基于形态学的木材缺陷检测.pdf

《基于形态学的木材缺陷检测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第24卷第5期2011年9月机电产品开发与纠薪Deve]opment＆InnovationofMachinery＆ElectricalPrOdllelgV01．24，No．5Sep．，2011文章编号：1002—6673(2011)05--079--03基于形态学的木材缺陷检测戴天虹．邱筱斐(东北林业大学机电工程学院，黑龙江哈尔滨150040)摘要：介绍了数学形态学灰度形态滤波方法，形态学多结构元素梯度边缘检测算法，给出对木材缺陷图像进行数学形态学运算处理后的图像实例。根据木材内部缺陷的特点，分析了结构元素的选取，提出了一种将数学形态学的灰度形态滤波和形态学双结构元

2、素边缘检测有机结合的方法。对木材缺陷进行边缘检测。实验表明，该方法不仅提高木材内部缺陷检测的可靠，l生，加强了分割图像的可视性和完整性。并提高了缺陷提取的精确度。关键词：木材缺陷；教学形态学；灰度形态滤波；结构元素；边缘检测中图分类号：’rP39文献标识码：Adoi：10．3969／j．issn．1002—6673．2011．05．034WoodDefectDetectionBasedOllMathematicalMorphologDAITim-Hong，QlUXioo-Fei(CollegeofMachineryandElectricityEng．meerillg

3、ofNortheastForestryUniversity，HarbinHeilong#ang150040。China)Abstract：mpaperintroducesthemethodofgray—scalemorphologicalfilteringbasedonmathematicalmorphology．multi—scalemorpho-logicals叽ctIlringdementsdefinedinordertOadapttOdifferentedgeintheirrLa萨，followedwithexamplesofawooddefectimage

4、treated船mathematicalmorphologicaloperation．Accordingtothecharacteristicsofwoodinternaldefects。analyzingtheselectionofsU'ucturede-merits，theauthorpresentsamethodofedg=edetectionwhichcombinedwithdoublestrucmringelementandmorphologyfiltem_19thatbasedonmathematicalmorphology．Theexperiments

5、showthatthemethodnoto嘶improvedthereliabilityofinternaldefectsdetectionofwood，strengthenedthepre—segmentationil：nagevisibilityandintegrity，butalsoimprovedtheprecisionofthedefectextraction．Keywords：wooddefect；mathematicalmorphology；morphologyfiltering；structuringelement；edgedetection0引言随

6、着计算机技术的发展。国内外一些学者应用计算机视觉技术和图像处理技术对板材表面缺陷图像进行处理，试图实现木材缺陷的快速而稳定的检测来代替传统的人工检测，以实现计算机控制下的板材缺陷自动剔f除。但是由于板材表面缺陷在种类、大小、形状和色泽等方面的复杂性与差异性。且受木材纹理的影响。利用各种方法获得的分割图像效果往往都不尽如人意，在分割图像中存在某些纹理基元的边缘颗粒等111。由于木材由许多细小的曲线纹理构成。杂质和噪声收稿日期：2011—06—26基金项目：黑龙江省自然科学基金资助项目(F200920)作者简介：戴天虹(1963一)，男，辽宁海城人。博士，副教授．硕士生

7、导师。研究方向：图像处理、模式识别、计算机控制；邱往斐(1986-)，女，山东人，硕士研究生。研究方向：图像处理、模式识别。主要为细小的点状物．而缺陷则为面积较大的团状物或块状物田。文献【3】中作者基于HSV颜色空间，运用提升小波变换，BP神经网络和K一近邻和支持向量机对木材样本图像进行了分类仿真。作者还采用传统的边缘检测方法如拉普拉斯，sobd，canny等梯度算子和阈值分割相综合的方法对木材缺陷进行检测和分割。发现这些基于邻域计算方法分割出来的缺陷目标对噪声敏感。并且会在检测边缘的同时加强噪声．不能很好地反映出真实的边界信息。因此，作者采用改进的形态学梯度边