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。     

数学形态学与Canny算子在木材腐朽图像特征提取中的应用

根据数学形态学和边缘检测算子以及木材腐朽图像的特征,选择多尺度多结构的形态学算法,首先对图像进行交替顺序多尺度结构元素的膨胀、腐蚀滤波;再用多结构元素对图像进行开闭运算达到去除噪声,保留图像细节的目的;最后利用Canny算子提取图像的边缘特征。实验结果表明该方法抗噪能力强,能有效提取图像的边缘特征。     

形态学双梯度算子在木材腐朽图像边缘检测中的应用

根据数学形态学的思想和木材图像的特性,选取适当的结构元素,通过腐蚀、膨胀、开与闭运算的加权组合,构造出形态学双梯度算法,并将它应用于木材腐朽图像的边缘检测。通过与经典边缘检测算法对比,该方法提取的图像边缘更加的准确、完整和连续;显现出更好的抗噪声能力和边缘检测能力,实验结果验证了该方法的可行性与有效性。     

基于形态学梯度算法的木材缺陷图像边缘检测

根据形态学梯度算法的思想,选取平坦的菱形为结构元素,通过腐蚀、膨胀、开与闭运算的加权组合,构造出一种形态学优化算法,并将它应用于木材缺陷图像的边缘检测中,使提取的图像边缘更加准确、完整和连续.通过与经典边缘检测算法对比,该方法有更好的抗噪能力和边缘检测能力,实验结果也验证了该方法的可行性与有效性.     

多尺度分形特征在木材内部缺陷检测中的应用

将数字图像处理与木材检测相结合,对获取的木材图像进行图像处理与分析,获取高质量的木材图像是提高木材检测准确性的重要手段。利用微光摄像机作为图像输入传感器,并最终以数字信号的形式储存在计算机当中。应用数字图像处理技术对采集到的原始图像进行预处理,提高图像的质量,便于后续处理。将预处理后的图像分割成若干个子区域,计算出每个子区域的多尺度分形特征值。实验结果显示,图像中背景部分与边缘部分多尺度分形特征值存在明显差别,可以提取奇异性较大的多尺度分形特征值,他们的集合即为木材缺陷的边缘。     

数学形态学在木材表面缺陷图像分割后处理中的应用

介绍了数学形态学的基本思想和运算。针对木材表面缺陷图像分割效果不完善的问题,提出基于数学形态学的图像后处理方法,包括应用数学形态学的填充操作、形态滤波以及形态梯度边缘检测等。经实验验证,应用数学形态学进行图像后处理,增强了木材缺陷图像分割结果的可视性和准确性。     

阈值分割和数学形态学在遥感图像边缘提取中的应用

以乌兰布和沙漠的航空遥感图像为基础,对其阈值分割,并选取适当的结构元素进行数学形态学的运算,从而达到对遥感图像边缘提取的目的。利用Matlab7．0软件对研究区域进行图像处理分析,通过提取的边缘和原始图像对比,验证其方法的可行性和有效性,为乌兰布和沙漠地区具有代表性的稀少且呈群团状大样地植被调查提供技术参考。     

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。     

图像分割技术在木材表面缺陷识别中的应用

阐述了图像分割技术在图像处理及分析中重要意义,以及主要的图像分割技术。以木材表面缺陷为主要研究对象,利用微分算子边缘检测、最优迭代阈值分割及形态学方法针对具有代表性缺陷死节和虫眼进行分割处理。     

基于OTSU算法与数学形态学的木材缺陷图像分割

在木材分选过程中,图像缺陷分割技术占有重要的地位,能否精确提取缺陷轮廓会直接影响到分选的准确率.本文讨论提取木材表面缺陷图像的方法,应用OTSU算法与数学形态学相结合的方法对缺陷图像进行分割,最终提取出缺陷边缘.实验表明,经过OTSU算法和数学形态学进行图像分割,最后得到的木材缺陷图像更加清晰、连贯,提高了图像的可视性和准确性.     

原木CT图像边缘检测的几种算法

通过对图像边缘检测的几种不同算子的比较，找出各种算子的优缺点。并根据原木的CT图像对各种算子进行边缘检测试验，从中找出比较适合原木CT图像的边缘检测。     

数学形态学在旋切单板缺陷图像分割中的研究

胶合板的质量等级在很大程度上取决于旋切单板的表面质量,为了提高旋切单板缺陷检测的质量和效率,提出了一种基于数学形态学的缺陷图像分割方法,通过形态学算子的作用进行缺陷的分割。试验结果表明该算法能取得很好的分割效果。     

基于HSI空间的形态学单板缺陷检测

单板材料在发展中国家的应用日趋广泛,优质的单板可用于模板,胶合板,贴面板等人造版的面板.为了检测并提取单板图像中的缺陷,提高单板质量,基于数学形态学,本文提出一种复合型的彩色图像边缘检测方法.在传统形态学算法的基础上,一是利用开闭运算的迭代提高了抗噪能力;二是利用双结构元分别对H、S、I三个分量进行形态学处理而后融合.与传统算法Canny和Sobel进行比较,结果表明该算法增强了图像分割的精确性和完整性,能够有效提高单板等级.     

基于多重分形理论的原木CT腐朽图像分析与处理

使用计算机断层扫描技术进行原木无损检测,采用多重分形频谱分析方法可以对原木CT图像进行有效的边缘检测,该方法首先计算图像各像素点的H 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,f(α)=1为平滑边缘点,1≤f(α)<1.5为奇异边缘点。根据多重分形理论,平滑点和奇异点的集合即为图像的边缘点。实验结果表明,该方法对原木CT图像的边缘检测具有良好的效果,并具有较好的局部性,为原木CT图像的边缘检测提供了一种新方法。     

基于分形维数特征的原木漏节图像的研究

采用X射线法透射木材,根据检测透射物体后射线的强度差异,建立木材X射线的分形模型。采用计算盒子维数的方法对原木漏节X射线图像进行有效的边缘检测,用分形维数D的大小来定量描述原木漏节图像的不规则程度,以确定缺陷所在。研究表明背景部分与边缘部分的分形维数存在一定程度的差别,正常部分分维数值大约在2.007 3左右,漏节边缘分维数值大约在1.400 0~1.900 0之间。