freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

木材表面缺陷圖像識(shí)別的算法的分析研究畢業(yè)論文-在線瀏覽

2025-08-06 22:37本頁(yè)面
  

【正文】 絡(luò)方法和模式識(shí)別方法相結(jié)合,對(duì)木材缺陷的類(lèi)型進(jìn)行有效識(shí)別,以取代人工檢測(cè)。近年來(lái),對(duì)木材表面缺陷檢測(cè)的研究已有很大進(jìn)展,但直到如今還沒(méi)有達(dá)到實(shí)用化程度。木材缺陷是影響產(chǎn)品質(zhì)量和等級(jí)的主要問(wèn)題[5],因而它對(duì)產(chǎn)品的價(jià)格影響也相當(dāng)?shù)拇蟆M瑫r(shí),人工檢測(cè)的低效也極大地限制了集成材和地板塊的大規(guī)模生產(chǎn),特別是在木材缺陷的雙面識(shí)別中,人工識(shí)別嚴(yán)重地限制了生產(chǎn)線的生產(chǎn)節(jié)拍。用圖象處理法檢測(cè)木材缺陷將為智能型板材缺陷識(shí)別機(jī)的開(kāi)發(fā)提供理論指導(dǎo),解決木材缺陷人工識(shí)別判定誤差大、難以實(shí)現(xiàn)雙面識(shí)別的問(wèn)題,給木材工業(yè)帶來(lái)巨大的經(jīng)濟(jì)效益。一般來(lái)說(shuō),木材缺陷檢測(cè)技術(shù)主要包括表面缺陷和內(nèi)部缺陷的檢測(cè)。[4](1)人工檢測(cè)法:國(guó)內(nèi)目前采用最多的木材缺陷檢測(cè)方式就是人工檢測(cè)。即使是同一缺陷,由不同的人來(lái)檢測(cè),檢測(cè)的結(jié)果可能不同,因此它的主觀性、隨意性較大。(2)超聲波檢測(cè)法:超聲波是指頻率高于20000HZ人耳聽(tīng)不到的聲波,超聲波檢測(cè)木材缺陷是利用超聲波在木材中傳播會(huì)發(fā)生衰減的現(xiàn)象,即如果發(fā)現(xiàn)缺陷,則其傳播速度降低,傳播時(shí)間延長(zhǎng)。(3)X射線檢測(cè)法:X射線檢測(cè)原理是當(dāng)射線通過(guò)被檢物體時(shí),有缺陷部位與無(wú)缺陷部位對(duì)射線吸收能力不同,一般情況下是透過(guò)有缺陷部位的射線強(qiáng)度高于(或低于)無(wú)缺陷部位的射線強(qiáng)度,因而可以通過(guò)檢測(cè)透過(guò)被檢測(cè)物體后的射線強(qiáng)度的差異,來(lái)判斷被檢測(cè)木材是否存在缺陷。且因要使用放射性元素,防護(hù)條件要求極高,難以實(shí)現(xiàn)。(5)聲發(fā)射(AE)檢測(cè)法:木質(zhì)材料在受外力或內(nèi)力作用時(shí)會(huì)產(chǎn)生變形或斷裂,并會(huì)以彈性波的形式釋放出應(yīng)變能,利用電子儀器應(yīng)變能能反映的聲發(fā)射信號(hào)并由此判斷木質(zhì)材料內(nèi)部的裂紋、缺陷等材料的內(nèi)部動(dòng)態(tài)信息。它主要用計(jì)算機(jī)來(lái)模擬人的視覺(jué)功能,它從客體的圖像中提取信息,并對(duì)這些信息進(jìn)行處理、再加以理解,對(duì)輸入圖像進(jìn)行分析和理解,是計(jì)算機(jī)技術(shù)與圖像技術(shù)相結(jié)合的產(chǎn)物,它涵蓋了主要的圖像處理和模式識(shí)別理論,并逐漸形成了豐富、完善的理論體系。