成品家具中的表面死节缺陷图像检测方法

针对成品家具中的表面死节缺陷,提出一种基于局域直方图匹配与水平集的死节缺陷图像检测算法。将RGB彩色图像转换成HSV图像,提取训练样本集,并将样本与分块图像进行直方图匹配,得到匹配相似度灰度图,并用Otsu分割得到初始分割子图。最后对子图采用水平集进行精细分割,得到死节缺陷目标。Matlab试验结果表明,提出的算法能降低光照影响,分割效果好,能很好地提取家具表面死节缺陷。

基于图像处理的家具表面死节缺陷检测方法研究

针对成品家具中的表面死节缺陷,提出一种基于非负矩阵分解(NMF)与Chan-Vese(CV)的死节缺陷图像检测算法。将RGB彩色图像转换成灰度图像,对灰度图像进行分块,同时将块变换成列向量,所有列向量组成矩阵进行NMF分解,对基向量进行K-均值聚类,得到初始分割子图。最后对灰度图采用CV模型进行精细分割,得到死节缺陷目标。Matlab试验结果表明,提出的算法能降低光照影响,分割效果好,能很好地提取家具表面死节缺陷。

基于RCDA的家具表面死节缺陷图像分割

针对木制家具的表面死节缺陷,提出一种基于正则化共面判别分析(RCDA,Regularized Coplanar Discriminant Analysis)与支持向量机(SVM,Support Vector Machine)的死节缺陷图像分割算法。将RGB彩色图像转换成灰度图像,对灰度图像进行分块,同时将块变换成列向量,所有列向量组成矩阵进行RCDA维数约减,对约减后的特征进行SVM训练与测试,得到图像块分类结果。最后将块分类矩阵变形成二值分割图,得到死节缺陷目标。试验结果表明,提出的算法效果好,SD、Dice、ER、NR值分别为80.96%、89.48%、23.33%、0.16%。

基于L1L0层分解模型的家具死节缺陷图像分割

针对成品家具中的表面死节缺陷,提出一种基于L1L0层分解模型与主动轮廓模型的死节缺陷图像分割算法。将RGB彩色图像转换成Lab图像,对Lab各通道灰度图进行L1L0两层分解,得到分解后的低频灰度图与高频系数图;并用主动轮廓模型对各低频灰度图进行分割得到Lab多通道的二值图。最后对多通道的二值图进行比较,选择b通道二值图作为图像最终分割结果,得到死节缺陷目标。试验结果表明,提出的算法能降低复杂背景噪声,分割效果好,能很好地提取家具表面死节缺陷,性能优于传统的Otsu方法。