MDF铣削过程中切屑流边界及扩散角的视频识别

通过CCD摄像技术,采集中密度纤维板(MDF)铣削过程中切屑流的高清晰图像。利用图像处理的最大类间方差法,确定所采集图像的阈值;利用该阈值对所采集的图像进行分割,得到切屑流的二值图像;基于八连通准则,对该二值图像中切屑流的边界进行搜索检测,求得切屑流边界线像素的位置坐标,确定切屑流边界线的位置;采用最小二乘法直线拟合边界线,确定切屑流的扩散角λ。结果表明:当铣削速度达到60m.s-1后,其扩散角λ存在明显增大趋势。     

木材缺陷的阈值分割算法研究

阈值分割算法包括迭代阈值分割、最大方差阈值分割、最大熵阈值分割等,使用3种阈值分割算法进行木材缺陷图像分割,多次实验证明,最大方差阈值分割算法的分割效果最好.在此基础上,对最大方差阈值分割算法进行增强,调整灰度级,增大目标和背景区域的对比度.实验表明,该方法可以明显改善最大方差阈值分割的分割效果.     

人造板表面缺陷检测图像自适应快速阈值分割算法

【目的】提出一种自适应快速阈值图像分割算法,为人造板表面缺陷在线检测提供支持。【方法】首先将整幅图像划分成若干子区域,通过计算子区域的方差对缺陷进行定位,提取出缺陷所在区域,只对缺陷区域进行图像分割,解决小面积目标难以准确分割的问题。然后对缺陷区域的一维灰度直方图进行处理,直方图平滑后去除掉不显著波峰,根据处理后保留的主要波峰数量和位置自适应地确定分割阈值个数以及每个阈值的分割区间,实现当图像中出现多种类型缺陷时算法自动确定分割阈值个数。最后,通过分析Otsu算法,将阈值穷举搜索改进为条件搜索并限定搜索方向,在每个分割区间内使用改进的Otsu算法对阈值进行搜索,提高搜索速度。【结果】对板面存在油污、大刨花、胶斑、杂物、松软5种类型缺陷的人造板表面图像进行分割,在板面缺陷数量、类型不固定的情况下,算法可以自适应地确定分割阈值个数,在15 ms内将各种类型缺陷从人造板表面图像中分割出来,平均分割准确率达97%。【结论】自适应快速阈值分割算法能够快速、准确将缺陷从人造板表面图像中分离出来,在执行速度和分割效果上均满足在线缺陷检测系统的要求,可为人造板表面缺陷在线检测提供新思路。     

基于鲸鱼算法的森林火灾图像多阈值分割

为监测森林火灾的实时火情,本文研究图像分割算法应用于林火图像的识别。由于林火图像背景复杂干扰目标多,采用单阈值Otsu方法对林火图像进行分割的精度较差,因此本文研究鲸鱼优化算法(Whale Optimization Algorithm,WOA)对多阈值图像分割的最佳阈值进行寻优。鲸鱼优化算法是在寻找最优解的过程中效率较高的算法,该算法具有收敛速度快、精度高的特点。针对森林火灾图像中的火焰区域准确分割问题,应用WOA对Otsu的适应度函数进行寻优,在红绿蓝模式的林火数字图像上进行仿真试验。试验结果表明:提出的算法在森林火灾图像多阈值分割中优于传统单阈值的Otsu算法,可以获得更为准确的分割阈值和更高的分割效率,具有较强的工程实用性。     

