共查询到18条相似文献，搜索用时 250 毫秒
1.
《北京林业大学学报》2012,34(3)
提出一种基于颜色和纹理信息的木板材表面节疤缺陷区域检测方法。首先,根据木板材表面图像中正常区域和缺陷区域的颜色差异,通过颜色直方图自动获取缺陷区域的种子点;然后,提出一种纹理扩散算法,它从种子点出发,基于图像局部纹理特征搜索缺陷区域的边缘。此外,改进了局部二进制模式算子,提出一种LBP—TD算子以更好地适应纹理扩散。实验结果表明：针对各种常见的木板材节疤缺陷,当缺陷区域与正常木纹区域的颜色、纹理存在较明显差异时,无论木纹本身是否规则,本文方法都能准确地检测出木板材节疤缺陷的区域;而当缺陷区域与正常木纹区域的颜色、纹理的差异均不明显时,本文方法仍能检测出缺陷区域的大致轮廓。数据对比显示了本文方法的误检率要低于传统的OTSU法。 相似文献
2.
3.
一种基于混合纹理特征的木板材表面缺陷检测方法 总被引：1，自引：0，他引：1
利用计算机视觉技术检测木板材表面缺陷。提出了一种基于混合纹理特征的表面缺陷检测算法,能准确、鲁棒地检测出木板材表面图像中是否有缺陷。首先,分别使用灰度共生矩阵方法、Gabor滤波方法和几何不变矩方法提取了10个优化后的图像纹理及尺度、平移、旋转不变特征;然后,对特征向量进行有效组合;最后,基于融合后的混合纹理特征向量,应用BP人工神经网络对样本集进行训练和检测。实验表明,该方法能准确地对木板材表面缺陷进行检测,平均检测成功率达96.2%。 相似文献
4.
根据柳杉锯材表面的纹理特点,构造了适于描述柳杉锯材表面节疤缺陷和正常材纹理特征的空间灰度共生矩阵特征参数群,并优化选择了其中5个纹理特征参数用于区分柳杉锯材表面节疤缺陷和正常材.在统计了柳杉锯材表面死节、活节和正常材的5个纹理特征值分布范围的基础上,根据5个纹理特征值的分布范围及其对死节、活节和正常材的区分度,构建了柳杉锯材表面死节、活节和正常材的相应识别规则,基于图像纹理特征匹配技术开发了柳杉锯材表面节疤缺陷和正常材的自动识别系统.对于300个含有单个和/或复数个节疤缺陷(184个活节和156个死节)的柳杉锯材图像的自动识别试验结果显示,活节和死节的正确识别率分别为83.2%和90.4%,识别精度表明,基于图像纹理特征匹配技术对柳杉锯材表面的节疤缺陷进行自动识别是有效可行的. 相似文献
5.
设计一种集实木传送、图像定位与采集、实木板材表面识别与分选的智能系统,系统通过传送带运送实木板材,CCD摄像头获取板材图像,在触摸屏工控机TPC700-9190T上应用MFC与OpenCV编写分选程序对板材图像进行分析,识别结果通过STM32单片机控制电磁阀完成实木板材的分类。在图像定位与识别算法中,采用积分投影算法确定板材边界,动态采集板材表面图像;在颜色分类方面,利用L*a*b*空间颜色分量的均值、方差和斜度3个低阶矩表达颜色;在缺陷检测方面,提出了基于纹理填充的缺陷分割方法,通过获取纹理掩膜图像,然后利用板材背景颜色淡化纹理,最后应用加权阈值法完成缺陷分割,分割后计算缺陷面积、边缘灰度均值、内部灰度均值和长宽比等特征表达缺陷信息;在纹理识别方面,提出了基于Contourlet变换的纹理特征提取方法,通过对纹理图像进行Contourlet变换3层分解,得到1个低频子带、6个中频子带和8个高频子带,分别计算低频和中频系数矩阵的均值和方差,并与高频系数矩阵的能量组成22个特征表达纹理信息;最后设计SVM分类器,分别对颜色、缺陷和纹理进行识别。采用300个柞木样本进行实验,板材传送速度在小于1.5 m/s范围内,颜色识别准确率为100%;活节、死结和裂纹识别准确率分别为92.2%、95.6%和93.3%;直纹、弯纹识别准确率分别为93.9%、92.8%。实验结果表明,分选系统具有实时、高效、准确的特点。 相似文献
6.
