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。     

基于C-V模型的木材缺陷重建图像特征提取

以含有裂纹的柳木木材、含有空洞的椴树木材为样本,实验研究了基于细胞反演法的木材重建图像的特征提取。首先,利用细胞的反向投影方法将木材断层图像进行重建后,对所得图像进行开启化平滑处理;然后,利用C-V模型获取木材断层图像中缺陷部分特征;最后,将测得的木材缺陷面积值与真实值进行比较。结果表明:利用C-V模型可以将重建的缺陷图像特征准确的分割出来,实现了对此细胞反演法重建质量的评价;为木材缺陷重建图像的质量评估提供了方法,为今后木材缺陷监测仪的设计提供参考。     

木材缺陷检测图像处理系统工作平台的研制

对木材缺陷无损检测图像处理系统的软件工作平台进行了系统的研究。在Windows环境下开发出适合木材无损检测特点的系列软件。软件的功能包括图像输入、图像存取、平台窗口管理、图像几何处理、AOI操作、LOI操作和数字图像处理。数字图像处理含有9个子功能块，分别是快速中值滤波、快速均值滤波、高斯滤波、图像伪彩色处理、边缘检测、直方图均衡化等。经实际应用证明该平台具有直观、界面友好、操作方便等特点，有很强的实用性。     

基于深度强化学习的木材缺陷图像重构及质量评价模型研究

针对典型仿生智能算法处理木材缺陷图像感知及质量决策问题时存在的多维退化因素作用下的缺陷图像失真严重、缺陷图像先验特征提取方差波动频繁、质地不均匀缺陷图像灰度分割失效、异种木材自身纹理泛化能力与学习能力失衡、最优收敛速度随缺陷维度呈迟滞变化等先天不足,提出了一种基于深度强化学习的木材缺陷图像重构及质量评价模型。引入深度学习机制,通过利用深度残差网络进行迭代训练,实现差异性木材多维缺陷图像实时高效重构,构建面向差异性木材多维缺陷精细分割与特征提取的全景自主感知模型,构建大数据量级木材缺陷特征共享资源池;引入强化学习机制,利用深度确定性策略梯度算法建立缺陷特征迭代更新、自主决策、全景可视、深度预测与木材质量评价之间的高维度决策映射,实现多维差异性木材缺陷图像重构及质量评价的横向共享集成。基于Tensorflow开源框架,在Gym Torcs环境下进行模型效能仿真验证,较好解决了典型仿生智能算法处理木材缺陷图像感知及质量决策问题时存在的若干固有缺陷,实现木材缺陷图像自主感知重构及质量评价自主决策,具有缺陷特征感知全面、抗干扰性强、自主决策性高等优势。以浙江省湖州市南湖林场辖区内某经济林木为效能评价载体,对模型进行了工程应用分析,结果表明,该模型可以较好实现木材多维缺陷感知与重构、全局最优质量评价自主智能决策,在感知自主性、重构复现性、自主决策性、模型泛化能力等方面具有明显优势。     

多重分形理论在原木图像处理中的应用

用计算机断层扫描技术对木材进行无损检测,采用多重分形频谱分析方法对原木CT图像进行边缘检测.首先计算图像各像素点的H(o)lder指数α(x,y),然后估计出其多重分形频谱f(α)的值,对图像的像素点进行分类；根据多重分形理论,找出图像的边缘点.结果表明:多重分形频谱分析方法对木材CT图像的边缘检测具有良好的效果,并具...     

计算机视觉系统中图像外边缘检测的新方法

提出了图像外边缘检测的2种新方法：邻域灰度检测算法和模板检测算法。利用新方法对水果图像进行了检测，结果表明，2种方法检测边缘能力都很强，检测出的边缘清晰，连续，边缘图像点有充,阮须进一步细化处理。该方法处理图像面积小于传统方法的1／2，检测速度快，适合计算机视觉进行实时检测。     

