基于形态学的单板彩色图像缺陷检测

摘要

木材缺陷主要分两类:一是生长过程中产生的各种各样的缺陷（节子、虫洞和腐朽等）;二是在生产过程中产生的加工缺陷（脱胶、变形等）这些缺陷直接影响到单板质量的好坏，从而间接影响人造板材的质量和等级。随着木材工业的发展，传统的加工工艺无论在产量还是质量上，都不能够满足现代工业的需求。将计算机视觉技术应用在单板的缺陷检测上，不仅克服了传统生产过程中劳动强度大，生产效率低，经济效益差的工艺缺陷，还能有效提高缺陷检测精度和速度，降低人为主观误差，并且能够对单板表面缺陷进行分类处理。
　　本文从研究对象人手，针对单板图像表面缺陷的几何特征和图像毛刺较多，冗余信息繁多的特点，选用了数学形态学技术进行滤波处理，融合了阈值分割和聚类分析，结合目标图像特点，提出两种新的单板图像缺陷检测的方法，并且设计BP神经网络对分割的缺陷形状进行分类处理，以此为基础来构造单板缺陷图像的快速检测和分类系统。论文主要研究内容如下:
　　首先，文章以梳理和总结现今较主流的木材图像分割方法为基础去设计单板缺陷彩色图像检测系统，其中包含图像采集模块和光源等硬件部分，以及操作系统和功能软件等软件部分。
　　然后，论文围绕单板缺陷，设计的改进型的形态学滤波器是用多角度的结构元素对图像进行全方位的滤波处理，并且在此基础上提出了两种缺陷分割方法。一种是基于HSI三分量的独立分割算法，先将图像转入HSI空间，针对单板图像特点对分量进行独立检测，再融合并填充，最后提取边缘。第二种是基于K-均值聚类算法，将单板图像利用欧氏距离进行聚类分析，在多幅不同簇图像中选取分割结果最优的图像。
　　最后，文章选用HSI分量处理后的边缘图像为样本库，训练了BP神经网络对其进行分类识别。对于边缘图像的几何特征，选取边缘图像的6个特征参数作为网络输入量，将边缘图像区分为节子、虫洞和腐朽三类。

目录

摘要

1 绪论

1．1 研究目的及意义

1．2 计算机视觉技术发展现状

1．3 基于图像处理的木材缺陷检测技术的研究及发展现状

1．3．1 板材和原木缺陷检测技术研究及发展现状

1．3．2 单板缺陷检测技术研究及发展现状

1．4 人工神经网络技术的发展现状

1．5 论文的结构安排

2 单板表面图像的缺陷检测系统设计

2．1 实验样本的选取

2．2 系统硬件部分设计

2．2．1 照明系统设计

2．2．2 图像采集系统设计

2．3 系统软件部分设计

2．4 本章小结

3 本文所涉及的理论基础知识

3．1 数学形态学

3．1．1 二值形态学

3．1．2 灰度形态学

3．2 K-均值聚类算法

3．2．1 聚类分析与聚类算法

3．2．2 聚类算法相似度量

3．2．3 K-均值理论

3．3 BP神经网络

3．3．1 BP神经网络的原理及方法

3．3．2 BP神经网络结构及其算法

3．4 本章小结

4 基于形态学的单板彩色图像缺陷分割研究

4．1 图像分割的基本方法

4．2 颜色空间

4．2．1 颜色空间的选择

4．2．2 RGB模型与HSI模型之间的转换

4．3 彩色图像边缘检测的一般方法

4．4 基于形态学HSI分量算法的单板缺陷检测

4．4．1 形态学滤波处理

4．4．2 HSI三分量独立处理

4．4．3 处理结果与分析

4．5 基于K-均值聚类算法的单板HSI彩色空间图像缺陷检测

4．5．1 算法的具体步骤

4．5．2 实验结果及分析

4．6 本章小结

5 单板缺陷图像分类系统设计

5．1 单板缺陷图像特征选取

5．2 基于BP神经网络的单板缺陷识别

5．2．1 BP神经网络的设计

5．2．2 BP神经网络训练及仿真

5．3 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