|
|
|
|
【英文篇名】 |
Wood surface defect image segmentation based on Graph Cut algorithm |
|
【下载频次】 |
★★★★★ |
|
【作者】 |
白雪冰;
李润佳;
许景涛;
宋恩来; |
|
【英文作者】 |
BAI Xuebing;
LI Runjia;
XU Jingtao;
SONG Enlai;
College of Machinery Electricity;
Northeast Forestry University; |
|
【作者单位】 |
东北林业大学机电工程学院; |
|
【文献出处】 |
林业工程学报
, Journal of Forestry Engineering, 编辑部邮箱
2018年 02期
期刊荣誉：中文核心期刊要目总览 ASPT来源刊 CJFD收录刊 |
|
【中文关键词】 |
木材表面缺陷;
图像分割;
Graph Cuts算法;
Grab Cut算法; |
|
【英文关键词】 |
wood surface defects;
image segmentation;
Graph Cuts algorithm;
Grab Cut algorithm; |
|
【摘要】 |
木材表面缺陷分割的研究能够有效提高木材的利用率,节约现有木材资源,缓解森林资源短缺的压力。为了更好地对板材表面的节子和虫眼进行快速有效地分割,论述了基于图割算法的图像分割方法(Graph Cuts)及其改进方法(Grab Cuts)的原理。针对传统Graph Cuts算法只能针对灰度图像进行分割、运行时参数的选择比较复杂,并且存在该算法效率和精度较低的缺陷,采用这两种方法分别对3种木材表面缺陷活节、虫眼和死节图像进行分割实验。为了验证Grab Cuts方法的适用性,用含有多个缺陷目标的木质板材图像做了图像分割验证。结果表明:缺陷图像的目标和背景的种子点选取直接影响Graph Cuts算法的分割结果,Graph Cuts算法的计算效率较低,分割时间较长,对相邻像素间的区分度较差,分割结果不理想。改进后的Grab Cut算法是迭代的Graph Cuts,该方法虽然在图像分割前也需要人工画定初始化矩形框,但操作相对简单,分割结果能够得到完整的闭合缺陷区域边界,且不受木材表面缺陷的类型、数量、尺寸和缺陷形状的影响,分割效果好,分割速度快,抗噪性强,对灰度图像和彩色图像都可使用。 |
|
【英文摘要】 |
Since wood surface defect can seriously affect its performance,quality and use value,the segmentation and detection of wood surface defects play important roles in lumber grading evaluation and quality control. Slipknot,wormhole and encased knot of wood surface defect images are selected as the object of this study. In this paper,we investigated the single object,the wood surface defect of multiple-target gray image and color image segmentation. By analyzing the data,we knowthat wood surface defect image se... |
|
【基金】 |
黑龙江省自然科学基金项目(C201208) |
|
【更新日期】 |
2018-04-23 |
|
【分类号】 |
S781.5;TP391.41 |
|
【正文快照】 |
目前,一些发达国家普遍采用光电检测、视觉、激光检测等技术进行表面缺陷的检测[1]。1989年Greig等在二值图像复原中运引入图割理论,利用组合优化理论的最大流/最小割算法以最小化能量函数[2]。2001年Boykov等将该理论应用于灰度图像分割中,总结出了基于图割(Graph Cuts)的交互 |
|
| 【相似文献】 |
 |
中国期刊全文数据库 |
 |
|
|
中国优秀硕士学位论文全文数据库 |
|
|
|
中国博士学位论文全文数据库 |
|
|
|
中国重要会议论文全文数据库 |
|
|
|
中国重要报纸全文数据库 |
|
|
|
中国学术期刊网络出版总库 |
|
|
|
|
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
|
|
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献，从上层导航可以浏览更多相关领域的文献。
|
|
|
| 
推荐 
