次,将预处理后的2幅图像做差分运算,得到差分图像;最后,采用形态学开闭运算去除差分图像噪声并获得目标缺陷。选取活节、死节、裂纹3类缺陷样本各20个进行试验,结果表明：该研究算法对3类样本平均分割准确革分别达到92．63％、94．31％、93．88％,平均分割时间为9．583ms。     

基于色彩识别特征的柳杉锯材表面活节和死节的机器视觉识别系统．

利用色彩特征信息开发了柳杉锯材表面活节和死节的机器视觉自动识别系统.该系统由3部分组成:CCD工业摄像图像采集硬件系统、缺陷检出的图像处理模块和基于识别规则的缺陷识别模块.潜在缺陷区域可由大津自动阈值分割算法结合T-检验来完成,活节和死节的检出率分别为92.6%和97.1%.基于2个形状识别特征和6个色彩识别特征构建了缺陷的识别规则,利用构建的识别规则可实现活节和死节的识别率分别为92.0%和94.1%.系统整体检测准确率为87.6%,此结果表明基于识别规则的彩色机器视觉自动识别系统是检测柳杉锯材表面活节和死节的一个有效手段.     

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。     

基于纹理特征的柳杉锯材表面节疤缺陷的自动识别

根据柳杉锯材表面的纹理特点,构造了适于描述柳杉锯材表面节疤缺陷和正常材纹理特征的空间灰度共生矩阵特征参数群,并优化选择了其中5个纹理特征参数用于区分柳杉锯材表面节疤缺陷和正常材.在统计了柳杉锯材表面死节、活节和正常材的5个纹理特征值分布范围的基础上,根据5个纹理特征值的分布范围及其对死节、活节和正常材的区分度,构建了柳杉锯材表面死节、活节和正常材的相应识别规则,基于图像纹理特征匹配技术开发了柳杉锯材表面节疤缺陷和正常材的自动识别系统.对于300个含有单个和/或复数个节疤缺陷(184个活节和156个死节)的柳杉锯材图像的自动识别试验结果显示,活节和死节的正确识别率分别为83.2%和90.4%,识别精度表明,基于图像纹理特征匹配技术对柳杉锯材表面的节疤缺陷进行自动识别是有效可行的.     

基于数学形态学的植物叶片图像分割方法研究

传统的边缘检测算子均属于线性滤波方法.数学形态学是一种非线性滤波方法,能够保持图像的基本形状特征,在图像处理各个领域广泛应用.仅用边缘检测算子或者数学形态学处理都不能得到理想的分割效果.根据边缘算子检测的结果,进行形态学滤波、数学形态学运算,采取不同的结构元素反复实验对植物叶片边缘信息进行提取.不用传统目测方法而是通过定量的分析实验结果,表明了边缘检测基础上进行形态学处理的分割方法的有效性.     

葡萄干轮廓的图像检测方法研究

葡萄干的轮廓检测是葡萄干其他特征提取的基础,研究通过与经典的边缘检测算子检测轮廓的方法进行比较分析,提出了最佳阈值分割与形态学运算相结合的轮廓提取新方法,实验证明,该方法能够有效的提取葡萄干的轮廓特征,为后期图像的分析打下了基础。     

基于局部二值拟合模型的板材表面节子与虫眼的图像分割

为了更好地对板材表面的节子和虫眼进行快速有效的分割,对局部二值拟合（local binary fitting,LBF）模型进行了深入研究,从而提出一个改进的 LBF模型,即在LBF模型的基础上,添加一个新的水平集线性正则化项,与此同时引入一个以高斯函数为核函数的局部二值拟合能量。改进算法能够克服LBF模型的分割缺点,使得分割过程对初始轮廓的大小和位置不敏感,同时增强算法的抗噪性,能够分割出灰度不均匀的图像。经实验验证,该算法可以比较完整地提取出单一目标和多目标的板材节子和虫眼的图像,以及对应得出与缺陷图像相对应的水平集演化图像。图21表1参15     

基于数学形态学的树木图像分割方法

该文针对智能整枝机视觉系统的需要提出一种以数学形态学为主的图像分割方法,解决了智能整枝机视觉系统中背景复杂下树木图像分割困难的问题.该方法分成5个步骤:①利用小波变换将图像进行压缩;②亮度矫正;③用分水岭算法对图像进行分割;④用区域合并法解决分水岭算法中的过度分割问题;⑤用中值滤波器滤除分割过程产生的孤立点.结果表明:该方法比Roberts算子、Sobel算子及Prewitt算子对树木图像的分割效果好,为立木整枝机视觉系统的深入研究打下了基础.     