将机器视觉技术应用到苹果外部品质的缺陷检测,通过摄像头获取苹果外观的颜色特征,利用LabVIEW虚拟仪器软件开发图像处理程序,通过纹理分析进行区分,由纹理特征提取方法,实现苹果表面缺陷的无损检测。 相似文献
7.
板材表面的纹理特征是木质板材表面最为直观的特性,同时也是建筑装潢质量和木制品品质的重要评价指标。以中国东北部常见的红松、落叶松、白桦、水曲柳和柞木等5种树种的弦切、径切图像作为研究对象,提出一种基于多通道Gabor滤波和Tamura纹理特征的板材纹理特征提取方法,克服了传统方法在提取样本图像的全局特征时对局部纹理特征不敏感的问题。具体是将基于视觉心理学的Tamura纹理特征与Gabor滤波器进行结合,在不同频率、不同方向上共24组滤波器的虚部卷积图像上进行纹理特征参数提取,结合上述的纹理特征参数在BP神经网络、KNN和支持向量机分类器上进行分类试验,最佳特征参数体系的识别率达97.8%。 相似文献
8.
兰添才 《福建农林大学学报(自然科学版)》2008,37(6)
提出了一种基于方向信息测度的钢丝绳表面缺陷检测方法.根据钢丝绳表面的纹理特点,设计了一种新的空域同态滤波器,可增强缺陷纹理图像和消除不均匀光照对缺陷纹理检测的干扰;改进方向信息测度方法,实现了钢丝绳纹路与背景的分离;提取钢丝绳纹路的纹理特征并使用神经网络进行缺陷识别.结果表明,该算法能快速、准确完成对钢丝绳表面缺陷的自动检测. 相似文献
9.
基于LSP与GLCM融合的禾本科牧草种子特征提取算法 总被引：1，自引：1，他引：0
针对禾本科牧草种子相似性较高、识别困难的问题,采用局部相似模式(LSP)和灰度共生矩阵(GLCM)的方法,对禾本科牧草种子的分类识别进行研究。结果表明:1)局部相似模式与灰度共生矩阵融合的方法可以有效的提取禾本科牧草种子的纹理特征,能够识别颜色、形状、大小等特征都十分相似的牧草种子,且其识别率优于传统的LSP特征算子和GLCM特征算子。2)与传统LSP算法相比,结合灰度共生矩阵算法后,得到的特征受到相似种类种子图像的影响较小,具有更广泛的适应性。因此,基于LSP和GLCM的融合算法可以有效地提取相似禾本科种子图像的纹理统计特征,采用线性判别分析分类器(LDA)进行分类,识别率最高达到98.64%。 相似文献
10.
对板材表面缺陷图像进行多种特征提取。颜色特征选用了颜色直方图;形状特征主要基于最小外接矩阵,提取周长、面积、位置、矩阵和圆形相关的形状参数;纹理特征选取了灰度共生矩阵和Tamura纹理参数。通过OOB（袋外数据）误差计算特征重要性,并将结果与提取时间进行综合分析得出,Tamura纹理和颜色直方图是最优的2组缺陷分类参数。对颜色直方图和Tamura纹理2类特征,采取特征组合输入,通过实验得出,随机森林分类精度达95．67％。 相似文献
11.
