共查询到17条相似文献,搜索用时 62 毫秒
1.
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。 相似文献
2.
人工神经网络在木材缺陷检测中的应用 总被引:8,自引:0,他引:8
采用射线作为检测手段,对木材进行无损检测。在无损检测信号处理和特征构造的基础上。运用特征参数建立了缺陷识别的数学模型,针对无损检测信号的特征,构造了人工神经网络。选用反向传播神经网络模型(BP网络),网络识别所需要的特征参数能够反映木材缺陷的全部特征。 相似文献
3.
在对传统的中值滤波和原木CT图像的特点的研究基础上,发现单纯地用中值滤波算法或均值滤波难以同时尽可能地消除混合噪声。针对这一问题,提出了一种改进的自适应中值滤波算法。对于不同的图像区域,算子也相应地有所不同,其中算子中的权值选取依赖于区域的灰度中值,且当某点的灰度越接近灰度中值,其权值就相应地越大。实践证明,新算法的处理结果优于传统的滤波算法和均值滤波,具有准确性和实时性。 相似文献
4.
5.
6.
基于模糊聚类分析的木材缺陷CT图像分割 总被引:1,自引:0,他引:1
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。 相似文献
7.
基于X—ray CT技术原木三维重建检测缺陷方法的初步探讨 总被引:1,自引:1,他引:0
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。 相似文献
8.
9.
基于应力波与X射线二维CT图像原木内部腐朽无损检测 总被引:3,自引:0,他引:3
木材无损检测技术是在20世纪60年代后逐步兴起的对木材性质进行非破坏性检测的技术,如今该技术已多达几十种,产生了多种多样的木材无损检测方法。为了更好地运用这些方法,找出它们的优缺点,有必要对它们检测木材内部缺陷进行试验和评价。同时使用应力波和X射线两种方法对原木内部腐朽进行检测,结果表明:应力波和X射线二维CT图像都能检测出原木内部腐朽,显示出腐朽的区域,而且能利用图像计算出腐朽区域的面积。两种方法计算出的腐朽区域的面积准确度φ都较高,但是应力波二维CT图像在其他许多方面逊于X射线二维CT图像:应力波二维CT图像对腐朽区域形状的显示不够准确,不能根据图像辨别出腐朽的严重程度,利用图像确定腐朽面积效率很低;X射线二维CT图像对腐朽区域形状的显示与实际较吻合,可以根据图像辨别出腐朽的严重程度,利用图像确定腐朽面积效率高。但是X射线仪器笨重不便携,而应力波检测仪轻快便携。 相似文献
10.
11.
12.
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。 相似文献
13.
人工神经网络在林业上的应用研究进展 总被引:1,自引:1,他引:1
在目前的林业生产中,林业作业机械化、自动化与智能化的程度存在着一定的不足,在林业作业中借助人工神经网络技术优化作业系统可以有效地提高作业效率和精度。文中概述了国内外人工神经网络在林业作业应用中的研究现状以及人工神经网络在林业作业应用中的优势,介绍了人工神经网络在植树造林、森林监测、森林采伐、木材加工4个方面的应用现状,在分析林业作业应用人工神经网络存在问题的基础上,提出了人工神经网络在林业作业应用中未来的发展方向,以期提高林业作业的智能性和准确性。 相似文献
14.
15.
16.
应用人工神经网络的原理和方法,结合主要林分因子建立林分出材率预测的多层神经网络模型。检验结果表明:所建立的预测模型,平均预测精度达到96.45%,可以对林分出材率作出准确有效的预测。 相似文献
17.
探讨了两种水质综合评价方法:改进的灰色聚类法和人工神经网络法。通过采用增加训练样本和黄金分割的隐合层节点优化算法建立了人工神经网络模型,将两种水质综合评价方法进行了比较,结果表明:改进的灰色聚类法计算量较大,主观性较强,评价结果稳定。BP人工神经网络进行水质综合评价具有客观性,但网络训练较为繁琐,通过插值生成训练样本,极大地增强了网络的稳定性。但扩充后的训练样本,不能代表复杂的水质实况,使评价结果受到一定影响。 相似文献