同時(shí),計(jì)算機(jī)視覺(jué)技術(shù)的進(jìn)步為木材檢測(cè)技術(shù)的發(fā)展提供了新的測(cè)試和分析方法,因此世界各國(guó)相繼開(kāi)展了木材表面缺陷的計(jì)算機(jī)視覺(jué)檢測(cè)與識(shí)別技術(shù)的研究,并已取得了一定的研究和應(yīng)用成果。 國(guó)內(nèi)外研究現(xiàn)狀 隨著電子技術(shù)的飛速發(fā)展,計(jì)算機(jī)視覺(jué)技術(shù)、模式識(shí)別技術(shù)和數(shù)字圖像處理技術(shù)在各個(gè)領(lǐng)域得到了廣泛的應(yīng)用,在木板材表面缺陷識(shí)別領(lǐng)域中,世界各國(guó)也相繼展開(kāi)了此類(lèi)技術(shù)的應(yīng)用研究,其中,美國(guó)、日本、加拿大和德國(guó)等國(guó)家處于領(lǐng)先地位,并取得了可喜的研究成果[2]。美國(guó)Virginia Tech Georgia大學(xué)、美國(guó)國(guó)家林產(chǎn)品研究所(Forest Products Lab)及美國(guó)全美硬模板材協(xié)會(huì)(National Hardwood Lumber Association)等,利用機(jī)器視覺(jué)(Machine Vision)技術(shù)、CT(Computed Tomography)技術(shù),對(duì)原木和鋸材的無(wú)損檢測(cè)和分級(jí)作了大量的研究,研究成果已在許多北美的生產(chǎn)企業(yè)得到了應(yīng)用;芬蘭OULU大學(xué)的Olli Silven等對(duì)鋸材表面缺陷的檢測(cè)方面進(jìn)行了大量的實(shí)驗(yàn)和研究,利用圖像處理方法和神經(jīng)網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)了對(duì)缺陷的檢測(cè);澳大利亞Monash公司研制了計(jì)算機(jī)處理層析X射線攝影掃描系統(tǒng),通過(guò)分析木材內(nèi)部特征的三維圖像,對(duì)木材分等及合理下鋸,提高了木材的分選速度及鋸材效率;瑞典的Lulea技術(shù)學(xué)的Jonas等利用CT技術(shù)對(duì)原木進(jìn)行無(wú)損檢測(cè)以獲取原木內(nèi)部的結(jié)構(gòu)特征和水分的信息,為原木的合理利用提供指導(dǎo),取得了較好的效果;加拿大的木材工業(yè)研究人員在利用計(jì)算機(jī)層析X射線照相掃描技術(shù)檢測(cè)木材內(nèi)部缺陷,可辨別干、濕木材的節(jié)子、腐朽和年輪等。利用CCD、激光、CT、超聲波等多種基于圖像的木材檢測(cè)手段的研究也有較大的進(jìn)展,特別是東北林業(yè)大學(xué)、北京林業(yè)大學(xué)和南京林業(yè)大學(xué)等研究機(jī)構(gòu)的學(xué)者對(duì)木材的檢測(cè)等方面開(kāi)展了許多卓有成效的研究工作。戚大偉對(duì)原木漏節(jié)圖像處理進(jìn)行了研究,提供了一種基于分形理論中分?jǐn)?shù)布朗隨機(jī)場(chǎng)模型和分形參數(shù)H值的X射線原木漏節(jié)圖形處理方法。李學(xué)益等針對(duì)木材X光成像的噪聲模型,采用高斯濾波器、梯度松弛迭代圖像分割算法和中值濾波法處理圖像,可以提取缺陷圖像的詳細(xì)信息,并能檢測(cè)出圖像的邊緣。