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。

近红外光谱结合SIMCA模式识别法检测木材表面节子

利用近红外光谱结合SIMCA模式识别法来检测马尾松木材单板节子。结果表明,通过培训集样本建立的基于主成分分析的SIMCA判别模型对有无节子两种类型样本进行回判和对未知节子类型的样本(包括无节子和有节子样本)的判别正确率均达到90%～100%,说明应用近红外光谱结合SIMCA模式识别法可以快速有效地检测木材表面的节子缺陷。

改进C-V模型的木材缺陷彩色图像分割研究

分析了木材节子缺陷图像的特点,将彩色图像作为一个整体的图像进行处理,保护了彩色图像信息的特性,提出了一种基于AOS的扩展C-V矢量模型及背景填充耦合的木材节子缺陷彩色图像分割算法。对Chan-Vese提出的基于Mumford-Shah模型的水平集矢量图像分割模型进行了改进,使分割速度得到了提高;用AOS算法改进了原模型的差分格式,使得差分格式无条件稳定;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。实验结果表明该方法可以较好地实现对木材死节、活节和虫眼等缺陷的彩色图像分割,也可实现对单板多节子缺陷彩色图像的分割,为木材缺陷边缘检测提供一种行之有效的方法。

基于数学形态学的木材单板节子识别改进算法

【目的】提出一种基于数学形态学的木材单板节子识别改进算法,对木材单板表面节子进行快速识别和面积判断,旨在转化生产中由计算机智能控制自动分等代替人力分拣,提高木材单板分等效率。【方法】选取带有节子的木材单板为研究对象,以图像识别初步结果为基础,首先采集木材单板图像并进行灰度变换;然后根据灰度图像中节子和背景占据的不同灰度级范围,运用最大熵原理选择灰度阈值对图像进行分割,使节子从背景中初步分离出来;接着通过形态学运算去除各初选节子外部的干扰特征量,使节子外轮廓得以较准确显现;最后增加检出特征的外形轮廓判定,以防止板面可能存在的裂缝、污痕等其他特征量因颜色较深从背景中分离出来,被误检识别为节子。【结果】图像分割处理后节子周围存在的一些干扰特征量,通过形态学膨胀处理可切断干扰特征量和节子之间的联系,膨胀后继续进行腐蚀操作可保持节子真实大小,比较形态学开闭运算2种处理方法,形态学闭运算处理后节子更容易被识别出;检出的特征轮廓在进行椭圆拟合后辅以符合节子外形的条件限制可以提高识别精度,防止非节子被检出,其中通过计算特征轮廓点和拟合椭圆的匹配度大小可以初选是否符合节子特征,节子外形的条件限制主要用于过滤一些虽能拟合为椭圆但为长形物体比如裂隙等的影响。【结论】通过本项研究,可直观获取单板表面的节子数量和节子相对大小,其实际生产中使用硬件对接后,根据图像采集设备与待采集对象的相对位置、采集图像的分辨率等情况,结合系统判定结果可得出节子的真实大小,实现木材单板的自动分等。

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。

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。

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。

单板节子快速检测研究现状

介绍了单板节子快速检测的研究现状,为进一步开发新的单板节子快速检测方法提供了参考。

基于Visual C++的单板表面缺陷图像检测软件开发与应用

针对单板中的死节与裂缝缺陷,利用VisualC++2017(VC++)与OpenCV编写缺陷图像检测程序。先将RGB图像进行分数阶主成份(principal component analysis,PCA)转换,再对得到的三通道灰度图像进行Chan-Vese (CV)分割;最后对二值图像面积滤波,根据长宽比检测出死节与裂缝。结果显示:此程序可去除大部分噪声,很好地实现单板表面死节和裂缝缺陷的提取和检测。

红椿单板旋切年度差异分析

红椿是重要的乡土用材树种,为提高红椿出材率以及单板质量,本研究以建立在云南景谷的5个不同林龄红椿树种作为旋切材料,选取参试材料按单板旋切实验要求锯解制样,在原木两端标记好大小头方向、林龄,进行原木外观形质检测和单板质量等级划分。研究结果表明:大、小端头开裂长度小于沿木开裂长度;随着林龄的增加各端头、沿木开裂长度、出材率、单个端裂指数随之减少,但到达20.5年后有所上升;不同林龄间,活结数量均大于死结数量;随着林龄的增长活结数、死结数随之增加,当到达20.5年后又呈下降的趋势,总体出材率均值为52.17%,单板等级为4.57。因此可知红椿非常适宜单板旋切,且林龄20年后为最佳。本研究结果为红椿单板旋切加工利用积累基础理论。