论文部分内容阅读
木材表面缺陷的图像分割与识别是木材加工过程中的重要环节,可以有效地提高木材的利用率,节约森林资源。本文以板材的活节、虫眼、死节三种典型木材表面缺陷图像作为实验对象,对单目标、多目标以及整块板材表面缺陷图像的分割算法进行了研究。 本研究主要内容包括:⑴采用阈值法,区域法以及边缘检测算子三种传统算法对缺陷图像进行分割实验,对分割结果进行了分析,得到了影响分割结果的因素。⑵采用传统的LBF(Local Binary Fitting)模型算法及其改进算法进行多组对比实验,获取了影响分割结果的参数因子。根据两种模型算法分割所用的时间、分割过程的复杂程度、分割的完整性,验证改进LBF模型算法的可行性和优越性。⑶采用传统的Graph Cuts算法和GrabCut算法(改进的Graph Cuts算法)进行理论研究和分割实验。针对GrabCut算法的不足,在GrabCut算法的基础上进行改进;先使用SLICO算法对木材表面缺陷图像进行超像素分割,将分割后的图像再采用GrabCut算法进行分割实验。根据 GrabCut算法和改进算法分割时所用的时间、分割过程的复杂程度、分割的完整性,来验证改进GrabCut算法的优越性。⑷根据5种常用的图像分割方法(阈值法、边缘检测算子法、区域分割法、能量泛函分割法、图割法)的实验结果分析,得出每种方法的优缺点,并确定其中最优的方法。在上述研究基础上,将以上各种分割方法集成一个实验软件系统。