基于机器视觉的木窗双端铣削加工尺寸测量方法

木窗是一种以木材或木质复合材料为主要构件的门窗产品,具有良好的生态性能和美观效果,适用于多种建筑形式和风格,其中木窗尺寸是衡量木窗加工是否合格的重要指标。对于传统木窗双端铣削加工中人工测量尺寸方式存在的精度低、效率低等问题,提出一种基于机器视觉的木窗双端铣削加工尺寸测量方法,以期提高尺寸测量精度及加工效率。该方法针对木窗厚度引起的透视效应,提出一种物平面提升法,以消除透视投影带来的误差。首先对木窗图像采取灰度化、平滑去噪、图像增强及轮廓分割等举措,完成图像预处理,提取出木窗内外轮廓区域。对轮廓区域应用Canny算子获取木窗像素级轮廓。通过优化的Zernike矩亚像素边缘提取算法对木窗像素级边缘进行更精确的定位,得到亚像素级轮廓坐标。通过最小二乘法联合RANSAC算法对亚像素轮廓坐标进行拟合,得到拟合轮廓及角点坐标,并使用透视矫正模型计算出木窗尺寸。实验利用3种厚度规格相同但尺寸不同的松木材质矩形木窗,分别测量其内框和外框的边框尺寸及对角线尺寸,并与对应的实际物理尺寸对比,验证了所提木窗尺寸测量方法的检测精度。研究结果表明,所提方法与实际物理尺寸值相比,其绝对误差范围在±0.12 mm之...     

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.     

基于混合特征与最小二乘支持向量机的山核桃鲜果识别

针对颜色和背景相似的山核桃鲜果不易分离的问题,研究了自然环境下成熟山核桃鲜果的机器视觉识别方法。该算法以2×2像素的正方形区域作为分割单位,选择颜色比值B/R、R/G作为颜色特征,选择了基于灰度直方图的特征描述参数如均值、标准方差、平滑度、三阶矩、一致性和熵,以及基于灰度共生矩阵的特征描述参数角二阶矩、对比度和熵作为纹理特征,共同构成特征向量,采用LS-SVM算法建立了识别模型,并利用该模型对80幅顺光图像和50幅逆光图像进行测试。试验结果表明:该方法在顺光、逆光下的山核桃鲜果有效识别率分别为92.48%、88.15%,可为山核桃采摘机器人的研发提供技术参数。     

基于数学形态学的木材缺陷图像分割方法

结合数学形态学运算方法,对于板材缺陷图像的提取分割,提出了基于数学形态学的分割方法。利用图像各点间的像素值差异,对板材像素点求取无缺陷标准值,将该值与待测板材进行对应像素点对比,然后将差值求和取平均得到分割阈值;对图像中所有大于该阈值的点进行分割提取,得到分割图像。用数学形态学方法对噪声较大的图像进一步处理,最终得到较为理想的分割图像。     

基于细胞数字特征的板材材种识别技术

木材识别是合理利用木材最基本的前提。为了解决人工鉴定失误率高的问题,本文提出基于细胞数学描述理论的板材识别方法,采用木材端面细胞的显微数字图像,利用板材材种的数学仿真技术、图像处理技术、数据库管理和系统辨识方法,提取细胞轮廓形态和尺寸等参数建立基准细胞和材种识别数字化参数库。减少传统的依赖图像像素特征识别比较方法的不确定性,创新材种识别的数字化理论体系,推动板材材种识别的实用化。     

基于图像纹理的板材纹理模拟再现方法研究

纹理是木材的重要特征,模拟纹理具有极高的工业价值。对视频采集到的板材纹理图像进行灰度化、中值滤波去噪、二值化、腐蚀、膨胀等处理,得到仅包含目标纹理的图像后检测纹理边缘。对板材纹理横断面通过数学描述结果进行模拟,切面通过在图像上选择合适的边缘点进行模拟,以实现板材纹理的模拟再现,并以水曲柳为例分析模拟纹理。     

基于神经网络的卫星影像与航拍实景影像自适应颜色分割方法研究

针对智能区分系统中的实景图像真彩色的自动检测问题,研究了基于神经网络的实景影像自适应颜色分割方法。提取了图像中的所有像素进行灰度归一化,然后计算出像素矢量矩阵,利用像素矢量进行概率神经网络(PNN)的训练,通过训练后的神经网络进行图像自适应二值化阈值颜色分割,主要分割红,黄,蓝3种颜色。实验结果表明:自适应图像分割方法比固定阈值分割方法在图像分割效果上有显著的改善。     

