基于阈值分割及分形特征的纸病图像识别算法研究

基于阈值分割及分形特征的纸病图像识别算法研究

ID:12382151

大小:37.50 KB

页数:17页

时间:2018-07-16

 基于阈值分割及分形特征的纸病图像识别算法研究_第1页
 基于阈值分割及分形特征的纸病图像识别算法研究_第2页
 基于阈值分割及分形特征的纸病图像识别算法研究_第3页
 基于阈值分割及分形特征的纸病图像识别算法研究_第4页
 基于阈值分割及分形特征的纸病图像识别算法研究_第5页
资源描述:

《 基于阈值分割及分形特征的纸病图像识别算法研究》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究基于阈值分割及

2、分形特征的纸病图像识别算法研究基于阈值分割及分形特征的纸病图像识别算法研究中国造纸TransactionsofChinaPulpandPaper41基于阈值分割及分形特征的纸病图像识别算法研究殷燕屏熊智新胡慕伊(南京林业大学江苏省制浆造纸科学与技术重点实验室,江苏南京,210037)摘要:针对脏点,孔洞,褶子和裂口等常见的典型纸病识别问题,在分析纸病图像灰度特征及分形特征基础上,提出了一种基于图像双阈值分割盒维数特征的纸病识别算法,该算法采用灰度阈值分割提取纸病区域及二值数字图像分形盒维数计算结果,确定纸病类型.实验结果表明,该算法识别

3、率较高,且简单迅速.关键词:灰度特征;阈值分割;分形盒维数;纸病识别中图分类号:TP273文献标识码:A文章编号:1000-6842(2011)04—0041-05纸张生产过程中,由于设备磨损,生产原料或环境污染,操作等原因,会造成一些外观纸病….比较常见的纸病有脏点,孔洞,褶子和裂口,它们的特征主要有形态特征,灰度特征,纹理特征等.可运用面积,长宽比,灰度均值,灰度方差等方法来区分这4类纸病图像,但区分效果相对不明显或过程比较复杂.主要原因在于孔洞和尘埃的形状特征比较接近,而褶子和裂口在形态特征上也较为相似,特别是长宽比这一特征量比较

4、接近,互相误判的可能性也较大.虽然运用小波奇异性来区分目标纸病和背景纹理的方法J,可以很好地识别出是否存在纸病,但不能区分属于哪一类纸病.在实际生产中,准确判断某一纸病的类型并反溯病源,对于生产质量的监控有重要意义.本研究针对脏点,孑L洞,褶子,裂口这4类典型纸病识别中遇到的一些问题,在研究纸病图像的灰度特征和分形特征基础上,提出了一种基于图像动态双阈值分割及分形盒维数的纸病特征提取与识别算法.根据不同纸病图像的灰度特征采用双阈值分割纸病区域;根据纸病图像的分形盒维数特征,判断纸病图像的形状,在此基础上设计4类纸病识别算法,取得了较好的

5、纸病识别效果.1不同纸病图像的灰度特征分析1.1纸病图像的获取凡不包括在纸张质量技术要求范围内的纸张缺陷均可称为纸病.本研究所涉及的纸病仅为其中的外观纸病,所用的图像是在透光条件下,DVTLegend530智能图像处理器(以CCD为核心)拍摄的低定量涂布原纸上的脏点,孑L洞,褶子和裂口纸病图像,大小为640×480像素,如图1所示.1.2纸病图像的灰度特征纸病图像中目标纸病所占的比例很小,脏点,孑L洞和裂口这3类高对比度的纸病图像中,目标与背景的灰度有较大的差别.通过大量的实验统计表明,脏点处的灰度比背景灰度均值低25%左右,孔洞处的灰

6、度则比背景灰度均值高25%左右,而裂口处的灰度比背景灰度均值高20%左右;像褶子这类灰度范围比较集中,目标的灰度与背景的灰度差别不大,但在褶皱处有较明显的灰度阶跃.由图1可知,脏点和褶子纸病图像的灰度都比较低,统计数据也表明这两类纸病区域几乎没有或很少有高于背景灰度均值20%的像素点;而孔洞和裂口纸病图像目标纸病处的灰度比较高,高于背景灰度均值20%的像素点有很多.基于上面对4类纸病图像灰度特征分析,采用一种基于灰度经验的动态双阈值分割方法3J,提取纸病区域.首先计算纸病图像的灰度均值,再用图像背景灰度均值的1.2倍作为阈值分割,可以将

7、这4类纸病图像分为两类分别进行处理:第一类为孔洞和裂口,第二类为脏点和褶子.然后,结合计算盒维数进行区分.收稿日期:2011—07-09项目来源:江苏省制浆造纸科学与技术重点实验室开放基金项目(编号:201010).作者简介:殷燕屏,女,1985年生;在读硕士研究生;主要研究方向:制浆造纸装备与控制技术,图像处理等.}通信联系人:熊智新,E—mail:leo—xzx@163.corn.42基于闽值分割及分形特征的纸病图像识别算法研究第26卷第4期脏点,孔洞和裂口的动态双阈值分割方法如下:对于孔洞,将高于背景灰度均值25%的像素点设为25

8、5;对于裂口,将高于背景灰度均值20%的像素点设为255;对于脏点,将低于背景灰度均值25%的像素点设为0,其余均设为纸病图像均值(为了便于显示分割效果).脏点,孔洞和裂口通过以上的动态双阈值分割方法初步分

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。