針對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)弱邊緣丟失問題,提出一種基于改進(jìn)Canny算子的原棉雜質(zhì)檢測方法,該方法采用自適應(yīng)平滑濾波代替高斯濾波對原棉圖像進(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,并在每次迭代過程中自適應(yīng)地調(diào)整各像素的加權(quán)系數(shù),同時,采用的最大類間方差法能夠自適應(yīng)地確定高低閾值,實現(xiàn)了濾波模板參數(shù)與高低閾值的自動優(yōu)化,避免了弱邊緣的丟失。仿真實驗結(jié)果表明:該方法檢測到的原棉雜質(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,在對4種原棉常見雜質(zhì)的識別上,該方法與國標(biāo)方法檢測結(jié)果平均相符率達(dá)到92.7%,能夠有效用于原棉雜質(zhì)的自動化檢測。 

【文章來源】：毛紡科技. 2020年02期 第73-77頁 北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

本文雜質(zhì)檢測方法流程

檢測結(jié)果

為了更加有效地驗證原棉雜質(zhì)檢測性能,針對同一原棉雜質(zhì)圖像(圖3(a)),實驗分別選取Canny方法、Sobel方法與本文方法從檢測結(jié)果圖像進(jìn)行對比分析,3種方法的測試結(jié)果如圖3所示。從圖3(b)可以看出,Sobel方法在檢測時,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,出現(xiàn)了虛假像素點。從圖3(c)看可以看出,Canny方法對原棉雜質(zhì)的刻畫較簡潔,濾除了相關(guān)噪聲,背景噪聲小,有利于對雜質(zhì)的分析與深度識別,對有些原棉雜質(zhì)存在“漏檢”的情況。而對于圖3(d),本文方法檢測結(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與“漏檢”,對雜質(zhì)邊緣的描述完整,具有較好的檢測效果。

【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(自然科學(xué)版). 2018(06)
[2]淺談如何提高棉花雜質(zhì)檢驗的準(zhǔn)確性[J]. 孫景勵.  中國纖檢. 2018(07)
[3]一種自適應(yīng)的Canny邊緣檢測算法[J]. 宋人杰,劉超,王保軍.  南京郵電大學(xué)學(xué)報(自然科學(xué)版). 2018(03)
[4]圖像邊緣檢測效果的邊緣連續(xù)性評價算法[J]. 王洪申,張翔宇,豆永坤,汪雨蓉.  計算機(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. 2016(07)
[6]計算機(jī)視覺及模式識別技術(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：2906766