边缘阴影和晕圈对基于图像叶面积测量的影响及修正

叶片边缘阴影和晕圈对基于图像树叶面积测量精度有较大的影响。分析了边缘阴影和晕圈产生的原因,并提出了修正方法。首先将图像由RGB模式转换为Lab模式,基于a,b分量用自适应动态区域生长方法提取粗略的叶片图像。然后用膨胀和腐蚀形态学方法对区域生长结果进行处理,分割出确切的叶片的区域,背景区域和未知区域。最后用改进的马尔可夫随机场方法对未知区域像素进行判断并归类到叶片区域或背景区域。该方法可极大提高叶面积测量的精度。     

面向对象的GEO遥感影像分类与信息提取

对GEO卫星遥感数据的特性进行了评价,并在envi zoom软件中采用边缘分割算法进行影像分割,获取影像对象,综合运用对象的光谱、空间特征和纹理特征,提取了张家界森林公园研究区域内土地覆盖与土地利用信息,对基于像素的最大似然法与这种基于对象的分类方法进行了对比分析,结果表明:基于对象分类方法,能很好地利用高分辨率卫星图...     

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.     

用图象处理法检测板材节子的理论研究

论述了用图象处理法检测板材节子边缘的理论和方法，提出了板材节子边缘检测点的确定方法，介绍了板材节子视频参数的标定方法。     

基于智能手机图像分析的树木胸径测量研究

树木信息的采集是森林资源调查的基础,通过安卓智能手机图像处理的研究,为单株树木胸径信息的采集提供简单、高效的测量方式,在野外环境复杂或者没有仪器的时候,也可以进行较为准确的树木胸径估测。利用安卓智能手机上的图像处理技术,结合近景摄影测量原理,该文提出了2种测定单株树木胸径的方法:第1种是基于近景摄影测量技术的测量方法。此方法通过手机摄像头摄像时传感器获取的手机倾斜角度和变化测量位置后测得的高度差,利用三角函数计算得到立木胸径;第2种是基于图像立木边缘提取的测量方法。此法利用边缘检测算子得到树木的轮廓,再根据比例因子,结合用户输入的参数和应用程序获取的手机相关参数计算立木胸径。最后开发了相应的智能手机App(Application,应用软件)。结果显示,基于近景摄影测量技术的测量方法,其绝对误差的绝对值在8 cm以内,平均相对误差为6%;基于图像立木边缘提取的测量方法,其绝对误差绝对值在5 cm以内,软件测量胸径与卷尺间接测量的直径值之间平均误差为11.08%。这说明,2种方法软件测量结果精度较高,适合野外操作;相比较而言,第2种方法测量结果更加稳定,更加具有实用性。     

基于线性谱聚类的林地图像中枯死树监测

【目的】将基于线性谱聚类超像素的方法应用在森林病虫害防治领域,可智能监测无人机森林虫害图像中的枯死树,为森林有害生物的监测工作提供技术支撑。【方法】分别以湖北省受松材线虫与辽宁省受红脂大小蠹侵害的松林无人机图像为试验数据,首先使用线性谱聚类超像素分割算法将图像划分为多个超像素;然后基于枯死树木的颜色特征,初步提取可能为枯死树的超像素区域;最后基于枯死树木与其他干扰地物具有不同的纹理特征,计算超像素的区域密度和缝隙量,利用支持向量机对初步提取的超像素进行分类,从而检测出图像中的枯死树。【结果】基于线性谱聚类超像素和支持向量机的枯死树监测方法可有效排除与枯死树木颜色相近的其他干扰地物,较准确地提取出枯死树木。使用该方法与基于植被颜色指数的阈值分割方法、基于简单线性迭代聚类超像素和随机森林的方法,对35幅受灾松林无人机图像进行试验,并选用交并比、虚警率和漏检率3个评价指标对3种方法进行定量对比分析。结果表明,基于线性谱聚类超像素的方法监测出的枯死树区域最精确,其监测结果与人工检测结果的交并比均值大于58%,且虚警率和漏检率均优于另外2种方法。【结论】基于线性谱聚类超像素的枯死树监测方法能实现松林中枯死树的快速、准确检测及定位。     

板材宽度尺寸检测装置及改进

本文论述了板材宽度尺寸检测装置的组成及其工作原理,通过对三组板材尺寸的定量分析,确定了检测数据不准确的量值,经研究发现步进电机的振荡是产生宽度检测数据不准确的根本原因。在此基础上,进一步探讨了产生该现象的机理,并找到了解决问题的方法,使板材宽度尺寸检测数据精度完全达到国家标准的要求。     

