木材缺陷识别新方法——改进C-V模型与小波变换

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (8): 211-214.

木材缺陷识别新方法——改进C-V模型与小波变换

王阿川，仇逊超

东北林业大学信息与计算机工程学院，哈尔滨 150040

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-03-11 发布日期:2011-03-11

New method of lumber recognition using improved C-V model and wavelet transform

WANG Achuan，QIU Xunchao

Information and Computer Engineering College，Northeast Forestry University，Harbin 150040，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-03-11 Published:2011-03-11

摘要/Abstract

摘要： 分析了木材缺陷、单板节子的特点，提出了一种基于改进的C-V模型、小波变换及背景填充技术的缺陷识别算法。采用symlet5小波，对原图像进行一级二维离散小波变换，分别得到低频分量和高频细节，对低频分量用背景填充技术进行处理得到新的低频图像，分别使用改进的C-V 模型对各子图像识别，利用二维离散小波重构图像，进行Gauss滤波，得到分割结果。

关键词: 木材缺陷, 改进的C-V模型, 小波变换, 多目标分割, 背景填充技术

Abstract: Through analysing the features of lumber defects and the wood veneer，this paper proposes an algorithm of lumber recognition based on improved C-V model，wavelet transform and technique of painting background.The symlet5 wave is used to transform the original image into the primary two-dimension image which can get the high frequency details and the low component.The technique of painting background is used on the low component to make a new image，the improved C-V model is used respectively on the components.It uses the two-dimension wavelet to recover the image and the Gauss filtering on the image which can get the result.

Key words: lumber defects, improved C-V model, wavelet transform, multi-object segmentation, technique of painting background

王阿川，仇逊超. 木材缺陷识别新方法——改进C-V模型与小波变换[J]. 计算机工程与应用, 2011, 47(8): 211-214.

WANG Achuan，QIU Xunchao. New method of lumber recognition using improved C-V model and wavelet transform[J]. Computer Engineering and Applications, 2011, 47(8): 211-214.

[1]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[2]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[3]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[4]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[5]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[6]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[7]	肖文卿1,3，汪鸿浩2，詹长安1. 基于小波系数特征融合的小鼠癫痫脑电分类[J]. 计算机工程与应用, 2019, 55(14): 155-161.
[8]	谢国波，吴震禹. 基于小波变换和重力模型的混沌图像加密算法[J]. 计算机工程与应用, 2019, 55(13): 100-105.
[9]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[10]	张志禹1，李向月1，李向阳2. 同步挤压小波变换对随机噪声抑制的研究[J]. 计算机工程与应用, 2018, 54(5): 57-60.
[11]	陈波1，刘厚泉1，赵志凯2. 时间序列多尺度异常检测方法[J]. 计算机工程与应用, 2018, 54(20): 122-127.
[12]	贾澎涛，贾伟. 煤矿井下视频多目标轨迹跟踪算法研究[J]. 计算机工程与应用, 2018, 54(2): 222-227.
[13]	崔金鸽1，陈炳权1，2，徐庆1. 基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法[J]. 计算机工程与应用, 2018, 54(18): 223-228.
[14]	张艺超，袁贞明，孙晓燕. 基于心冲击信号的睡姿识别[J]. 计算机工程与应用, 2018, 54(17): 135-140.
[15]	黄亚飞，王国富，张法全，叶金才. 基于蜂群算法和带参阈值函数的图像去噪方法[J]. 计算机工程与应用, 2018, 54(17): 164-168.