基于二维阈值向量的木材表面缺陷分割方法

根据木材表面缺陷图像的自身特点,提出了基于灰度—梯度二维阈值向量的缺陷区域分割方法。该方法以灰度—梯度共生矩阵为模型,通过计算基于灰度—梯度共生矩阵的二维熵并使边缘区域的熵最大化来选择二维阈值向量。该方法不仅利用了图像的灰度信息,也利用了图像的梯度信息。采用形态学运算对分割后的二值图像进行分割后处理,试验表明,分割效果良好。     

应用改进的灰度共生矩阵识别木材纹理多重特征值

目前木材的主要分类方式是由人的经验进行分类,分类的好坏取决于人的经验。因此机器自动检测分类木材种类变得迫在眉睫,目前机器识别木材种类最主要的方法是应用灰度共生矩阵(GLCM)提取木材纹理特征识别木材种类。但是基于灰度共生矩阵(GLCM)特征提取分类存在缺陷,这是由于木材图片旋转再识别时导致分类精度下降。本研究应用改进的灰度共生矩阵(I-GLCM)提取木材多重特征值,较前人提取的灰度共生矩阵(GLCM)识别木材种类,具有旋转不变性。应用matlab模式识别算法进行训练、分类。结果表明,应用本方法对木材进行分类,分类精度比应用灰度共生矩阵(GLCM)精度高,分类效果较好,是一种新的木材识别方法。     

基于灰度共生矩阵的纹理分析的统计方法

由于影像图像纹理性强,这使得对于压缩后图像纹理质量的要求显得更加严格。然而,目前的影像图像压缩技术对压缩后图像的纹理效果处理不佳。本文将图像的灰度信息加进灰度共生矩阵,使得灰度矩阵能包含图像的纹理基元及其排列信息,并给出了统计分析方法。结果表明,与传统的压缩方法相比,文中提出的新方法更好地保留了原始图像的纹理效果及其相关信息。     

基于灰度共生矩阵的东北虎纹理特征参数

为了确定东北虎个体识别的参数,根据灰度共生矩阵不同方向、不同像素间距、不同灰度级时的特征值变化情况,计算了灰度共生矩阵的7个特征参数.在确定灰度共生矩阵像素间距和灰度级别后,结合Hu不变矩抽象的形状特征公式,并利用BP神经网络对东北虎进行了分类识别,结果证明:灰度共生矩阵法生成的参数有效,可用于对东北虎个体的识别.     

基于改进C-V模型的木材表面缺陷图像分割

木材表面缺陷会严重影响木材的质量、性能和使用价值,对木材表面缺陷分割检测有利于提高木材的利用率,节约现有木材资源,缓解森林资源短缺的压力。针对传统的C-V(Chan-Vese)模型算法不能分割灰度不均匀图像的缺点,本文采用C-V模型与形态学结合的方法与传统的C-V模型算法进行对比试验。与此同时,根据C-V模型和C-V模型结合形态学方法的不足之处,在C-V模型基础上,引入局部拟合函数和高斯核函数,提出了一种基于C-V模型的改进算法,能够有效地克服C-V模型的不足。通过对木材表面缺陷图像分别采用传统C-V模型算法、C-V模型与形态学结合的方法和改进的C-V模型算法进行多组针对单一目标的木材表面缺陷图像的对比试验。结果表明:C-V模型能够将虫眼和活节缺陷图像分割出来,但是对纹理干扰强烈的死节缺陷图像分割困难;运用C-V模型与形态学结合的方法,可以有效地消除分割结果中的细小空洞和噪声,但是仍无法抵抗死节缺陷图像中木材自身纹理的干扰,难以将死节缺陷完整地分割出来;改进的C-V模型算法对木材表面缺陷图像的分割能够减少迭代次数,缩短分割时间,使分割轮廓线更加光滑和完整。通过采用改进C-V模型算法对多目标木材表面缺陷图像进行试验,能够更好地验证改进算法的优越性、有效性和可行性。      

基于空频变换的木材缺陷图像分割

针对木材缺陷这一自然纹理型事物,为了提取出其缺陷目标部分,进行下一步的分析和识别,采用一种空频变换方法对缺陷图像进行分割。选取虫眼、死节、活节3类木材缺陷图像样本各50个,构造一组多通道的Gabor滤波器对缺陷图像进行滤波,并提取出图像的多方向Gabor能量特征。最后结合模糊聚类算法和数学形态学后处理操作对缺陷图像进行了成功的分割。实验结果表明,此方法对3种木材缺陷图像的平均分割正确率分别达到了95.81%、94.58%、96.52%,证明了该方法的有效性。     

