數字圖像處理技術在木材表面缺陷檢測中的應用研究.pdf_第1頁
已閱讀1頁,還剩110頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、木材表面缺陷檢測技術是計算機視覺與模式識別相交又的多學科技術,該技術具有較高的應用價值,被廣泛應用在木材生產及其深加工等領域.。本文主要以木材的死節(jié)、活節(jié)和蟲眼三種常見缺陷為研究對象,對木材的缺陷圖像分割和模式識別方法進行了深入的研究。主要內容包括:木材表面缺陷圖像分割、特征提取、缺陷類型識別等問題。
  圖像分割是木材缺陷識別的首要問題。本文對傳統(tǒng)邊緣檢測算法進行了介紹,針對分水嶺過度分割不足,結合數學形態(tài)學提出了基于形態(tài)學梯度

2、的分水嶺分割方法,并將其應用在木材缺陷的檢測中;針對在計算分形參數而產生的邊緣效應的問題,提出了增維矩陣的計算方法;針對木材缺陷的顏色特征,結合模糊聚類算法,提出基于顏色矩的圖像分割方法。同時采用具有強大運算功能的數學形態(tài)學工具,對分割后圖像進行了后處理工作,加強了分割圖像的可視性,確保了缺陷圖像的分割精度,為缺陷的識別工作奠定了基礎。
  為保證木材缺陷識別結果的可靠性,特征量的選取是模式識別中至關重要的環(huán)節(jié)。本文對木材缺陷分割

3、圖像進行Tamura紋理、灰度共生矩陣、小波多分辨率分形維的特征提取,分別選用了BP神經網絡和支持向量機分類器進行分類識別。其中,以多分辨率分形維作為BP神經網絡分類器的輸入,無論采用何種訓練函數,分類的準確率均達到92.67%;在支持向量機分類器中,Tamura紋理與灰度共生矩陣聯(lián)合的10個參數的識別準確率高達96.67%,多分辨率分形維的識別準確率也高達94.00%,準確率均高于BP神經網絡分類器。
  試驗結果表明:

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論