應(yīng)用自適應(yīng)濾波與閾值迭代的原棉雜質(zhì)視覺(jué)檢測(cè)方法
發(fā)布時(shí)間:2020-12-09 10:59
針對(duì)Canny算子濾波模板參數(shù)與高低閾值人為設(shè)定而導(dǎo)致的雜質(zhì)弱邊緣丟失問(wèn)題,提出一種基于改進(jìn)Canny算子的原棉雜質(zhì)檢測(cè)方法,該方法采用自適應(yīng)平滑濾波代替高斯濾波對(duì)原棉圖像進(jìn)行平滑,以小尺寸平均加權(quán)濾波模板與原圖像迭代卷積,并在每次迭代過(guò)程中自適應(yīng)地調(diào)整各像素的加權(quán)系數(shù),同時(shí),采用的最大類間方差法能夠自適應(yīng)地確定高低閾值,實(shí)現(xiàn)了濾波模板參數(shù)與高低閾值的自動(dòng)優(yōu)化,避免了弱邊緣的丟失。仿真實(shí)驗(yàn)結(jié)果表明:該方法檢測(cè)到的原棉雜質(zhì)邊緣完整、流暢,減少了偽邊緣的出現(xiàn),8連通域數(shù)與邊緣點(diǎn)總數(shù)比值比Canny方法平均降低16.8%,8連通域數(shù)與4連通域數(shù)比值比Canny方法平均降低18.8%;同時(shí),在對(duì)4種原棉常見(jiàn)雜質(zhì)的識(shí)別上,該方法與國(guó)標(biāo)方法檢測(cè)結(jié)果平均相符率達(dá)到92.7%,能夠有效用于原棉雜質(zhì)的自動(dòng)化檢測(cè)。
【文章來(lái)源】:毛紡科技. 2020年02期 第73-77頁(yè) 北大核心
【文章頁(yè)數(shù)】:5 頁(yè)
【部分圖文】:
本文雜質(zhì)檢測(cè)方法流程
檢測(cè)結(jié)果
為了更加有效地驗(yàn)證原棉雜質(zhì)檢測(cè)性能,針對(duì)同一原棉雜質(zhì)圖像(圖3(a)),實(shí)驗(yàn)分別選取Canny方法、Sobel方法與本文方法從檢測(cè)結(jié)果圖像進(jìn)行對(duì)比分析,3種方法的測(cè)試結(jié)果如圖3所示。從圖3(b)可以看出,Sobel方法在檢測(cè)時(shí),邊緣刻畫的比較深刻,但雜質(zhì)與原棉圖像背景的分離效果不明顯,圖像分割后的結(jié)果背景噪聲大,同時(shí),出現(xiàn)了虛假像素點(diǎn)。從圖3(c)看可以看出,Canny方法對(duì)原棉雜質(zhì)的刻畫較簡(jiǎn)潔,濾除了相關(guān)噪聲,背景噪聲小,有利于對(duì)雜質(zhì)的分析與深度識(shí)別,對(duì)有些原棉雜質(zhì)存在“漏檢”的情況。而對(duì)于圖3(d),本文方法檢測(cè)結(jié)果背景噪聲小,雜質(zhì)與原棉背景的分離效果好,并且一定程度上避免了虛假像素點(diǎn)與“漏檢”,對(duì)雜質(zhì)邊緣的描述完整,具有較好的檢測(cè)效果。
【參考文獻(xiàn)】:
期刊論文
[1]融合數(shù)學(xué)形態(tài)學(xué)濾波技術(shù)的邊緣檢測(cè)算法[J]. 李東興,高倩倩,張起,蔡亞南,吳秀東. 山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[2]淺談如何提高棉花雜質(zhì)檢驗(yàn)的準(zhǔn)確性[J]. 孫景勵(lì). 中國(guó)纖檢. 2018(07)
[3]一種自適應(yīng)的Canny邊緣檢測(cè)算法[J]. 宋人杰,劉超,王保軍. 南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[4]圖像邊緣檢測(cè)效果的邊緣連續(xù)性評(píng)價(jià)算法[J]. 王洪申,張翔宇,豆永坤,汪雨蓉. 計(jì)算機(jī)工程與應(yīng)用. 2018(16)
[5]基于顏色和形狀特征的機(jī)采棉雜質(zhì)識(shí)別方法[J]. 張成梁,李蕾,董全成,葛榮雨. 農(nóng)業(yè)機(jī)械學(xué)報(bào). 2016(07)
[6]計(jì)算機(jī)視覺(jué)及模式識(shí)別技術(shù)在農(nóng)業(yè)生產(chǎn)領(lǐng)域的應(yīng)用[J]. 陳桂珍,龔聲蓉. 江蘇農(nóng)業(yè)科學(xué). 2015(08)