基于纹理特征的柳杉锯材表面节疤缺陷的自动识别

根据柳杉锯材表面的纹理特点,构造了适于描述柳杉锯材表面节疤缺陷和正常材纹理特征的空间灰度共生矩阵特征参数群,并优化选择了其中5个纹理特征参数用于区分柳杉锯材表面节疤缺陷和正常材.在统计了柳杉锯材表面死节、活节和正常材的5个纹理特征值分布范围的基础上,根据5个纹理特征值的分布范围及其对死节、活节和正常材的区分度,构建了柳杉锯材表面死节、活节和正常材的相应识别规则,基于图像纹理特征匹配技术开发了柳杉锯材表面节疤缺陷和正常材的自动识别系统.对于300个含有单个和/或复数个节疤缺陷(184个活节和156个死节)的柳杉锯材图像的自动识别试验结果显示,活节和死节的正确识别率分别为83.2%和90.4%,识别精度表明,基于图像纹理特征匹配技术对柳杉锯材表面的节疤缺陷进行自动识别是有效可行的.     

改进的GrabCut算法木材表面缺陷图像分割试验

试验采用传统GrabCut算法和改进的GrabCut算法,针对单目标、多目标、复杂背景下多目标的木材表面缺陷图像进行多组对比实验。结果表明:改进后的GrabCut算法,针对木材表面的缺陷图像分割进行了优化,能有效改进传统GrabCut算法中的欠分割和过分割、易受区域凹凸纹理的干扰等缺点,而且分割各类木材表面缺陷图像时都能取得较好的效果。说明改进后的GrabCut算法具有其优势和可行性。     

基于灰度共生矩阵和分形的哈密瓜表皮网状纹理分析

根据表皮纹理对哈密瓜进行自动分级。选取基于灰度共生矩阵的4种纹理参数和分形盒维数对哈密瓜表皮纹理进行统计分析,研究哈密瓜以及作为对比组的西瓜和甜瓜关于这5种纹理参数的分布规律。试验结果表明:基于灰度共生矩阵的4种纹理参数能将大部分纹理清晰与纹理模糊、霉变的哈密瓜表皮区分开,分形盒维数则可区分大部分纹理模糊表皮与霉变表皮;这5种纹理参数的组合可区分哈密瓜与西瓜、甜瓜的纹理。     

灰度直方图在木材表面缺陷检测中的应用

提出了一种基于灰度直方图检测木板材表面缺陷的方法。对图像以4×4像素块作25级灰度直方图分析,根据灰度直方图统计中是否有颜色突变来判别木板材是否存在缺陷。缺陷图片在直方图中表现出双峰特征,利用次波峰确定缺陷部位,但判别时应排除杂色与纹理因素的干扰。比较次波峰与主波峰的值来消除木材杂色所产生的影响,即当差值大于1/10时,次波峰代表缺陷颜色。与此同时,借助于直方图修正排除纹理因素造成的干扰。该方法能有效地识别缺陷图像与正常图像。     

基于灰度共生矩阵的最小值去除法大气校正效果分析

利用最小值去除法进行大气校正,并用多个反映图像纹理特征的特征量对校正效果进行分析。     

基于吉布斯-马尔可夫随机场的板材表面纹理分析

详细阐述了吉布斯-马尔可夫随机场模型的基本原理,并针对板材表面纹理特征建立吉布斯-马尔可夫随机场模型。研究了吉布斯-马尔可夫随机场模型的参数估计过程,并在试验数据的基础上验证了吉布斯-马尔可夫随机场模型在纹理分析中的可行性。     

基于Level Set方法的木材细胞显微图像分割

为解决木材细胞纤维图像分割中的某些图像分割不连续的现象,引入了基于形变模型(DeformableModels)的水平集(LevelSet)方法对木材细胞图像进行分割,并用Matlab实现了基于该形变模型的窄带(NarrowBand)快速算法。对针叶材和阔叶材的显微图片进行仿真试验表明,该方法适合于对具有分支、突触以及拓扑结构变化的木材细胞图像进行快速精确分割,不但具有全局优化的能力,而且可以检测出模糊或离散状边界,对噪声也有一定的鲁棒性。