木材表面缺陷的图像分割算法研究

摘要

木材表面缺陷会严重影响木材的质量、性能及使用价值，对木材表面缺陷分割检测有利于木材的分级评定和质量控制，提高木材利用率，节约现有资源，也是板材加工过程中的重要环节。本文针对含有虫眼、活节、死节三种典型木材缺陷的图像进行分割实验研究，主要的内容如下：
　　采用传统边缘检测、阈值分割、基于区域的图像分割方法，对虫眼、活节、死节缺陷木材图像进行分割实验，并对分割结果进行分析。
　　对传统的C-V模型、传统SNAKE模型、GVF SNAKE模型、传统GAC模型进行理论研究和实验，针对传统算法的不足，采用结合C-V模型与形态学、C-V模型的改进算法、结合维纳滤波与GVF SNAK的改进算法、GAC模型的改进算法进行木材表面缺陷图像分割的深入研究，包括:(1)对样本库一中含有单个目标缺陷的木材图像进行传统模型的初步分割实验，获取影响分割结果的因素，并对算法进行改进，验证算法的可行性;(2)对样本库一中含有单个目标缺陷的木材图像进行传统模型算法和改进算法的多组对比实验和分析，验证改进算法的优越性;(3)对样本库二中含有多个缺陷的木材图像运用改进的算法进行分割实验，验证改进算法的实用性。
　　对样本库二中木材图像运用改进的几种算法进行对比实验和结果分析，比较各个算法分割所需的时间、分割过程的复杂程度、分割的完整性、对噪声的抗干扰性能等，从中选出更为优越的木材表面缺陷的图像分割算法。运用选出的算法对样本库三中复杂背景的整块木材图像进行表面多目标缺陷分割实验，并确定木材缺陷的位置。

目录

摘要

1 绪论

1．1 研究的目的意义

1．2 研究现状

1．3 主要研究内容

1．4 技术路线

2 木材表面缺陷图像的传统分割方法

2．1 图像采集

2．2 实验材料

2．3 传统图像分割算法

2．3．1 边缘检测算子介绍

2．3．2 基于边缘检测算子的木材表面缺陷图像分割

2．4 阈值分割

2．4．1 阈值法介绍

2．4．2 基于阈值法的木材表面缺陷图像分割

2．5 基于区域的木材表面缺陷图像分割

2．5．1 区域分裂与合并的图像分割

2．5．2 区域生长法及实验

2．6 本章小结

3 基于C-V模型的木材表面缺陷图像分割

3．1 Mumford-shah模型介绍

3．2 C-V模型介绍

3．2．1 C-V模型基本理论

3．2．2 基于C-V模型的木材表面缺陷图像分割

3．3 结合C-V模型与形态学的木材表面缺陷图像分割

3．3．1 数学形态学基本理论

3．3．2 结合C-V模型与形态学图像分割实验

3．4 基于改进C-V模型的木材表面缺陷图像分割

3．4．1 改进模型介绍

3．4．2 改进算法的图像分割步骤

3．4．3 改进算法的图像分割实验和结果分析

3．5 图像分割的对比实验

3．6 改进C-V模型的多目标图像分割实验

3．7 本章小结

4 基于Snake模型的木材表面缺陷图像分割

4．1 传统SNAKE模型介绍

4．1．1 传统SNAKE模型

4．1．2 采用SNAKE模型的木材表面缺陷图像分割

4．2 GVF SNAKE模型介绍

4．2．1 GVF SNAKE模型

4．2．2 GVF SNAKE模型数值解法

4．2．3 GVF SNAKE模型算法分割实验步骤

4．2．4 GVFSNAKE模型参数对分割结果的影响

4．2．5 GVF SNAKE分割实验和结果分析

4．3 算法的改进

4．3．1 维纳滤波介绍

4．3．2 改进算法的分割实验与结果分析

4．4 图像分割的对比实验

4．5 改进算法的多目标缺陷图像分割

4．6 本章小结

5 基于GAC水平集模型的木材表面缺陷图像分割

5．1 GAC模型的介绍

5．1．1 GAC模型的原理

5．1．2 木材表面缺陷分割实验与结果分析

5．2 基于GAC模型改进的木材表面缺陷分割介绍

5．2．1 改进的GAC模型

5．2．2 改进的GAC模型分割步骤

5．2．3 改进算法的参数对图像分割结果影响

5．2．4 基于GAC改进算法的木材表面缺陷分割实验

5．3 图像分割的对比实验

5．4 改进算法的多目标缺陷木材图像分割

5．5 本章小结

6 木材表面缺陷分割算法的比较分析

6．1 多目标缺陷木材图像分割方法比较

6．2 木材表面缺陷图像分割方法的抗噪声性能比较

6．3 复杂背景下改进GAC模型的木材表面缺陷图像分割

6．4 改进GAC模型的木材缺陷定位

6．5 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢

声明