基于二维熵之木材表面缺陷图像分割.docVIP

　　基于二维熵之木材表面缺陷图像分割 1绪论 1.1研究的目的及意义 我国是一个林业资源相对匮乏的国家，森林资源不足，森林质量不高，又长期对木材资源过量采伐和毁林开荒，使我国森林生态环境受到了严重破坏。特别是这些年我国经济迅速发展，木材需求越来越大，而木材供需矛盾也在不断增加；根据相关资料显示，我国每年大约有1亿到1.5亿立方米的木材资源需要依靠进口以解决需求问题。木材作为珍贵的森林资源，必须要合理利用并提高利用率，而对木材表面的检测和优选是木材在使用之前的重要工序，将会直接影响到产品质量和生产效率。我国在对木材进行优选的检测和控制技术方面较为落后。大多数加工厂还处于原始的水平，在木材表面缺陷检测过程中，受到光线以及外界环境的干扰比较多。在传统的工序中，一方面，通过人工来检测和分类木材表面缺陷受到各种避免不了主观因素的影响，从而导致检测结果的可靠性差；另一方面，在这一操作中还浪费了人力、时间等许多资源。这些主观影响大和分类精度低等因素都已经成为木材表面缺陷检测与分类过程的一道薄弱的工序。随着现代科技的不断发展，对于生产的要求也在不断的提高，对木材加工与优选等方面的自动化程度更是提出了更高的要求。为此，找到一种有效的方法实现对木材表面缺陷进行快速而准确的识别成为急需解决的问题。在木质产品生产中需要对木材进行识别、分类木材表面等操作。但是，这将会直接影响到木材的等级、强度、使用价值以及经济价值。因此，要加强针对木材表面缺陷进行识别分类的研究。一方面，可以实现产品质量的工程目标，对木材进行高效节约并提高综合利用的水平；另一方面，可以为木材加工企业提供流程工业综合自动化的整体解决方案。 .. 1.2木材缺陷检测的研究现状 到目前为止，国内外木材缺陷检测技术主要包括：人工检测法、超声波检测法、X射线检测法、激光检测法、声发射检测法和计算机视觉检测法[2，3]。相比较，人工检测法的精确度低、检测速度慢，超声波检测法和声发射检测法需要水、油等介质，X射线检测法和激光检测法对光信号敏感度高，检测环境的光强、光均勻性等要求很高，而计算机视觉检测法克服了以上检测方法的不足，结合了各种检测方法的优点，成为了目前国内外应用最为广泛的检测方法。计算机视觉幵始于上世纪60年代初，但在计算机视觉的基本研究中的许多重要进展是在80年代后取得的。它是一种非接触式检测手段，在军事[4]、工业[5]、商业、医学[7]等领域得到广泛关注和应用。计算机视觉是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，对输入的图像进行分析和理解，用电脑处理成为更适合人眼观察或传送给仪器检测的图像[8]。形象的说，就是给计算机安装上眼睛（照相机）和大脑（算法它是一个交叉学科，主要集电子学、光学、图像处理和模式识别等技术于一身，是计算机技术和图像处理技术相结合的产物。目前的视觉检测系统通常采用CCD (Charge Coupled Device)摄像机摄取检测图像，将其转化为数字信号，再釆用先进的计算机硬件与软件技术对图像数字信号进行处理，从而得到所需要的各种目标图像特征值，并在此基础上实现模式识别、坐标计算、灰度分布图等多种功能[9]。视觉检测技术的目的在于：提高检测的安全性和可靠性；加强产品质量监控；提高生产的柔性和自动化程度。 2木材表面缺陷图像的预处理 2.1木材表面缺陷图像预处理的必要性 数字图像处理的工作平台是计算机，它的处理过程简单的说，就是把空间上离散的、在幅度上量化分层的数字图像，经过一些特定数理模式的加工处理，以达到有利于人眼视觉或某种接受系统所需要的图像的过程。通常，图像需要经过几个步骤来处理：图像增强、图像分割、特征提取和模式识别与理解。在木材表面缺陷图像的采集过程中，由于各种噪声,如椒盐噪声、高斯噪声、乘性噪声等以及现场环境的干扰，由图像采集装置获得的数字图像必须要经过图像的预处理，即需对图像进行滤波去噪。同时，由于木材表面缺陷图像的灰度并不是平均分配在【0,255】范围内，而是只集中在一个小的灰度范围内，为了减少数据量，方便计算机的后续处理，突出图像的细节特征，通常将木材表面缺陷图像中我们感兴趣部分的灰度做线性拉伸，而不感兴趣部分的灰度进行压缩。 .. 2.2木材表面缺陷图像的直方图处理 在图像扫描过程中，由于扫描系统或光电转换系统等多方面的原因，常出现图像不均勻、对比度不足等弊病，使人眼在观看图像时视觉效果很差。灰度变换就是在图像采集系统中对图像像素进行修正，使整幅图像成像均匀。灰度变换是根据某种目标条件，按一定变换关系逐点改变原图像中每一个像素点的灰度值的方法。常见的灰度变换就是直接修改灰度的输入、输出映射关系[22]，因此灰度变换函数的形式唯一地确定了点运算的效果。实验结果表明，均位滤波器在去除噪声的同时会使原始图像的