摘要 | 第3-4页 |
Abstract | 第4-5页 |
1 绪论 | 第9-20页 |
1.1 课题研究的目的及意义 | 第9-11页 |
1.2 木材表面缺陷检测技术发展现状与趋势 | 第11-15页 |
1.2.1 木材表面缺陷检测技术发展现状 | 第11-12页 |
1.2.2 木材表面缺陷的常用检测方法 | 第12-14页 |
1.2.3 计算机视觉国内外研究现状及在木材缺陷检测中的研究 | 第14-15页 |
1.3 研究方案及技术路线 | 第15-18页 |
1.4 研究的关键问题 | 第18页 |
1.5 课题来源 | 第18页 |
1.6 本章小结 | 第18-20页 |
2 木材表面缺陷的图像分割平台 | 第20-27页 |
2.1 木材表面缺陷图像分割平台硬件构成 | 第20-21页 |
2.2 软件编程语言Visual Studio 2013 | 第21-22页 |
2.3 实验样本库 | 第22-25页 |
2.4 木材表面缺陷图像特点 | 第25-26页 |
2.5 木材表面缺陷对木材质量的影响 | 第26页 |
2.6 本章小结 | 第26-27页 |
3 传统与改进的木材表面缺陷图像预处理 | 第27-46页 |
3.1 图像灰度化处理 | 第27-28页 |
3.2 直方图分析 | 第28-33页 |
3.2.1 直方图概念 | 第28-29页 |
3.2.2 缺陷图像灰度直方图分析统计 | 第29-31页 |
3.2.3 缺陷木材判定 | 第31-33页 |
3.3 木材缺陷图像灰度变换 | 第33-37页 |
3.3.1 线性灰度变换 | 第34-35页 |
3.3.2 分段线性变换 | 第35-36页 |
3.3.3 灰度线性变换实验效果对比 | 第36-37页 |
3.4 图像平滑 | 第37-40页 |
3.4.1 邻域平均法 | 第37-38页 |
3.4.2 中值滤波法 | 第38-40页 |
3.5 图像锐化处理 | 第40-44页 |
3.5.1 基于二阶微分的图像增强——拉普拉斯算子 | 第41-42页 |
3.5.2 基于一阶微分的图像增强——Sobel算子梯度法 | 第42-44页 |
3.6 实验结果与分析 | 第44-45页 |
3.7 本章小结 | 第45-46页 |
4 传统的木材表面缺陷图像分割方法 | 第46-55页 |
4.1 基于阈值的图像分割 | 第46-49页 |
4.1.1 阈值分割原理 | 第46-47页 |
4.1.2 基本的全局阈值处理 | 第47-48页 |
4.1.3 基于Otsu的最佳全局阈值处理 | 第48页 |
4.1.4 Otsu算法原理 | 第48-49页 |
4.2 基于区域的图像分割 | 第49-51页 |
4.2.1 区域生长的原理 | 第50-51页 |
4.2.2 种子点选取和生长准则 | 第51页 |
4.3 实验结果与分析 | 第51-53页 |
4.4 本章小结 | 第53-55页 |
5 遗传算法图像分割 | 第55-75页 |
5.1 遗传算法概述 | 第55-56页 |
5.2 遗传算法原理 | 第56-57页 |
5.3 遗传算法流程 | 第57-61页 |
5.3.1 染色体编码 | 第57-58页 |
5.3.2 群体的初始化 | 第58-59页 |
5.3.3 适应值评价 | 第59页 |
5.3.4 选择算子 | 第59-60页 |
5.3.5 交配算子 | 第60页 |
5.3.6 变异算子 | 第60-61页 |
5.3.7 终止条件 | 第61页 |
5.4 基于遗传算法最大类间方差的图像分割方法 | 第61-67页 |
5.4.1 最大类间方差分割算法 | 第61-63页 |
5.4.2 基于遗传算法的最大类间方差算法流程 | 第63-64页 |
5.4.3 实验效果分析 | 第64-67页 |
5.5 数学形态学后处理及边缘检测 | 第67-72页 |
5.5.1 数学形态学的基本理论 | 第67-68页 |
5.5.2 二值数学形态学的基本运算 | 第68-69页 |
5.5.3 形态学图像分割后处理 | 第69-71页 |
5.5.4 Canny算子边缘检测 | 第71-72页 |
5.6 实验结果分析 | 第72-74页 |
5.7 本章小结 | 第74-75页 |
6 总结与展望 | 第75-77页 |
6.1 全文总结 | 第75页 |
6.2 展望 | 第75-77页 |
致谢 | 第77-78页 |
参考文献 | 第78-82页 |
附录A 攻读硕士学位期间发表的学术论文 | 第82-83页 |
附录B 木材表面缺陷图像分割系统部分程序代码 | 第83-93页 |