南京林業(yè)大學(xué)的童雀菊等在基于原木CT圖像的基礎(chǔ)上,對(duì)原木的缺陷識(shí)別開(kāi)展了研究,并對(duì)原木進(jìn)行虛擬切割,為木材的無(wú)損檢測(cè)和加工提供了技術(shù)基礎(chǔ)。它建立在多學(xué)科的高技術(shù)基礎(chǔ)之上,可使成材和人造板等木質(zhì)材料的質(zhì)量控制得到跨越性的提高,并為其生產(chǎn)過(guò)程與工藝及自動(dòng)化提供必備的條件。因此,本課題的研究具有很強(qiáng)的針對(duì)性。  綜上所述,國(guó)內(nèi)外利用物理的、機(jī)械的原理與方法,對(duì)木質(zhì)材料的缺陷檢測(cè)研究已取得了一定成果,同時(shí)也發(fā)現(xiàn)這些方法的檢測(cè)過(guò)程在不同程序上的局限性,受到內(nèi)在的和外在的一些因素的影響。 木材表面缺陷特征及存在形式 木材缺陷種類(lèi)我國(guó)國(guó)家標(biāo)準(zhǔn)對(duì)木材缺陷的定義[8]是,凡呈現(xiàn)在木材上能降低其質(zhì)量,影響其使用的各種缺點(diǎn),均為木材缺陷。各大類(lèi)又分成若干分類(lèi)和細(xì)類(lèi)。如圖11所示,是常見(jiàn)的木材缺陷。節(jié)子是在樹(shù)干或主枝木材中包含的枝條部分。節(jié)子與周?chē)静木o密連生死節(jié)由樹(shù)木的枝條在枯死時(shí)所形成。因各種昆蟲(chóng)為害而造成的木材缺陷,稱(chēng)為木材蟲(chóng)害。根據(jù)蛀蝕程度的不同,蟲(chóng)眼可分為三種:表面蟲(chóng)眼和蟲(chóng)溝、小蟲(chóng)眼和大蟲(chóng)眼。它可在樹(shù)木生長(zhǎng)期間,或伐倒后形成。裂紋的主要類(lèi)別和描述如表13所示:表13 裂紋種類(lèi)類(lèi)型類(lèi)型描述徑裂從髓心沿半徑方向開(kāi)裂的裂紋輪裂沿年輪走向而開(kāi)裂的裂紋凍裂在樹(shù)干外圍較寬,向截面中心逐漸變狹,深度可直達(dá)髓心干裂各種木材在干燥時(shí)所形成的裂紋 木材缺陷對(duì)木材質(zhì)量的影響 節(jié)子對(duì)木材材質(zhì)的影響如前所述,節(jié)子為木材中不可避免的缺陷。節(jié)子對(duì)材質(zhì)的影響,有如下幾方面:(一) 節(jié)子能破壞木材的均勻性;(二) 節(jié)子破壞木材的正常結(jié)構(gòu);(三) 節(jié)子損壞木材外觀的一致性;(四) 含松脂樹(shù)種的節(jié)子有樹(shù)脂滲出;(五) 節(jié)子造成所在材面不均勻磨損。表面蟲(chóng)眼和蟲(chóng)溝蛀蝕深度淺,圓材經(jīng)鋸解、旋切后,可隨邊皮將它一起割去。但深度在10毫米以上的大蟲(chóng)眼和深而密集的小蟲(chóng)眼,能破壞木材的完整性,并降低其力學(xué)性質(zhì);并且蟲(chóng)眼也是引起木材腐朽和變色的重要因素,因此,需根據(jù)木材用途,對(duì)蟲(chóng)眼的個(gè)數(shù)進(jìn)行統(tǒng)計(jì)和限定。立木性的徑裂,在干燥過(guò)程中還會(huì)發(fā)展。裂紋對(duì)木材力學(xué)強(qiáng)度的影響也隨著機(jī)械荷重的性質(zhì)、作用力的方向和裂紋大小等因子而不同。