基于k-mean聚类与灰度梯度最大熵的树木图像分割

提出一种基于k-mean聚类与灰度-梯度最大熵的树木图像分割算法,将要处理的树木彩色图像在RGB颜色空间下进行基k-mean聚类,通过选取合适的类参数实现初分割.由于灰度-梯度空间清晰地描绘图像中各个像素点的灰度、梯度的分布规律及图像目标与背景之间的边缘情况,采用灰度-梯度最大熵算法进行精分割,结合形态学后处理提取图像边缘最终将获得更理想的独立目标图像.与二维最大熵分割方法比较的实验结果表明,灰度-梯度最大熵算法提高了树木图像分割的准确度.     

基于全方位和多尺度结构元数学形态学的木材缺陷图像边缘检测

提出一种基于全方位、多尺度结构元的数学形态学图像边缘检测算法。针对图像中噪声和边缘形态不同，定义了全方位、多尺度的形态学结构元素，并通过形态学运算的加权组合，构造了全方位、多尺度的边缘检测算法。在针对木材缺陷图像的仿真实验中，该方法与经典的边缘检测算子相比不仅具有很好的边缘提取能力，而且有很强的抗噪性。     

BJF1820/31型后成型封边机及其应用技术

后成型封边技术是目前板式家具及多种装饰部件生产中采用的一种新工艺,它是把多种适于成型的装饰材料（如后成型防火装饰板等）根据基村边缘形状包覆压贴在其边缘表面上,能适应较复杂的异形边缘。经后成型处理后的板材制成的家具装饰效果好,板材的表面和边缘为同一装饰...     

基于颜色和纹理特征的竹材分类方法研究

为了应用机器视觉技术实现竹条表面颜色等级的分类识别,提出了用颜色矩和灰度共生矩阵描述竹材颜色特征和纹理特征的方法,并采用支持向量机对竹材进行分类识别,正确率达92．3％以上。结果表明,用颜色矩和灰度共生矩阵的特征参数来识别竹条颜色等级是可行的。     

多尺度数学形态学在木材图像边缘检测中的应用

提出一种基于多尺度结构元的数学形态学图像边缘检测算法.针对图像中噪声和边缘形态不同,定义了多尺度的形态学结构元素,并通过形态学运算的加权组合,构造了多尺度的边缘检测算法.在针对木材缺陷图像的仿真试验中,该方法与经典的边缘检测算子相比不仅具有很好的边缘提取能力,而且还有很强的抗噪性.     

基于林内图像的单位面积碳储量估计方法

【目的】针对森林碳储量估算工作量大、成本高等问题,提出一种基于林内图像简洁高效且满足精度要求的单位面积森林碳储量估计方法。【方法】林分纵断面图像隐式包含林分密度和高度2类复合信息,与林地上对应的林木碳储量直接相关。以此为突破口,首先,分析林木图像分类算法,提出在全局阈值基础上结合邻域像素属性来决定焦点像素归属,以消弱因林内光线不均对图像灰度造成的影响;然后,提出一个与林木碳储量关系紧密的参数并给出其图像计算方法;最后,以该参数为自变量,建立预估模型,实现对碳储量的估计。【结果】在以焦点像素为中心的3×3的邻域内,如果有大于6个相似像素出现,则将焦点像素归为该类,这种利用与邻域像素关系以决定当前像素归属的方法具有膨胀和腐蚀双重特性,即当焦点像素处于树体内部时容易将该点归为树体,当焦点像素处于树体外部时容易将该点归为背景,相比单纯全局阈值方法更能提高林分图像分类的准确性。碳储量预估模型方面,2参数的直线方程估计精度与3参数的逻辑斯蒂模型接近;如果在普通模型基础上增加代表海拔的虚拟变量,则能使碳储量估计精度得到较大程度提高。以兴安落叶松为例,验证基于林内纵断面图像能够实现对单位面积碳储量的较高精度估计这一假设。【结论】在林木图像提取过程中,继承对称交叉熵法泛用性强、效率高的优点,同时针对该算法容易将树体内部部分像素分割成背景、树体外部部分像素归并于树体内部的缺点,采用兼顾像素邻近关系的方法对其进行改进,取得良好结果,且该算法对林内光线不均表现出迟钝特性。在基于林内图像的碳储量预估模型方面,逻辑斯蒂模型表现出良好适应性,由于考虑海拔因素能降低估计误差,因此在实际应用中有必要分海拔段进行预估。