木材缺陷識(shí)別是木材領(lǐng)域重點(diǎn)的研究方向之一,缺陷的識(shí)別提高了木材的加工效率,節(jié)省木質(zhì)資源,在板材加工生產(chǎn)中具有廣闊的應(yīng)用前景。木材節(jié)子作為板材中常見(jiàn)的缺陷之一,影響著板材的質(zhì)量與美觀,本文主要利用數(shù)字圖像處理技術(shù)中的增強(qiáng)和識(shí)別技術(shù)對(duì)死節(jié)和活節(jié)進(jìn)行分類研究。1.介紹了自適應(yīng)直方圖均衡化和方向自適應(yīng)插值算法兩種方法,利用這兩種方法對(duì)木材節(jié)子圖像進(jìn)行增強(qiáng)處理。2.數(shù)字圖像處理是一種應(yīng)用廣泛,且實(shí)用性很強(qiáng)的圖像處理技術(shù)。本文提出了基于分位數(shù)算法的木材節(jié)子增強(qiáng)方法,將離散余弦變換、分位數(shù)算法和直方圖均衡化組建成一種新的增強(qiáng)算法,該方法主要將木材節(jié)子圖像的像素值具體細(xì)分,由離散余弦變換分離出低頻分量,圖像經(jīng)過(guò)分位數(shù)算法劃分為各等級(jí)子直方圖,最后做直方圖均衡化處理,輸出增強(qiáng)后木材節(jié)子圖像。3.將本文方法與自適應(yīng)直方圖均衡化和方向自適應(yīng)插值算法進(jìn)行比較分析,利用峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）、結(jié)構(gòu)相似性指數(shù)測(cè)量（Structure Similarity Index Measurement,SSIM）和特征相似性指數(shù)測(cè)量（Feature Similarity ... 

【文章來(lái)源】：內(nèi)蒙古農(nóng)業(yè)大學(xué)內(nèi)蒙古自治區(qū)

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１木材節(jié)子原圖像??Ｆｉｇ．?１?Ｏｒｉｇｉｎａｌ?ｉｍａｇｅ?ｏｆ?ｗｏｏｄ?ｋｎｏｔ??ａ，ｂ原死節(jié)彩色圖像ｃ，ｄ原活節(jié)彩色圖像ｅ，ｆ原死節(jié)灰度圖像ｇ，ｈ原死節(jié)灰度圖像??

｜｜?ｉ?ｎ?ＪＨＩｉ??ｊｒ＜ｊｊ??Ｉ?ｉｉｉｉｉｉ?－?，Ｊ｜?ｉ??？Ｊ）?ｊｉｊｌｊｈ?ｈ??ａ?ｂ??．?＾?｜－—一ｊ??ｉ?ｉ?以??－?ｉＪｈ?ｊ；ｉ?？?，?Ｉ??Ｉ?１１：?｜?扣丨?ｉｆ；??＂ｉ?Ｊ?Ｉ??－?Ｍｋｉ?？?？??丨…丨丨丨：’ｌ；?Ｉ’ｄ?Ｈｉ?？?，：；�。海荩�??Ｉ??５０?ＶＪＯ?ｔ＇ｉ＇?＿？?Ｊ？心?？?５０?Ｖ＞ｔｆ?Ｌ＇ｉｖ＊?Ｉ＇Ｏ??ｃ?ｄ??圖２木材節(jié)子原灰度圖像直方圖??Ｆｉｇ．２?Ｈｉｓｔｏｇｒａｍ?ｏｆ?ｏｒｉｇｉｎａｌ?ｇｒａｙｓｃａｌｅ?ｉｍａｇｅ?ｏｆ?ｗｏｏｄ?ｋｎｏｔ??ａ＾ｂ原死節(jié)圖像直方圖ｃ，ｄ原活節(jié)圖像直方圖??２．２自適應(yīng)直方圖均衡化??２．２．１理論??自適應(yīng)直方圖均衡化Ｋ９＿３°］（Ａｄａｐｔｉｖｅ?ｈｉｓｔｏｇｒａｍ?ｅｑｕａｌｉｚａｔｉｏｎ，ＡＨＥ）用來(lái)提升圖像的??對(duì)比度的一種計(jì)算機(jī)數(shù)字圖像處理技術(shù)，和普通的直方圖均衡算法不同。ＡＨＥ算法??通過(guò)計(jì)算圖像的局部直方圖，然后重新分布亮度來(lái)改變圖像對(duì)比度［？。因此，該算??法更適合于改進(jìn)圖像的局部對(duì)比度以及獲得更多的圖像細(xì)節(jié)信息。??采用局部法對(duì)圖像進(jìn)行處理，根據(jù)圖像像素的局部統(tǒng)計(jì)特征來(lái)決定處理方法。??每個(gè)像素的灰度值都通過(guò)一個(gè)均衡化變換函數(shù)得到，而該變換函數(shù)是由像素中心的??一個(gè)局部子圖像的直方圖得到，稱其為局部對(duì)比度增強(qiáng)算法。具體算法如公式（１）??和（２）：??ｘ＇ｉｊ?＝?ｍｉｊ?＋?ｋ｛ｘｉ，ｊ－ｍｉ，ｊ）?（１）??