對(duì)于木材表面缺陷的圖像處理、特征提取、識(shí)別和分類(lèi)是本文研究的主要工作,借鑒國(guó)內(nèi)外相關(guān)研究的方法,結(jié)合圖像處理方法和支持向量機(jī)等人工智能的方法和理論對(duì)木材缺陷圖像進(jìn)行識(shí)別和分類(lèi)。實(shí)驗(yàn)現(xiàn)有的圖像預(yù)處理、圖像分割、圖像特征提取以及木材圖像缺陷識(shí)別算法,比較他們的優(yōu)缺點(diǎn)以及適用的各種缺陷范圍。對(duì)節(jié)子、蟲(chóng)害和裂紋三種缺陷圖像進(jìn)行處理并提取特征指標(biāo)進(jìn)行識(shí)別。二、主要?jiǎng)?chuàng)新點(diǎn)在對(duì)比了幾種經(jīng)典的平滑濾波算法基礎(chǔ)上,根據(jù)它們的優(yōu)缺點(diǎn),提出了加權(quán)有向平滑濾波算法。經(jīng)過(guò)試驗(yàn),這兩種算法對(duì)木材缺陷圖像的分割起到了很好的效果。在提取了木材缺陷特征向量之后,對(duì)比了使用BP人工神經(jīng)網(wǎng)絡(luò)和使用向量機(jī)對(duì)木材缺陷的識(shí)別效果;對(duì)比了單獨(dú)基于缺陷顏色特征,單獨(dú)基于缺陷紋理特征,綜合缺陷顏色特征和紋理特征的識(shí)別率;對(duì)比了運(yùn)用三種向量機(jī)核函數(shù)的識(shí)別率,最終得出基于綜合顏色特征和紋理特征的特征向量上運(yùn)用徑向基核函數(shù)的支持向量機(jī)識(shí)別方法對(duì)木材缺陷的識(shí)別效果最好。各章內(nèi)容如下:第一章論述我國(guó)木材加工行業(yè)目前的現(xiàn)狀,闡述了基于機(jī)器視覺(jué)木材缺陷識(shí)別算法研究的目的和意義,以及木材缺陷的特征。第二章對(duì)木材表面缺陷圖像的預(yù)處理算法進(jìn)行了研究和比較。第三章對(duì)預(yù)處理過(guò)的木材表面缺陷圖像的分割算法進(jìn)行了研究和比較。第四章對(duì)處理過(guò)的木材表面缺陷圖像進(jìn)行特征提取,運(yùn)用主成份分析法對(duì)綜合紋理特征和顏色特征得到的24維特征向量進(jìn)行降維,從而為缺陷的準(zhǔn)確分類(lèi)提供了特征信息集。論述了支持向量機(jī)的原理,對(duì)向量機(jī)核函數(shù)進(jìn)行比較分析,探討其優(yōu)缺點(diǎn)。并針對(duì)木材缺陷對(duì)比采用向量機(jī)和采用人工神經(jīng)網(wǎng)絡(luò)作為分類(lèi)器的識(shí)別率,同時(shí)對(duì)基于不同特征向量進(jìn)行了識(shí)別率的比較研究。第二章 木材表面缺陷圖像的增強(qiáng)預(yù)處理所謂數(shù)字圖像處理,就是利用數(shù)字計(jì)算機(jī)或其它高速、大規(guī)模集成數(shù)字硬件,對(duì)從圖像信息轉(zhuǎn)換來(lái)的數(shù)字電信號(hào)進(jìn)行某些數(shù)字運(yùn)算或處理,以期提高圖像的質(zhì)量或達(dá)到人們所要求的某些預(yù)期結(jié)果。在木材表面缺陷成像過(guò)程中,由于各種噪聲,如椒鹽噪聲、高斯噪聲、泊松噪聲等以及現(xiàn)場(chǎng)環(huán)境的干擾,由成像裝置獲得的數(shù)字圖像必須要經(jīng)過(guò)圖象增強(qiáng)處理,即需對(duì)圖像進(jìn)行濾波去噪,同時(shí),也要求能盡量保證不丟失圖像細(xì)節(jié)。