[7]基于Canny算子的圖像邊緣檢測(cè)算法[J]. 石桂名,魏慶濤,孟繁盛. 現(xiàn)代電子技術(shù). 2015(12)
[8]基于邊緣檢測(cè)的棉花雜質(zhì)圖像分割方法比較與分析[J]. 劉軍民,夏彬,桑小田,秦建鋒. 中國(guó)棉花. 2014(12)
[9]基于圖像處理的機(jī)采棉雜質(zhì)提取算法[J]. 田昊,王維新,畢新勝,馬本學(xué),王玉剛. 江蘇農(nóng)業(yè)科學(xué). 2014(01)
本文編號(hào):2906766
【文章來(lái)源】:毛紡科技. 2020年02期 第73-77頁(yè) 北大核心
【文章頁(yè)數(shù)】:5 頁(yè)
【部分圖文】:
本文雜質(zhì)檢測(cè)方法流程
檢測(cè)結(jié)果
為了更加有效地驗(yàn)證原棉雜質(zhì)檢測(cè)性能,針對(duì)同一原棉雜質(zhì)圖像(圖3(a)),實(shí)驗(yàn)分別選取Canny方法、Sobel方法與本文方法從檢測(cè)結(jié)果圖像進(jìn)行對(duì)比分析,3種方法的測(cè)試結(jié)果如圖3所示。從圖3(b)可以看出,Sobel方法在檢測(cè)時(shí),邊緣刻畫的比較深刻,但雜質(zhì)與原棉圖像背景的分離效果不明顯,圖像分割后的結(jié)果背景噪聲大,同時(shí),出現(xiàn)了虛假像素點(diǎn)。從圖3(c)看可以看出,Canny方法對(duì)原棉雜質(zhì)的刻畫較簡(jiǎn)潔,濾除了相關(guān)噪聲,背景噪聲小,有利于對(duì)雜質(zhì)的分析與深度識(shí)別,對(duì)有些原棉雜質(zhì)存在“漏檢”的情況。而對(duì)于圖3(d),本文方法檢測(cè)結(jié)果背景噪聲小,雜質(zhì)與原棉背景的分離效果好,并且一定程度上避免了虛假像素點(diǎn)與“漏檢”,對(duì)雜質(zhì)邊緣的描述完整,具有較好的檢測(cè)效果。
【參考文獻(xiàn)】:
期刊論文
[1]融合數(shù)學(xué)形態(tài)學(xué)濾波技術(shù)的邊緣檢測(cè)算法[J]. 李東興,高倩倩,張起,蔡亞南,吳秀東. 山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(06)
[2]淺談如何提高棉花雜質(zhì)檢驗(yàn)的準(zhǔn)確性[J]. 孫景勵(lì). 中國(guó)纖檢. 2018(07)
[3]一種自適應(yīng)的Canny邊緣檢測(cè)算法[J]. 宋人杰,劉超,王保軍. 南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[4]圖像邊緣檢測(cè)效果的邊緣連續(xù)性評(píng)價(jià)算法[J]. 王洪申,張翔宇,豆永坤,汪雨蓉. 計(jì)算機(jī)工程與應(yīng)用. 2018(16)
[5]基于顏色和形狀特征的機(jī)采棉雜質(zhì)識(shí)別方法[J]. 張成梁,李蕾,董全成,葛榮雨. 農(nóng)業(yè)機(jī)械學(xué)報(bào). 2016(07)
[6]計(jì)算機(jī)視覺(jué)及模式識(shí)別技術(shù)在農(nóng)業(yè)生產(chǎn)領(lǐng)域的應(yīng)用[J]. 陳桂珍,龔聲蓉. 江蘇農(nóng)業(yè)科學(xué). 2015(08)
[7]基于Canny算子的圖像邊緣檢測(cè)算法[J]. 石桂名,魏慶濤,孟繁盛. 現(xiàn)代電子技術(shù). 2015(12)
[8]基于邊緣檢測(cè)的棉花雜質(zhì)圖像分割方法比較與分析[J]. 劉軍民,夏彬,桑小田,秦建鋒. 中國(guó)棉花. 2014(12)
[9]基于圖像處理的機(jī)采棉雜質(zhì)提取算法[J]. 田昊,王維新,畢新勝,馬本學(xué),王玉剛. 江蘇農(nóng)業(yè)科學(xué). 2014(01)
本文編號(hào):2906766
本文鏈接:http://sikaile.net/kejilunwen/dianzigongchenglunwen/2906766.html
最近更新
教材專著