基于自适应校正和非锐化掩模的木材单板节子图像增强算法研究

为提高单板节子图像的对比度、细节清晰度和颜色保真性,综合考虑单板活节和死节图像的特征,提出一种将自适应校正和非锐化掩模相结合的单板节子图像增强算法。在可分离颜色信息的HSV空间提取亮度分量、饱和度分量,分别进行加权分布的自适应Gamma校正和自适应非线性拉伸处理,用于改善单板节子图像对比度和保持色彩自然,最后利用非锐化掩模技术增强节子细节区域。试验结果表明,该算法能够有效地改善单板节子图像的对比度和细节清晰度,图像颜色更为自然;突出节子缺陷部位,保留了较多节子细节信息;在均方差、峰值信噪比和结构相似性指数上,比AGC-Quantile和直方图均衡化算法均有提升。

改进BSCB与样本块耦合的单板节子缺陷图像修补算法

分析了我国旋切单板生产过程中对单板节子缺陷挖补上存在的问题,提出了将图像修复理论、方法应用于单板节子表面缺陷图像的自动修补中,以提高旋切单板生产过程的自动挖孔补节智能化水平。针对BSCB算法在单板节子表面缺陷图像修复上存在的不足,提出了一种新的BSCB改进算法,使其在单板节子图像结构修复上得到比较好的效果。但是该算法对单板节子区域较大、节子周围纹理比较多的情况,修复效果不是很好。为此,又提出了将改进后的BSCB算法与基于样本块的图像修复算法相耦合的单板节子缺陷图像修复新方法,实现了对旋切单板节子缺陷图像的结构和纹理部分的修复,并通过数值实验验证了该方法的有效性。

基于AOS的扩展C-V模型及背景填充耦合的单板节子缺陷识别

分析木材单板节子缺陷图像的特点,提出一种基于AOS的扩展C-V模型及背景填充耦合的单板节子缺陷识别算法。首先,对Chan-Vese提出的基于Mumford-Shah模型的水平集图像分割算法进行改进,使分割速度得到提高;其次,用AOS算法改进原模型的差分格式,使得差分格式无条件稳定;最后,结合背景填充技术,使得到的新图像缩减了目标与背景间的特征差别。通过对比试验,表明该分割方法能够快速识别单板单个节子缺陷,充分说明该耦合方法比Chan-Vese方法及其改进方法有更好的分割效果。通过用多水平集作为初始轮廓演化曲线,结果表明该方法也可快速实现对单板多节子缺陷图像的识别,实现对单板节子图像的多目标分割。

基于图像分解的单板节子缺陷图像修补方法研究

分析了我国单板生产过程中单板节子缺陷修补存在的问题和木材纹理在工业生产中的重要作用,针对带纹理的单板缺陷图像修补问题,提出了一种新的基于图像分解的修复方法。首先采用基于最小化总体变分的去噪算法对单板图像进行分解,提取出带纹理缺陷单板的结构部分与纹理部分;然后对单板结构图像采用改进的BSCB算法进行修复,对纹理部分采用扩展基于样本块的Criminisi算法进行修复,最后将修复好的图像叠加合成,通过实验验证了该方法的有效性。实验结果表明,该方法对带纹理单板缺陷图像的修复效果要优于采用单一方法的修复效果。

木材彩色图像缺陷分割——基于Gabor滤波的改进C-V彩色模型

分析了木材节子缺陷、单板节子的特点,提出了一种基于多通道Gabor滤波的改进C-V彩色模型的木材缺陷识别算法。该算法将彩色图像作为一个整体的图像,保留了图像的彩色信息。该算法利用多通道Gabor滤波器、K-均值聚类算法得到缺陷目标与背景的彩色区分图像;利用改进的彩色C-V模型对新图像进行边缘提取,得到理想的实验结果。与采用基于改进C-V模型与小波变换的灰度图像缺陷识别算法相对比,结果表明该方法可快速、准确地实现对木材节子缺陷彩色图像及单板多节子彩色图像的分割。