为提高木材节子图像的清晰度和对比度，针对木材节子图像的边缘特征，以木材活节和死节图像为对象，研究小波变换与双三次插值融合的木材节子图像增强算法。结果表明，本方法增强后的木材活节和死节图像在峰值信噪比和结构相似性指数分别为22.994 8、32.054 1和0.928 9、0.919 2，均显著高于直方图均衡化和双三次插值方法，这表明本增强方法具有更好的去除噪声效果和图像保真性能。此外，增强后的木材活节和死节图像的平滑指数为2.934 2、3.889 3，显著优于直方图均衡化和双三次插值方法，这表明该方法不仅提高了清晰度和对比度，而且具有更好的边缘细节信息保留功能。 相似文献
12.
基于空频变换的木材缺陷图像分割 总被引：1，自引：0，他引：1
针对木材缺陷这一自然纹理型事物,为了提取出其缺陷目标部分,进行下一步的分析和识别,采用一种空频变换方法对缺陷图像进行分割。选取虫眼、死节、活节3类木材缺陷图像样本各50个,构造一组多通道的Gabor滤波器对缺陷图像进行滤波,并提取出图像的多方向Gabor能量特征。最后结合模糊聚类算法和数学形态学后处理操作对缺陷图像进行了成功的分割。实验结果表明,此方法对3种木材缺陷图像的平均分割正确率分别达到了95.81%、94.58%、96.52%,证明了该方法的有效性。 相似文献
13.
虫眼、活节和死节是最常见的木材表面缺陷,是木材分选过程主要的识别目标,精确提取木材表面缺陷轮廓特征能大幅提高木材分选的准确率。本研究提出一种针对木材表面虫眼、活节、死节缺陷轮廓提取方法。针对木材表面常见黑点和纹理等非线性噪声,使用中值滤波方法平滑图像。然后分别应用OTSU算法与全局阈值分割算法分离图像背景与目标,对结果二值图像使用数学形态学方法进行滤除和填充,最终用sobel算子提取缺陷边缘。结果表明,采用OTSU算法分割和数学形态学相结合的方法可以很好地提取木材表面缺陷特征,用sobel算子能够提取到比较完整、准确、连续的木材表面缺陷边缘轮廓,提高了目标图像的可视性和精准性。 相似文献
14.
实木板材外观特性影响着消费者对产品的喜好,在一定程度上决定着产品的价格和销量。实木板材表面的颜色与纹理存在随机性与相异性,因此采用统计特征进行分选具有一定的局限性。针对板材表面特点,本文提出了面向用户视觉特征的板材分选方法。该方法将用户的视觉喜好转化为对颜色和纹理的量化分析,然后挖掘样本数据所表达的特征及状态信息完成样本优选,最后利用压缩感知分类器进行信息整合及板材分选。颜色方面,提取L*a*b*颜色空间下的9个特征,通过区间整合得出颜色分选范围;纹理方面,提取基于人类视觉心理的Tamura纹理特征6个参量和基本统计特征。由于Tamura特征的6个参量对应于心理学角度上纹理的6种属性,这些特征可以将用户视觉心理和基本统计信息相融合,更为准确、完整地表达板材表面的视觉特性。此外,通过遗传非线性映射算法对两类纹理的训练样本进行优选,提高了后期的分选精度。最后,针对用户视觉需求,设计了板材表面压缩感知分类器,构建由L*a*b*颜色特征、Tamura纹理特征和基本统计特征组成的过完备字典,通过求解最小l1范数的方法,找出测试样本的特征数据与过完备字典中相匹配的类别向量,完成分类。实验结果表明该方法的识别精度为90.56%,方法具有实用性。 相似文献
15.
