梯度算子与灰度阈值融合的实木地板节子识别方法研究

实木地板表面节子的存在直接影响其质量与等级。针对节子区域与周边存在差异,传统边缘检测方法存在漏检、误检的问题,提出了一种新的边缘检测融合算法。算法首先对原图像分别进行灰度与阈值处理,然后对两幅图像进行梯度运算,并对结果进行操作;最后运用形态学方法得到节子边缘。研究证明,该融合算法保证了节子提取的完整性,可提高节子的识别率。     

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.     

基于矛盾解决理论与物质——场分析的实木地板节子识别新方法研究

针对传统区域生长方法识别实木地板节子存在准确率低且速度慢的问题,运用TRIZ中矛盾解决理论分析与物质——场分析,提出一种结合分水岭、区域生长以及边缘检测的新的实木地板节子识别算法。算法首先将原图像转换为灰度图像;其次,运用形态学分水岭的方法对灰度图像进行分割;再次,选取满足条件的种子区域进行区域生长,得到节子区域;最后,运用Sobel算子对图像进行梯度运算,并找到节子的边缘。仿真实验表明,该算法较传统方法能够找到更合适的种子区域和区域生长的阈值,实现了对节子的快速、完整提取,节子分割平均用时60ms,平均辨识准确率在90％以上。     

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。     

基于数学形态学的超声图像增强探析

由于医学成像本身固有的缺陷,会对医生分析和诊断病症造成不利影响．为了提高图像的可读性以及对人体的解剖结构和病变部位进行更有效的观察和诊断,对医学图像进行计算机处理是非常必要的。现有的超声图像增强主要集中在去噪和边缘检测方面。本文提出了一种基于数学形态学的超声图像增强的算法。我们首先对图像进行预处理．使用滤波方法对图像去噪;然后用边缘提取算子,对图像进行边缘检测;使用数学形态学方法对提取边缘进行增强．得到连续的增强后的边缘图像;最后根据得到的边缘图像进行增强。实验表明,本文提出的算法可以有效地增强超声图像,具有一定的实用价值。最后,本文对这项工作做了总结。对未来研究进行了展望。     

基于灰度-梯度共生矩阵的木材表面缺陷分割方法

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：     

一种对年轮图像双边滤波增强的树龄测量方法

树木圆盘年轮图像分析是一种具有较强实用价值的树龄测量方法,但树木横截面上的色斑、锯痕、木材组织中的粗大管孔等都会导致年轮图像发生灰度变化,降低树龄检测精度。为此,提出了一种新的树木年轮图像增强的树龄测量方法:首先采用双边滤波对树木年轮图像进行图像增强,在保留年轮边缘信息的同时抑制锯痕、色斑等导致的灰度变化;然后采用改进的Canny算法对年轮图像进行边缘检测,为了克服传统Canny算子对噪声敏感的缺点,在求取年轮图像的梯度时,计算水平、垂直、45°、135°等4个方向的梯度分量;最后根据多数投票原则,统计年轮图像中的边缘数量,实现树龄测量。实验结果表明,提出的方法能够有效抑制色斑、锯痕、粗大管孔等因素的干扰,得到的年轮边缘图像光滑、清晰,统计得到的树龄与真实情况一致。     

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.     

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。     

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.     

基于优化卷积神经网络的木材缺陷检测

针对深度学习中的卷积神经网络算法,在木材无损检测过程中存在缺陷定位不准确、缺陷轮廓和边界信息不完整、识别精度需进一步提高等问题,利用非下采样剪切波变换最优稀疏表示特性,以及简单线性迭代聚类算法能很好地保持像素紧凑度和图像边界轮廓的优点,设计了一种优化的卷积神经网络算法,以提高木材无损检测的准确率。首先采用非下采样剪切波变换对采集的木材图像进行简单预处理,保留木材图像的缺陷特征不丢失,降低图像处理的复杂度以及运算量;然后利用卷积神经网络对木材图像实现深层次的算法设计,同时应用简单线性迭代聚类算法对初步模型进行增强改进,提取出相对准确的木材缺陷轮廓;最后通过反复调整参数和调试优化器,优化卷积神经网络算法的收敛速度,提高学习和运算效率,完善卷积神经网络对木材缺陷轮廓的提取,在降低运算复杂度的同时,提高其精度,具有良好的鲁棒性。相比径向基函数(RBF)神经网络、向后反馈-径向基函数(BP-RBF)混合神经网络和卷积神经网络,本算法对木材缺陷具有更好的识别效果,其识别准确率达到98.6%左右,且识别时间相对更短。     

Applying multifractal spectrum combined with fractal discrete Brownian motion model to wood defects recognition

Wood nondestructive testing technology is a new and multidisciplinary industry scientific research. It has attained fast development and achievements in recent years. X-ray computed tomography (CT) scanning technology is a kind of wood nondestructive testing technology in practice. CT scanning technology has been applied to the detection of internal defects in the logs for the purpose of obtaining prior information, which can be used to reach better wood sawing decision. Fractal geometry and its extension multifractal are used for describing, modeling, analyzing, and processing of different complex shapes and images. A method in CT image edge detection using multifractal theory combined with fractal Brownian motion is applied in the paper. First, its multifractal spectrum is estimated. Then, different types of pixels are classified by the spectrum; they are smoothing edge points and singular edge points. From the images processed by multifractal spectrum theory and compared with each image by different spectrum values, it can be seen that the larger the range of threshold is set, the more exact the edge can be detected. The paper provides a new method to recognize the defect information and to saw it in the condition of nondestructive wood.     

分水岭算法在林业中的应用

随着遥感技术的发展,无人机以及新型遥感数据的出现,越来越多的高分辨率影像被应用于林业资源监测.图像分割作为影像识别应用的基础,大量研究人员在原有的分水岭算法基础上针对不同的区域、背景、目标和研究方向进行了一定的改进,在林木病虫害监测、木材表面缺陷检测、单木冠幅分割、叶片提取等林业领域发展迅速.文中介绍了分水岭算法在林业...     

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。     

木材缺陷图像的灰度形态滤波

介绍数学形态学中的灰度形态滤波方法,给出对木材缺陷图像进行闭、开运算处理后的仿真图像实例,利用木材缺陷图像截面灰度分布对处理效果进行分析.结果表明:采用灰度形态滤波方法对木材缺陷图像进行滤波处理,可有效去除木材缺陷图像中的噪声,改善图像的视觉效果,提高后期缺陷边缘检测的精确度,从而证明该方法对木材缺陷图像进行滤波处理是可行的.     

基于四元数矩阵奇异值分解的木材缺陷检测分析

当前,木材彩色图像的缺陷检测主要是通过分离彩色空间的3个分量分别进行灰度处理,然后再合成为缺陷的图像.将基于RGB彩色空间的木材图像作为一个整体,提出四元数矩阵奇异值分解（QSVD）的木材缺陷检测.把RGB的彩色空间图像转换为四元数矩阵,利用四元数奇异值分解得到不同奇异值的特征图像,通过对特征图像的分析,得到不同的木材缺陷图像,并通过对奇异值特征图像的分析得到木材彩色图像的缺陷检测,并做分析.     

改进的区域生长算法在彩色年轮图像分割中的应用

提出了一种基于分水岭算法和区域生长算法相结合的彩色年轮图像分割算法,首先采用分水岭算法检测边缘,得到彩色年轮图像的大致区域分布,然后结合区域颜色和空间信息自动获得种子点,实现区域生长。分割结果表明,该方法能够更加快速地获得清晰的年轮边缘。     

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。