針對木材中存在的表面死結缺陷問題,提出一種基于中智集的圖像檢測算法。首先將木材彩色RGB圖像輸入,將輸入圖像的RGB通道圖提取出來,得到R、G、B三個分量的圖像。然后選取R通道圖像,將該通道圖像分別通過T、I、F三種通道的圖像處理得到TIF通道的圖像。同理,選取G、B通道的圖像經過TIF通道處理,得到共9張關于T、I、F通道圖像。將所得的TIF通道圖像分別進行Otsu、Kapur、主動輪廓三種算法處理,對處理的圖像進行jaccard、dice和bfscore三種評價得出JAC、Dice和BFScore三個評價參數(shù),再對各個圖像的評價參數(shù)進行比較,得出最佳分割圖像。 

【文章來源】：林業(yè)機械與木工設備. 2020,48(10)

【文章頁數(shù)】：5 頁

【部分圖文】：

圖像分割流程圖

要實現(xiàn)R、G、B灰度圖的獲取,首先將RGB彩圖進行分層,如圖2所示。提取出R分量、G分量和B分量,為了更準確地得到每層圖中的每個像素灰度值,選取一個通道灰度圖進行計算,其為局域平均值,即將每個像素灰度值用其周圍3×3的平均值替代。這樣就可以較為準確地得到R、G、B灰度圖,如圖3所示,第一排為活結R、G、B灰度圖,第二排為死結R、G、B灰度圖。圖3 活結和死結R、G、B灰度圖

活結和死結RGB灰度圖的T、I、F通道圖

【參考文獻】：
期刊論文
[1]基于數(shù)字圖像處理的樟子松鋸材分級研究[J]. 王巍,李新寧,王云婷.  林產工業(yè). 2019(04)
[2]基于稀疏表示分類的家具表面缺陷檢測[J]. 顧權,李趙春.  家具. 2019(02)
[3]木材缺陷檢測技術研究概況與發(fā)展趨勢[J]. 丁偉彪,王寶金.  林業(yè)機械與木工設備. 2019(01)
[4]栓皮櫧軟木微觀構造和化學成分的研究[J]. 張潤華,趙昕剛,馬爾妮.  林產工業(yè). 2019(01)
[5]基于Visual C++的單板表面缺陷圖像檢測軟件開發(fā)與應用[J]. 程玉柱,李趙春.  木材工業(yè). 2018(06)
[6]基于深度學習的木材缺陷圖像檢測方法[J]. 程玉柱,顧權,王眾輝,李趙春.  林業(yè)機械與木工設備. 2018(08)
[7]基于紋理特征的木材年輪圖像檢測方法研究[J]. 程玉柱,李趙春,孫燁.  森林工程. 2018(03)
[8]基于分數(shù)階CV模型的木材缺陷圖像分割算法[J]. 程玉柱,蔡云飛.  林業(yè)機械與木工設備. 2018(04)
[9]基于紋理特征的主動輪廓模型圖像分割[J]. 張佳明,張榮國,趙建,劉小君.  太原科技大學學報. 2017(03)
[10]基于猶豫中智集的多屬性決策方法[J]. 楊永偉,張饒蕾,郭靜.  模糊系統(tǒng)與數(shù)學. 2017(02)



本文編號：3543297