无人机影像树冠信息提取研究

【目的】树冠是林木长势监测、树种识别、蓄积量估测等森林调查中的重要森林参数,对森林资源调查和生态研究等具有重要意义,相比于传统的人工实地调查的方法,通过无人机影像提取树冠信息,具有高效、准确和低成本等优势。【方法】以湖南衡山森林生态系统定位观测研究站实验样地为研究对象,以无人机影像为数据源,采用阈值法和K邻近法,分别对正射影像和冠层高度模型进行图像二值化,取其交集得到树冠区域图;利用数学形态学开闭重建滤波对树冠区域图进行去噪处理,有效平滑影像,避免影像对象边缘轮廓偏移;采用局部最大值法和最大类间方差法进行前景背景标记,根据影像标记修正梯度图像;利用分水岭分割算法提取树冠信息。【结果】在树冠区域提取中,基于阈值法和K邻近算法成功分割出树冠区域与背景区域,确定树冠分割范围。通过数学形态学滤波,有效地去除了由噪声及树冠内部的纹理信息所造成的伪局部极值,减少了分水岭分割算法的过分割现象,同时保护了树冠边缘轮廓及其位置信息。【结论】单木尺度上,树冠信息提取的F测度为75.98%;样地尺度上,提取的树冠面积相对误差为13.3%。基于无人机影像提取树冠信息的方法是可行的,能够快速准确地提取较高郁闭度林分的树冠信息。     

基于雷达波的树木躯干内部缺陷探测识别

【目的】采用探地雷达对木质体内部缺陷进行断层扫描探测,研究基于雷达波的树木内部层面反射特征识别算法,为雷达波无损测试技术在树木内部结构和缺陷的解析、定位及分布表征提供理论依据。【方法】采用900 MHz介质耦合树木雷达对柳木试件进行断层扫描,研究实现阈值法、匹配滤波器法和希尔伯特积算法获取缺陷层面的反射位置,基于层剥反演法对树木内部不同介质进行介电常数反演,求得层位的相对深度,结合三维激光扫描仪获取的树木外形轮廓点云数据,根据轮廓追踪法将雷达波B扫描图像与断层轮廓绝对位置进行映射,实现对树木内部缺陷的准确定位和表征。对3种算法分别使用FDTD正演方法进行对比验证,并应用于颐和园古柳木试件试验测试中。【结果】正演对比测试结果表明,希尔伯特积算法相较于阈值法和匹配滤波器法,对木质体内部缺陷识别效果更好。柳木试验测试结果显示,树木内部缺陷深度误差为10%,结合三维激光和外轮廓扫描技术求得的缺陷部分面积误差在5%左右。【结论】本研究提出的算法可以实现雷达波扫描图像对树木内部缺陷的准确定位和分布成像。     

基于图像轮廓处理及匹配的木节剔除和修复技术

采用计算机图像处理技术实现板材缺陷(木节)的剔除和修复时,首先对含有木节的板材进行图像处理,通过灰度化和滤波去除噪声,再采用二值化阈值法将木节从板材图像中提取出来,对提取出的木节图像进行膨胀、腐蚀、边缘检测等处理,提取出木节的轮廓边界.根据缺陷的横向和纵向跨度确定出修补中心点及修补半径.为了实现补块与剔除区域边缘的图像匹配,提出了基于灰度的环形块匹配算法.从剔除区域取一窄圆环,并将其等分为几个小块,按顺时针对各小块进行编号,计算出各环形小块的平均灰度值,用各小块的平均灰度值代替单个元素进行与数据库中补块的各小块灰度值进行匹配,并选相似度最大者为匹配补块,这一算法能快速有效地找到匹配补块及匹配位置.该方法有助于实现木材缺陷的自动检测和自动修复,对提高板材的利用率具有现实意义.     

长条薄片刨花加工过程动态仿真技术研究

提出了动态仿真系统的总体结构和工作流程,简要叙述了基于数字图像处理技术对长条薄片刨花进行三维重建的方法,给出了从图像坐标系到OpenGL纹理坐标系的变换公式.提出了刨花图形在三维坐标系的运动模型,给出了该模型的输入输出参数和详细计算过程,并利用该模型实现了刨花运动的位置控制.最后,结合OpenGL图形接口对系统进行了实现,仿真效果与实际系统相似度很高.     

一种基于轮廓的雕刻灰度图光顺方法

针对现有光顺算法在去除噪声的同时不能很好地保护好边缘拐角等细节信息的不足,提出了基于灰度图轮廓提取的磨光光顺算法,其采用改进的Laplace算子并经过预处理后对灰度图边缘进行提取,通过轮廓追踪获得图像边缘信息,然后只对非轮廓非细节部分进行光顺.试验结果表明,该方法降低了光顺算法的盲目性,有效地保留了原有数据的细节信息.     

