專利申請(qǐng)?zhí)?/span>:  

CN201510349332.5

專利類型:

發(fā)明

IPC 分類號(hào):   

G01N21/88

應(yīng)用領(lǐng)域:  

圖像處理領(lǐng)域。

現(xiàn)有技術(shù)缺點(diǎn):  

閾值不準(zhǔn)確、閾值不能隨著圖像浮動(dòng)的變化、最優(yōu)閾值化迭代過長(zhǎng)、算法復(fù)雜等問題。

技術(shù)優(yōu)勢(shì):

通過簡(jiǎn)化的均值聚類算法，提高了算法的精度，降低了算法在迭代過程中的時(shí)間成本；基于統(tǒng)計(jì)學(xué)和正態(tài)分布模型，在梯度圖像中提取邊緣，顯著增加了算法的精度和處理效果；本發(fā)明能快速準(zhǔn)確檢測(cè)出木材的缺陷，提高檢測(cè)應(yīng)用范圍和生產(chǎn)木材的質(zhì)量。

摘要:   

本發(fā)明是一種基于梯度多閾值優(yōu)化缺陷檢測(cè)的方法，首先，通過簡(jiǎn)化的均值聚類算法求出最優(yōu)化閾值；其次，通過正態(tài)分布模型統(tǒng)計(jì)每幅樣本梯度圖像中的 100 個(gè)模塊，計(jì)算獲取動(dòng)態(tài)的閾值；再次， 通過對(duì)樣本圖像進(jìn)行分塊處理，基于統(tǒng)計(jì)學(xué)方法，提取模塊中像素最大值和像素差最大值；最后，在模塊化的基礎(chǔ)上，通過多閾值進(jìn)行判斷，獲取輸出的模塊并組合成完整的圖像，對(duì)其進(jìn)行中值濾波得到缺陷檢測(cè)結(jié)果圖像。本發(fā)明通過簡(jiǎn)化的均值聚類算法，提高了算法的精度，降低了算法在迭代過程中的時(shí)間成本；基于統(tǒng)計(jì)學(xué)和正態(tài)分布模型，在梯度圖像中提取邊緣，顯著增加了算法的精度和處理效果；本發(fā)明能快速準(zhǔn)確檢測(cè)出木材的缺陷，提高檢測(cè)應(yīng)用范圍和生產(chǎn)木材的質(zhì)量。

（以上資訊來源于網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系管理員刪除。）