因此,對(duì)缺陷圖像進(jìn)行有效處理是后續(xù)缺陷特征提取、缺陷分類(lèi)的基礎(chǔ),它直接影響著整個(gè)系統(tǒng)的檢測(cè)分辨率和識(shí)別精度。 圖像增強(qiáng)概述圖像增強(qiáng)就是對(duì)圖像中感興趣的部分加以處理,突出圖像中這一區(qū)域影像特征,提高目視和判讀效果的技術(shù)過(guò)程。本文在設(shè)計(jì)過(guò)程中對(duì)木材缺陷圖像依次進(jìn)行了如下處理:彩色圖像灰度化、灰度變換、木材缺陷圖片平滑、木材缺陷圖像銳化與木材缺陷圖像圖像分割。圖21 木材缺陷圖像預(yù)處理過(guò)程圖像增強(qiáng)的方法一般分為空間域和變換域兩大類(lèi)。變換域方法在圖像的某個(gè)變換域中對(duì)變換系數(shù)進(jìn)行處理,然后通過(guò)逆變換獲得增強(qiáng)圖像。圖像增強(qiáng)主要方法如圖22所示。彩色圖像中的每個(gè)像素的顏色由R、G、B三個(gè)分量決定,而每個(gè)分量有255個(gè)值可取,這樣一個(gè)像素點(diǎn)可以有1600多萬(wàn)(255*255*255)的顏色的變化范圍。因?yàn)槲覀冏罱K需要提取的是木材缺陷的特征,也就是提取顏色的突變特征,并不關(guān)心缺陷部分具體是什么顏色,所以可以先把彩色(RGB)圖像轉(zhuǎn)換為灰度圖像,這樣可以減少計(jì)算量,降低后續(xù)特征提取的難度。f(i,j)=max(R(i,j),G(i,j),B(i,j)) ()最大值法會(huì)形成亮度很高的灰度圖像。f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 ()平均值法會(huì)形成較柔和的灰度圖像。f(i,j)=(WR R(i,j)+WG G(i,j)+WB B(i,j)) /3 ()其中,WR、WG、WB 分別為R、G、B的權(quán)值。而由于人眼對(duì)綠色的敏感最高,對(duì)藍(lán)色敏感最低,因此,當(dāng)WG WR WB 時(shí)得到的灰度圖像最為合理。通過(guò)實(shí)驗(yàn)和理論推導(dǎo)證明,當(dāng)WR =、WG =、WB =,能得到最為合理的灰度圖像。 (a)原圖 (b)最大值法 (c)平均值法 (d)加權(quán)平均值法圖23 灰度化效果圖 木材缺陷圖像灰度變換灰度變換是一種最簡(jiǎn)單、有效的對(duì)比度增強(qiáng)方法。根據(jù)變換函數(shù)的形式,灰度變換分為線性變換、分段線性變換和非線性變換。采用線性變換,用一個(gè)線性單值函數(shù),對(duì)圖像的每一個(gè)像素灰度作線性擴(kuò)展,將有效地增強(qiáng)圖像的對(duì)比度,改善圖像視覺(jué)效果。分段線性變換可以突出用戶(hù)感興趣的目標(biāo)或灰度區(qū)間,相對(duì)抑制那些不敢興趣的灰度區(qū)間,從而使得特征物體的灰度細(xì)節(jié)得到增強(qiáng)。 圖25 分段線性變換示意圖對(duì)原圖像f(x,y),將其灰度分布區(qū)間[a,b]劃分為圖中的三個(gè)子區(qū)間,對(duì)每個(gè)子區(qū)間采用不同的線性變換,通過(guò)變換參數(shù)的選擇實(shí)現(xiàn)不同灰度區(qū)間的灰度擴(kuò)展或壓縮,因此分段線性變換的使用是非常靈活的。