红外热成像仪早期林火识别算法研究

比较了3种不同的红外热成像仪林火识别算法,提出了配置林火自动识别算法参数的林火野外测试方法,并利用该方法在珠海进行了测试实验。通过测试实验发现红外热成像仪在夜间分辨火点能力高于白天。3种林火识别算法比较结果为:阈值判定法具有较高灵敏性,但易受干扰;邻域阈值判定法抗干扰能力有所增强,但监测距离会有所缩短;均值对比判定法抗干扰能力较强,但监测距离最短。     

基于BP神经网络的CT图像重建方法研究

提出了将三层BP神经网络算法应用于不完全投影数据的图像重建。采用新的方法确定隐含层至输出层的权值,利用误差反向传播自动调节输入层和隐含层之间的权值,使重建图像投影不断逼近原始图像投影,并采用改进的Sigmoid函数和在线调整学习速率,显著加快了网络收敛速度,提高了重建图像质量。     

Evaluation of the arrangement of wood strands at the surface of OSB by image analysis

 The objective of this paper is to evaluate the arrangement of wood strands at the surface of oriented strand board (OSB) by image analysis. Two-dimensional image analysis enables the number of strands and the area of each strand to be computed. In addition, the fiber direction of each strand may be measured manually by recording the acute angle between the fiber direction and the longitudinal axis of the specimen. The image analysis results suggest the following: the average strand area is proportional to the reciprocal of the number of strands. Samples containing many smaller strands exhibit a larger variation in strand size. The average strand area does not correlate with the distribution of the strand area represented by the coefficient of variation. However, there is a reasonable correlation between the number of smaller strands in the range 0 to 1 cm² and the coefficient of variation of strand area. At low average fiber orientations, i.e. better orientation with the principal panel axis, there is smaller variability in orientation. The upper side and lower side of OSB exhibit a different relationship between average fiber orientation and strand area. The upper side of the specimens contains larger strands and exhibits better fiber orientation than the lower side. This is thought to be a function of the production process. The lower side strands fall on a smooth moving substrate, whereas the upper side strands fall on a stable substrate of strands. The number of strands is lower on the upper side of the OSB panel because small size strands tend to migrate to the lower side of the OSB during production. The small particles tend to be vibrated through the strand mat to the lower face before pressing. Received 29 March 1999     

Image analysis and bending properties of model OSB panels as a function of strand distribution,shape and size

The technique of image analysis has been used to assess the quality of model oriented strand board panels by investigating the relationships between shape and size of strands, the distribution of strands and bending properties. A batch of commercial strands was analysed by image analysis and the distribution of the shape and size of strands was quantified. The strands were categorised into five strand types as a function of size and aspect ratio. In general, strand shapes were observed to be mostly rectangular and there was also a wide variation in strand dimensions in commercial material. Bigger area strands had low aspect ratios and small strands had high aspect ratios. Half of the commercial strands were longer than 100 mm.Model OSB panels were manufactured in the laboratory by hot pressing strand mats formed from each of the five strand types. Strands were laid up by hand into the forming mat and following pressing the orientation and shape of strands was evaluated by image analysis and the panels were tested in a three point bending. Large area (type 3) strands with high aspect ratios produced model panels with optimum strand orientation and mechanical properties.Type 3 panels were also fabricated from strands dropped through a slotted forming device in order to simulate the delivery of strands to the forming line under factory conditions. As the height of strand delivery increased from 0 to 100 to 200 mm the disorientation of strands in the pressed panels progressively increased and as a result mechanical properties in bending were reduced.Image analysis is therefore a powerful tool for evaluating the distribution of commercial strand shapes and the relationship between strand geometry, strand orientation and the mechanical properties of oriented strand board.     