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。     

基于脉冲耦合神经网络的粘连玉米种子图像分割

为解决玉米种子内部机械裂纹检测过程中存在的种子间粘连问题,提出一种基于自适应脉冲耦合神经网络(Pulse coupled neural net)模型与熵值最大原则相结合的图像分割算法。运用直方图均衡化和布特沃斯低通滤波器进行频域增强预处理,以提高玉米种子与图像背景的对比度;运用PCNN模型,结合最大熵值原则对预处理后的粘连玉米种子图像进行分割,并引入图像像素的拉普拉斯能量(Energy of laplace)作为PCNN网络各神经元之间的连接系数,以增强图像分割效果;采用维纳滤波和数学形态学对分割后存在的噪声和断点进行处理,得到最终的分割效果。试验结果表明:PCNN与熵值最大原则相结合的图像分割算法的分割准确率为92.5%,运行时间为1.166 2s,分割准确率高于改进分水岭算法、OTSU算法和最大熵直方图分割算法,用时略长于其他分割算法。     

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。     

基于掩模及亮度校正算法的脐橙表面缺陷分割

【目的】 本研究旨在有效解决果皮有缺陷的水果图像在去除背景时部分缺陷被误分割为背景,以及水果表面缺陷难以有效分割提取的问题。【方法】 以I分量图来构建掩模模板,根据其灰度直方图信息,通过双峰法选择单一阈值（T=75）分以纽荷尔脐橙为研究对象,提出基于HSI颜色空间模型法去除背景割背景并填充孔洞得到掩模模板I_mask,然后掩模模板I_mask与I分量图通过点乘运算得到去除背景的I分量图;提出基于多尺度高斯函数图像亮度校正算法对去除背景后的I分量图像进行亮度校正,通过构建多尺度高斯函数滤波器,将去除背景后的I分量图与构建的多尺度高斯函数进行卷积运算即得到去除背景后的I分量图像表面光照分量图,最后将去除背景后的I分量图与得到的光照分量图进行点除运算即得到去除背景后的I分量图像亮度校正图;然后采用单一全局阈值法对脐橙表面缺陷进行提取。【结果】 基于HSI颜色空间模型法去除背景,可在有效去除背景的同时完好保留脐橙的表面信息,有利于后续操作;基于多尺度高斯函数的图像亮度校正算法分别对6种常见脐橙缺陷进行图像亮度校正后采用单阈值法提取缺陷,使不同灰度等级的脐橙表面缺陷一次性分割成功,其中分割率最高为100%,最低为88.5%,整体达92.7%。通过试验分析后发现造成部分误分割或漏分割的原因主要在于部分缺陷果缺陷处颜色较轻,与正常区域灰度差较小,从而造成漏分割;还有部分缺陷果由于缺陷面积小,在图像形态学处理过程被误认为是噪声而被去除;同时发现正常果的误判率也达到了10.8%,经分析发现误判的正常果表皮组织区域的褶皱位于图像的边缘区域,从而被误认为是边缘区域的缺陷,导致误判。【结论】 基于HSI颜色空间模型法去除背景及基于多尺度高斯函数的图像亮度不均校正算法对纽荷尔脐橙图像背景分割和去除背景后的I分量图像表面亮度校正均取得了较好的效果,能有效识别脐橙缺陷区域,为脐橙精确分级提供了技术支持,也为其他果品表面缺陷快速检测提供了一种新思路。     

利用特征分割和病斑增强的杨树叶部病害识别

  目的  针对杨树Populus黑星病早期特征和杨树花叶病病斑不明显的特点，提出通过对图像集进行预处理的方法以提高识别精度的方案。  方法  为去除图像背景的影响，采用基于改进的Canny算子边缘检测法并结合霍斯变换提取叶片轮廓；借助限制对比度自适应直方图均衡化算法降低局部光照不均带来的影响并增强病斑的特征；使用自适应阈值的OTSU分割算法提取病斑图像。最后将预处理得到的病斑特征二值化图像和病斑图像，分别输入由5个卷积层、3个全连接层、650 000个神经元及超过6 000万个学习参数的Alexnet神经网络进行训练并验证准确率。  结果  研究最终分别获得93.56%和98.07%的验证集识别精度，较原图像实验组88.77%的识别精度有显著提升。提出的提取叶片轮廓的结合方法能够完整提取不同背景下的叶片主体图像，有效避免目标叶片的背景干扰；限制对比度自适应直方图均衡化算法对自然环境下拍摄产生的不均匀光照有较好的处理效果，有效降低反光等因素的干扰。  结论  几种病害图像预处理对提高识别精度效果明显，识别能力远超过未经处理的原始病害图像识别，有助于提高杨树叶部病害的智能识别能力。图8表1参22