它可以有效地利用有限個(gè)灰度級(jí),達(dá)到最大限度增強(qiáng)圖像中有用信息的目的。 木材缺陷圖像平滑任何一副未經(jīng)處理的原始圖像一般都因受到某種干擾而含有噪聲。噪聲產(chǎn)生的原因決定了噪聲的分布特性以及它和圖像信號(hào)之間的關(guān)系,通常噪聲可以分成加性噪聲、乘性噪聲、量化噪聲等。 圖像平滑的目的就是減少和消除圖像中的噪聲,消除混雜在圖像中的干擾,以改善圖像質(zhì)量,強(qiáng)化圖像表現(xiàn)特征,有利于后續(xù)抽取對(duì)象特征進(jìn)行分析。在空域,圖像平滑使用鄰域運(yùn)算;在頻域,圖像平滑實(shí)際上是低通濾波,讓主要是信號(hào)的低頻部分通過(guò),阻截屬于高頻部分的噪聲信號(hào)。下面就一些平滑算法進(jìn)行簡(jiǎn)單的研究和改進(jìn)。對(duì)于位置(i,j)處的像素,其灰度值為f(i,j),平滑后的灰度值為g(i,j),則g(i,j)由包含(i,j)鄰域的若干個(gè)像素的灰度平均值所決定,即用下式得到平滑的像素灰度值g(i,j)= x,y = 0,1,2,…,M1 ()式中,A表示以(i,j)為中心的鄰域點(diǎn)的集合,M是A中像素點(diǎn)的總數(shù)。平滑效果與所選用的鄰域半徑大小有關(guān)。一般情況下,含噪圖像經(jīng)過(guò)鄰域平均法平滑之后,噪聲功率由原來(lái)的σ2降到M1σ2,同時(shí),其信噪比提高倍。對(duì)于一個(gè)一維序列,取窗口長(zhǎng)度為m,m為奇數(shù)。將這m個(gè)元素按照數(shù)值大小排列,位于正中間的那個(gè)數(shù)值作為濾波輸出。 中值濾波是一種非線性處理技術(shù),能抑制圖像中的噪聲,由于它在實(shí)際運(yùn)算過(guò)程中并不需要圖像的統(tǒng)計(jì)特性,所以使用比較方便。所以,中值濾波對(duì)于去除圖像中的顆粒噪聲有比較好的效果。但是,對(duì)于一些細(xì)節(jié)多,特別是點(diǎn)、線、尖頂細(xì)節(jié)多的圖像不宜采用中值濾波的方法。 加權(quán)有向平滑濾波鄰域平均法和中值濾波法雖然都可以很好的去除圖像中的孤立的噪聲點(diǎn),但是在抑制噪聲的同時(shí),也會(huì)對(duì)圖像的邊緣及細(xì)節(jié)有比較大的損害,使圖像的邊沿及細(xì)節(jié)變模糊。對(duì)于圖像中的任一像素,它只有3種可能的隸屬情況:屬于圖像本身、屬于圖像背景和屬于噪聲。因此,本算法首先根據(jù)所選的1個(gè)無(wú)向模板和8個(gè)有向模板,利用相似者相容的原理,先判斷待處理的像素點(diǎn)屬于3種隸屬情況中的哪一種情況,然后再根據(jù)判斷結(jié)果分別采用不同的策略進(jìn)行濾波處理。55領(lǐng)域 模板0模板1 模板2 模板3 模板4模板5 模板6 模板7 模板8圖27 用于判斷像素的隸屬模板圖27中所示各模板中心小圓圈表示待處理像素,周邊小黑點(diǎn)表示待處理像素的鄰域像素。(1)如果待處理像素的灰度值與各模板內(nèi)除待處理點(diǎn)外所有鄰域像素灰度均值的差值的絕對(duì)值都很大,則待處理像素為孤立噪聲點(diǎn)。對(duì)于孤立噪聲點(diǎn),其灰度值直接用其鄰域內(nèi)的其它所有像素的灰度均值代替,
點(diǎn)擊復(fù)制文檔內(nèi)容
環(huán)評(píng)公示相關(guān)推薦
文庫(kù)吧 www.dybbs8.com
備案圖鄂ICP備17016276號(hào)-1