基于压缩感知SAMP算法的改进

压缩感知是近年来兴起的以较大压缩比率并且能够以较好的效果恢复原始信号的一种新型理论。本文针对SAMP算法在重构精度相对较差以及运算时间较长的问题,提出一种新的SAMP改进算法。该算法首先将稀疏信号进行分块后再重构,其次在重构算法过程中开始对信号稀疏度进行初始估计,然后采取变步长增加稀疏度的方法逐步求出原始信号的最优估计值。理论分析和实验表明,改进后的算法减少运算时间,提高重构精度,增进实际使用价值。     

林木幼苗根系CT序列图像分割

图像分割技术一直都是图像处理中的难题,原位根系CT图像的分割结果影响后续的三维重建工作,选取合适的分割算法十分关键.通过对根系CT图像分割算法以及根系CT图像特点的的研究,选择阈值分割、区域生长和FCM聚类的方法对序列图像进行分割,并将区域生长方法进行优化,减少分割时计算的步骤,同时改进f cm聚类方法,将空间信息融入到FCM目标函数中.结果表明,阈值法仅对序列初始的简单图像处理效果理想,改进的区域生长法对分割目标连续的图像分割效果好,分割速度达到0.6s.而改进的FCM虽然需要花费23 s的时间,但对不连续的分割目标分割效果明显.三种方法均体现出分割的准确度,后两者能有效提升分割的效率.适当选取以上三种分割方法,即可快速准确的完成林木幼苗CT序列图像的分割.     

基于X—ray CT技术原木三维重建检测缺陷方法的初步探讨

三维重建为原木结构提供真实、直观的反映,便于人们在不损坏原木的前提下对原木内部缺陷进行观察。本文运用MATLAB7．0软件中的图象处理工具箱实现了原木CT断层图像的三维表面重建及体重建（构）,原理简单,编程实现方便。实验过程中,重建速度快,显示效果良好。     

基于模糊聚类分析的木材缺陷CT图像分割

为了提高木材的利用率,在木材加工之前对木材缺陷CT图像进行分割,将节子和空洞等缺陷分割出来,通过观察缺陷的位置便于工人师傅下锯。利用计算机断层扫描（CT）技术获取木材缺陷图像,将数字图像处理技术与模糊聚类算法相结合,在标准的模糊C均值算法的基础上改进,采用半模糊聚类的分析方法对木材缺陷图像进行分割检测。实验结果表明：基于半模糊聚类的图像检测方法在木材图像检测上取得了较好的效果,缺陷边缘处很平滑,细节保留完整,更多的保留了边缘上的信息。从而证明了半模糊聚类分析法在木材缺陷CT图像处理方面具有可行性。     

基于分水岭算法的木材缺陷边缘检测

获取边缘图像的一种典型方法是利用梯度算法作用于图像,然后对得到的梯度图像做阈值处理,从而得到二值边缘图像.这种方法的缺点是很难选取适当的阈值.如果阈值选得太低,不但会产生假的边缘,而且得到的边缘很厚,必须做细化处理,而细化后的边缘位置往往不是很精确;如果阈值取得太高,许多边缘可能检测不到,或边缘出现过多的断裂部分.     

结合深度学习与Hough变换的等长原木材积检测系统

针对成捆堆放的原木端面图像,利用机器视觉方法开发一个材积检测系统,算法的鲁棒性和系统应用的方便性是两个关键难点。为了解决上述问题,实现原木材积自动化检测,设计并开发了结合深度学习与Hough变换的等长原木材积检测系统。首先,在对训练样本做了旋转、调整曝光度、加噪声等提高模型鲁棒性的预处理后,使用YOLOv3?tiny卷积神经网络对原木端面图像进行目标检测,计算得到每一个原木端面对应的目标区域;其次,在对目标区域计算边缘并去除目标区域中心噪声边缘后,利用Hough变换圆检测算法计算原木端面轮廓的准确直径;最后,开发了操作简捷方便的用户界面,根据用户输入的一个原木轮廓径级校准信息和长度,即可实现图中所有原木的材积检测。本系统在多种原木端面图像上,包括端面完好、端面伐痕、端面霉变、环境复杂等情景进行实验验证,系统真检率为98.79%,误检率为0.602%。结果显示本系统在各种复杂原木端面图像上具有很好的鲁棒性,同时为了兼容深度学习算法与用户界面设计,本系统在PyQt5核心库上实现了操作界面,其操作简洁、使用方便。