共查询到17条相似文献,搜索用时 62 毫秒
1.
2.
3.
4.
5.
基于灰度-梯度共生矩阵的木材表面缺陷分割方法 总被引:4,自引:0,他引:4
根据木材表面缺陷图像的特点,提出了基于灰度-梯度共生矩阵模型和最大熵原理的木材缺陷图像自动阈值化技术。并且利用形态学运算对分割后的二值图像进行后期处理。经实验验证,该方法提取的木材表面缺陷图像效果良好: 相似文献
6.
木材中的空洞、腐朽等缺陷在很大程度上影响着木材的力学性能。为实现木材内部缺陷的无损检测,提高木材利用率,提出了一种基于非对称椭圆的木材应力波无损检测算法。选取3个不同缺陷的原木样本作为实验材料,其中两个分别为位于中心以及边缘的人工圆形缺陷,一个为偏边缘的自然缺陷,采用自制的应力波检测设备获取木材截面内的波形数据。首先根据得到的射线速度值计算分段后的线段和交点的速度值,并进行校正;然后计算射线两侧不同的控制系数,确定射线影响区域;最后根据网格单元的速度值生成断层图像。数值仿真与实测结果表明,基于非对称椭圆的应力波断层成像算法能够精确地检测出原木样本的缺陷。从重建的断层图像可以看出:与基本椭圆插值方法相比,提出的算法能够更清晰地显示缺陷的大小及位置,应用混淆矩阵定量分析,在准确率、精确度和查全率3个参数指标上分别有7.46%,4.04%和22.24%的提升。基于非对称椭圆的木材应力波无损检测算法可以提高断层图像的精度,准确反映缺陷情况,对于木材缺陷的无损检测具有较好的参考作用。 相似文献
7.
8.
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 总被引:1,自引:0,他引:1
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。 相似文献
9.
基于小波神经网络的木材内部缺陷类型识别的研究 总被引:7,自引:0,他引:7
利用榆木标准试件,在实验室内用超声波检测仪器对试件进行缺陷分类检测,检测信号作为原始信息.各类试件的原始信号用小波包分解,计算缺陷试件与完好试件在小波包第5层各结点的信号能量变化值.试验发现:木材缺陷引起能量的变化值主要由木材缺陷的大小或严重程度来决定,亦即木材的缺陷程度越严重,能量的变化幅度就越大;对小波包5层分解后各信号结点的能量变化值进行分析,发现在32个结点中,(5,0)结点在各类缺陷试件中能量值变化最大;使用经小波压缩后的信号作为神经网络的输入,形成应用频带能量变化值和应用(5,0)结点小波包系数的2个不同输入特征的人工神经网络.对比分析2个网络识别木材缺陷类型的能力,(5,0)结点小波包系数作为特征训练得到的神经网络检测精度更高. 相似文献
10.
基于形态学梯度算法的木材缺陷图像边缘检测 总被引:1,自引:0,他引:1
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. 相似文献
11.
12.
为了解决生产中木粉目数传统检测方法存在的问题,结合先进的数字图像处理技术,在分析木粉颗粒形态特征的基础上,提出了一种基于形态学边缘检测和最大Feret直径的目数检测方法。该方法首先进行图像HIS颜色空间转换,基于S分量进行目标提取,应用多尺度形态学边缘检测算子提取边缘,然后根据颗粒形态特征只保留Feret最大方向上的直径,最后通过单位换算实现目数检测。实验结果表明,该方法具有较高的检测精度,可在生产中推广应用。 相似文献
13.
基于OTSU算法与数学形态学的木材缺陷图像分割 总被引:3,自引:0,他引:3
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. 相似文献
14.
15.
木材缺陷的阈值分割算法研究 总被引:2,自引:0,他引:2
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. 相似文献
16.
数学形态学在木材表面缺陷图像分割后处理中的应用 总被引:1,自引:0,他引:1
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。 相似文献