【目的】针对类球型水果表面亮度分布不均现象,传统算法难以有效直接分割水果表面缺陷区域问题,提出一种基于区域亮度自适应校正的脐橙表面缺陷检测算法。【方法】选择区域经济价值较高的纽荷尔脐橙为研究对象,对其采集原始可见光RGB图像。试验中发现R-B融合分量图像灰度呈明显双峰分布,故根据直方图信息利用单阈值法（分割阈值T1=60）去除图像背景,获得R-B目标图像;基于本文提出的一种区域亮度自适应校正算法对脐橙表面缺陷进行检测,首先设定目标图像邻域窗口大小为w×w（邻域窗口大小w=13）,通过对其窗口大小内较亮像素点的集合提取脐橙表面亮度信息,然后基于此表面亮度信息对去除背景的R-B目标图像进行均一化校正,经亮度校正后的图像发现其表面缺陷区域与正常组织区域灰度对比度大,宜采用单阈值法（分割阈值T=194）直接对亮度校正后的脐橙图像进行表面缺陷分割提取;最后对表面缺陷分割后的二值化图像进行面积滤波以去除杂散点及噪声。【结果】采用双峰法可在有效去除图像背景的同时完好保留目标脐橙表面信息;基于区域亮度自适应校正算法对溃疡病果、蓟马虫果、介壳虫果、虫伤果、黑星病果、风伤果、炭疽病果、裂伤果等8种常见脐橙表面缺陷果,共计356幅样本图像进行亮度校正,采用单阈值法对亮度校正后的图像进行表面缺陷分割,其分割率高,整体缺陷准确识别率达到了95.8%,平均处理每幅图像耗时0.29 s。与直方图均衡化算法、基于Retinex理论算法以及基于照度-反射理论算法得到的亮度校正图像相比,本文算法亮度校正效果最优且算法简单、缺陷识别率高、计算速度快,其运算速度分别减少了0.27、0.14和1.45 s,缺陷识别率提高了2.6%—8.2%。【结论】基于区域亮度自适应校正的脐橙表面缺陷检测算法有效解决了脐橙类水果表面亮度分布不均导致的表面缺陷难分割问题,为脐橙在线精确分级提供了技术支持,也为其他类球型水果表面缺陷快速检测提供了一种新方法。 相似文献
16.
基于激光点云数据的树木枝叶分割和三维重建 总被引：1，自引：0，他引：1
针对目前树木点云三维重建方法仅仅实现树木三维形态结构的重建,而忽视了树木表面纹理和细节的问题,本研究提出了一种超体素分割和基于kd-tree纹理映射的贪婪投影三角化算法相结合的树木点云重建方法。首先根据点云的颜色、法线和空间距离等特征,利用体素云连通性分割算法生成超体素块;然后基于不同超体素块之间的凹凸关系,利用局部凸包连接算法对点云进行聚类分割,从而实现枝干和树叶点云分割;最后利用贪婪投影三角化算法分别对枝干和树叶点云进行三维重建,并基于点云RGB信息,利用kd-tree算法对枝干和树叶模型添加真实的纹理色彩。结果表明,树木点云重建方法能实现枝干表面和树叶等细节模型的构建,还原真实的树木形状结构和纹理色彩;通过对不同抽稀层次下的点云进行测试,发现核桃楸树木模型主要枝干结构得到了很好的保留,这说明建模算法对点密度的变化具有鲁棒性。 相似文献
17.
为建立基于烟叶外观特征区别"贵烟"品牌典型基地单元烟叶的方法,以"贵烟"品牌7个省份共10个典型基地单元的17套初烤烟叶样品(C3F和B2F)为材料,采用定性与定量评价相结合方法,对烟叶基本外观质量、外观性状特征及外观区域归类3个方面进行系统研究。结果表明:1)依据颜色、成熟度和油分3项基本外观质量指标进行相似性区域归类为金黄区域、偏浅黄区域、偏深黄区域,高成熟度区域、中等成熟度区域、低成熟度区域,油分足区域、油分中等区域、油分少区域;2)依据底色、叶面组织、柔韧性、蜡质感和光泽度性状特征进行基地归类区域划分:底色纯正区域、底色含红区域、底色含灰区域,组织细腻区域、组织较细腻区域、组织较粗糙区域,柔韧性强区域、柔韧性中等区域、柔韧性差区域,蜡质感弱区域、蜡质感中等区域,光泽度好区域、光泽度较好区域、光泽度一般区域。 相似文献
18.
硅酸盐浸渍改性对杉木视觉物理量的影响 总被引：1，自引：1，他引：0