基于Otsu算法的木材缺陷图像分割

提出了基于Ostu算法的木材缺陷图像分割。该方法借助于二维中值滤波器对木材图像进行平滑处理,将平滑过的图像用Otsu算法确定图像分割阈值。实验结果表明,该方法可以有效地实现木材表面缺陷图像分割。

应用兰德韦伯算法的木材缺陷图像重建

以含有缺陷的红松木材和含有空洞的蒙古栎木材为样本,应用兰德韦伯(Landeweber)迭代算法、代数重建法(ART)对原木缺陷图像重建,比较2种方法的差异,遴选木材无损检测相对较好的方法。结果表明:在迭代50次情况下,红松木材的缺陷图像,Landweber算法相对误差率23%、图像拟合度75%,ART算法相对误差率83%、图像拟合度53%;蒙古栎木材的缺陷图像,Landweber算法相对误差率10%、图像拟合度91%,ART算法相对误差率17%、图像拟合度79%;与ART算法相比,Landweber算法重建缺陷的图像能够精确反映缺陷位置,图像拟合度较高,证明Landweber算法适用于木材应力波缺陷图像重建。

基于分数阶CV模型的木材缺陷图像分割算法

针对木材虫眼、死节、活节等缺陷,提出了一种可调分数阶CV模型木材缺陷图像分割算法。将RGB彩色图像用PCA灰度化,在GACV模型的基础上,对边缘检测项用CRONE模板作分数阶微分处理,并耦合区域检测项迭代求解水平集函数,得到收敛的目标轮廓曲线。试验结果表明,提出的算法边缘定位能力强,可扩展性好,性能优于CV模型,能很好地提取木材缺陷目标。

基于深度学习的木材缺陷图像检测方法

针对木材活节、虫眼、死节等缺陷,提出一种深度学习的木材缺陷图像检测算法。首先构建训练数据库及测试数据库,同时设定卷积神经网络(CNN)的输入层、中间层、输出层等参数,并利用区域建议网络(RPN)反复训练CNN,然后利用训练好的CNN对测试图像进行检测,得到缺陷所在的矩形区域。将此区域作为初始分割范围,再利用CV模型进行图像精细分割。试验结果表明,提出的算法目标定位能力强,能很好地提取木材缺陷目标。

5种小波阈值去噪法处理木材缺陷图像的仿真比较

针对当前木材缺陷图像小波阈值去噪法存在的不足,通过引入3种典型的平滑和非平滑小波阈值去噪法,将其与软、硬阈值法一同在Matlab环境下进行仿真对比分析,从而优选出消去平滑小波阈值去噪法这一总体最为理想的木材缺陷图像处理法,改善了木材缺陷无损检测的效果,为小波阈值去噪法在木材缺陷检测上的应用提供一个新选择。

基于OTSU算法与数学形态学的木材缺陷图像分割

在木材分选过程中,图像缺陷分割技术占有重要的地位,能否精确提取缺陷轮廓会直接影响到分选的准确率。本文讨论提取木材表面缺陷图像的方法,应用OTSU算法与数学形态学相结合的方法对缺陷图像进行分割,最终提取出缺陷边缘。实验表明,经过OTSU算法和数学形态学进行图像分割,最后得到的木材缺陷图像更加清晰、连贯,提高了图像的可视性和准确性。