水果图像的背景分割和边缘检测技术研究

根据区域阈值法分别对所采集的彩色图像的红、绿、蓝三帧图像进行背景分割,发现在B 分量灰度直方图中利用双峰法选择阈值进行背景分割的效果最好;利用多种微分算子提取水果图像的阶跃性边缘,并用Hilditch 细线化方法对已提取边缘的图像进行了细线化处理,获得了较好的边缘提取和细化处理效果;所研究的背景分割和边缘检测技术的处理效果可以满足进一步进行水果的尺寸、果梗、形状和表面缺陷等检测的要求     

水果图像的背景分割和边缘检测技术研究

根据区域阈值法分别对所采集的彩色图像的红、绿、蓝三帧图像进行背景分割,发现在B分量灰度直方图中利用双峰法选择阈值进行背景分割的效果最好;利用多种微分算子提取水果图像的阶跃性边缘,并用Hilditch细线化方法对已提取边缘的图像进行了细线化处理,获得了较好的边缘提取和细化处理效果;所研究的背景分割和边缘检测技术的处理效果可以满足进一步进行水果的尺寸、果梗、形状和表面缺陷等检测的要求。     

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。      

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。     

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%。     

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。     

温室蔬菜病害智能识别图像预处理及其特征提取方法的研究

采用计算机图像处理技术对温室蔬菜病害进行了智能化识别,并以黄瓜霜霉病为例研究了温室蔬菜病害智能识别图像预处理和特征提取的方法。试验选择白色作为病害叶片的背景,利用中值滤波法有效地去除了噪声的干扰,利用双峰法从背景中分离出病害图像,再对图像进行边缘检测,准确地提取了病斑的几何特征。该方法能够实现对病害图像的预处理,并且能够准确地提取病害特征。     

一种基因芯片图像滤波混合法

对基因芯片的表达数据进行分析，有助于获得基因的表达谱与功能之间的关联信息，而基因芯片图像的滤波方法，对于获得高质量的基因表达数据具有重要的意义。本文采用小波和中值滤波混合法对基因芯片图像去噪，采用的小波硬门限阈值量化法去噪预先处理了基因芯片图像的部分高频噪声，避免了图像有用信号湮灭；而中值滤波法弥补了小波分析中的噪声指数较高的局限性。与传统的基因芯片图像滤波方法进行对比实验，结果表明，该方法能够在有效去除基因芯片图像噪声的同时，很好地保持图像的边缘和细节信息。     

小波和傅里叶相融合的彩色木材图像增强

针对现实生活中彩色图像普遍存在不清晰和对比度差的情况,在RGB模型上提出了一种新的彩色图像增强算法,并且应用到了木材图像领域。将彩色木材图像分解为RGB3个通道,首先使用滤波器把3个通道分别分解成高低频子带;然后使用傅立叶变换和小波变换相融合的方式进行锯齿检测,同时进行阈值判断;之后对检测到的锯齿进行消除,低频子带使用方向自适应滤波器,高频子带使用小波收缩函数进行消除;再使用小波逆变换返回3个通道;最后将3个通道还原成彩色图像。结果表明,该方法和传统方法相比较,可以有效保持图像的边缘特征,达到增强效果。以樟子松微观横截面为例,峰值信噪比PSNR提高了5.05,信息熵提高了3.14。本研究同时采集了榆木微观横截面、杨木宏观横截面和云杉微观横截面,其图像均得到增强。     

基于LoG算子的棉花图像检索算法研究

针对基于边缘检测的图像检索中边缘点容易受到噪声干扰的问题,提出一种基于LoG边缘算子的棉花图像检索算法.首先在求取边缘检测前进行滤除噪声处理,然后根据欧式距离衡量图像间的相似性.棉花图像数据集的试验结果表明,算法能够有效去除边缘噪声,提高了图像检索的查全率和查准率,尤其适用于高噪声环境下的棉花图像检索.     

水稻稻瘟病图像识别预处理方法研究

为了实现计算机对水稻稻瘟病病害的自动识别,研究了水稻稻瘟病病斑图像的预处理和形状特征提取方法。试验中利用灰度变换、直方图均衡化及中值滤波法有效去除了噪声和增强了图像,利用拉氏算子对病斑图像进行边缘检测,准确提取了病斑的形状特征,实现了稻瘟病图像目标分割。这些研究为进一步的特征参数提取及最终病害确定打下基础。