基于CV模型和数学形态学的木材表面缺陷分割方法

根据木材表面缺陷图像的特点,结合主动轮廓线模型的优点,应用CV模型对木材表面缺陷图像进行分割,并利用数学形态学对分割图像进行后处理。经实验验证,该方法能较完整的提取木材表面缺陷图像。

木材表面图像的缺陷分割与类型识别方法

为了识别死节、活节、虫眼三种木材表面缺陷,采用Gabor变换和模糊C均值聚类进行缺陷分割;采用数学形态学运算对分割图像进行了后处理;获取了木材缺陷区域的12维频率能量参数和2维几何形状参数;用支持向量机进行木材表面缺陷类型的识别。采用Gabor变换和模糊C均值聚类方法对死节、活节、虫眼三种木材表面缺陷的分割精度都达到94%以上,支持向量机对缺陷类型分类正确率达到93%以上,这说明本文的方法对木材表面缺陷的分割与识别是可行的。

基于高斯-马尔可夫随机场的木材表面缺陷类型识别

为了识别死节、活节和虫眼三种木材表面缺陷类型,本文采用高斯-马尔可夫随机场模型提取木材表面缺陷图像的纹理参数,结合缺陷区域的矩形度和伸长度两个几何特征,形成14维特征向量。设计三层BP神经网络来识别缺陷的类型。试验表明,三种缺陷的整体识别正确率达到96.67%,验证了该方法的有效性。

基于Markov随机场的木材表面缺陷图像分割方法

针对木材表面缺陷的彩色图像,建立Markov随机场分割模型,采用EM法估计了模型参数,采用模拟退火算法(SA)和条件迭代算法(ICM)求解分割结果。试验表明,Markov随机场能对木材表面缺陷图像进行有效分割,但对死结图像存在欠分割现象。SA分割效果要优于ICM,但SA算法计算过程复杂,用时较长。