圖３?Ｋ值變換７Ｆ意圖??Ｆｉｇ．３?Ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｖａｌｕｅ?ｃｈａｎｇｅ??

【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合殘差編解碼網(wǎng)絡(luò)和邊緣增強(qiáng)的遙感圖像去噪[J]. 吳從中,陳曦,詹曙.  遙感學(xué)報(bào). 2020(01)
[2]基于深度學(xué)習(xí)的樹(shù)種圖像自動(dòng)識(shí)別[J]. 劉嘉政,王雪峰,王甜.  南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[3]基于深度學(xué)習(xí)的木材表面缺陷圖像檢測(cè)[J]. 陳獻(xiàn)明,王阿川,王春艷.  液晶與顯示. 2019(09)
[4]基于邊緣特征和像素結(jié)構(gòu)相似度的圖像修復(fù)算法[J]. 陶兆勝,張敬寒,王磊,占偉豪,王麗華.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2019(10)
[5]峰值信噪比標(biāo)準(zhǔn)下軌道圖像預(yù)處理方法研究[J]. 張?chǎng)┌?趙華北,胡愛(ài)云,彭翠云.  湖南文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(03)
[6]基于局部二值差異激勵(lì)模式的木材缺陷分類[J]. 李紹麗,苑瑋琦,楊俊友,李德健.  儀器儀表學(xué)報(bào). 2019(06)
[7]基于改進(jìn)的直方圖均衡化與邊緣保持平滑濾波的紅外圖像增強(qiáng)算法[J]. 李賢陽(yáng),陽(yáng)建中,楊竣輝,陸安山.  計(jì)算機(jī)應(yīng)用與軟件. 2019(03)
[8]基于離散余弦變換和深度網(wǎng)絡(luò)的地貌圖像分類[J]. 劉芳,路麗霞,黃光偉,王洪娟,王鑫.  光學(xué)學(xué)報(bào). 2018(06)
[9]木材節(jié)子缺陷檢測(cè)與定位方法[J]. 王澤潤(rùn),方益明,馮海林,杜曉晨,夏凱.  激光與光電子學(xué)進(jìn)展. 2018(05)
[10]直方圖均衡化圖像增強(qiáng)的改進(jìn)算法[J]. 王世剛,游敏娟,宋莉.  中國(guó)醫(yī)療器械雜志. 2017(03)

博士論文
[1]基于深度學(xué)習(xí)的人臉圖像識(shí)別技術(shù)的研究[D]. 劉小灃.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所) 2019
[2]基于色彩信息的圖像增強(qiáng)研究[D]. 陳杰.南京郵電大學(xué) 2017
[3]基于紋理的木材圖像識(shí)別方法研究[D]. 汪杭軍.中國(guó)科學(xué)技術(shù)大學(xué) 2013

碩士論文
[1]基于SVM和RPCA的目標(biāo)檢測(cè)算法若干研究[D]. 焦佳麗.南京郵電大學(xué) 2019
[2]基于SVM和Adaboost的多分類算法研究[D]. 張松.山東師范大學(xué) 2019
[3]基于改進(jìn)暗通道算法的夜霧圖像增強(qiáng)技術(shù)研究[D]. 盧忱言.河南大學(xué) 2019
[4]不同光照條件下的圖像增強(qiáng)算法研究[D]. 王亞敏.安徽大學(xué) 2019
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法研究與應(yīng)用[D]. 朱艷芳.天津理工大學(xué) 2019
[6]基于機(jī)器視覺(jué)的木材缺陷無(wú)損檢測(cè)研究[D]. 張瑞峰.浙江農(nóng)林大學(xué) 2019
[7]基于離散余弦變換和K均值的非局部最大似然磁共振圖像去噪算法研究[D]. 劉茂山.安徽工業(yè)大學(xué) 2018
[8]基于卷積神經(jīng)網(wǎng)絡(luò)的動(dòng)物識(shí)別算法研究[D]. 袁東芝.華南理工大學(xué) 2018
[9]基于直方圖均衡的夜間圖像增強(qiáng)算法研究[D]. 趙麗.蘭州大學(xué) 2018
[10]基于深度卷積生成對(duì)抗網(wǎng)絡(luò)的圖像修復(fù)研究與應(yīng)用[D]. 王鑫磊.重慶大學(xué) 2018



本文編號(hào)：3303423