基于多尺度融合与USM的蒙古族家具纹样增强研究

为提高蒙古族家具纹样图像的全局对比度、颜色和精细细节,提出了一种基于改进的多尺度融合和USM的图像增强算法。首先对图像采用非锐化掩模技术增强纹样的细节区域,在此基础上进行白平衡处理,然后根据对比度的需求定义权重,最后进行多尺度融合能更好地体现出图像中有价值的信息和样式。结果表明:该算法能突出纹样的细节部位,图像颜色更加自然直观,有效地增强了蒙古族家具纹样的图片;该方法可为缺失纹路的蒙古族家具纹样复原提供技术支撑,同时对蒙古族家具纹样的保护具有重要意义。

基于深度学习的木材缺陷智能检测的研究进展与展望

木材作为天然生物材料很容易受到内外界影响从而产生不符合人们生产需求的缺陷,人们为了准确高效的识别木材缺陷进行了大量的研究。本文对近年来基于深度学习的木材缺陷检测技术进行梳理,根据使用方法的侧重点不同将其分类,并针对典型方法加以细分归类和对比分析,总结了每种方法的优缺点及其应用面。此外,提出了基于深度学习的木材缺陷检测技术目前所存在的难点与所陷困境。