木材缺陷图像处理文献综述
信息是自然界物质运动总体的一个重要方面，人们认识世界和改造世界就是要获得各种各样的信息。图像信息是人类获得外界信息的主要来源，因为大约有70%的信息是通过人眼获得的，而人眼获得的都是图像信息。在近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题。获得图像信息非常重要，但目的不仅仅是为了获得图像，而更重要的是将图像信息进行处理，在大量复杂的图像中，找出我们所需要的信息。因此图像信息处理在某种意义上讲，比获得图像更为重要，尤其是在当今科学技术迅速发展的时代，对图像信息处理提出了更高的要求，以便更加迅速、准确、可靠地获得有用的信息。
木材无损检测是一门非破坏性的新兴检测技术，就是在不损坏木材原有结构的条件下的一种有效的检测方法，能准确、快速地判断出木材的各种信息，是实现木材缺陷检测自动化的一种高效率、智能化的方法。木质材料缺陷无损检测不仅可提高生产效率，降低生产成本，还可提高分级量、节省前后工序的备料场地，使整个生产线更加畅通，提高了整个生产线的自动化程度。
一、木材缺陷图像分割国内外研究现状
所谓图像分割即指将图像分成各具特性的区域并提取出感兴趣目标的技术，分割的图像中感兴趣部分称为目标，剩下部分称为背景，把要识别、分析的目标从背景中分离提取出来的过程就是图像分割技术。从某种意义上，图像分割的过程就是图像识别的过程。图像分割着重于对象和背景的关系，研究的是对象在特定背景下所表现出来的整体属性，而图像识别则着重于对象本身的属性。
现有的图像分割方法有许多种，有阈值分割方法、边缘检测方法、区域提取方法，以及结合特定理论工具的分割方法等。
1、基于阈值的分割方法
Otsu提出的最大类间方差法,它被认为是阈值分割中的经典算法。Kaptur等提出的最佳熵阈值方法,此算法无需先验知识,且对于呈非理想双峰直方图的图像也可以进行较好的分割。但是,该算法在确定阈值,特别是多阈值时,存在计算量相当大、分割结果对阈值的变化较为敏感等不足[1]。H.D.Cheng等人在基于最大熵原则结合模糊测度的概念基础上，提出了模糊C-分类最大熵方法[2]。 J.C.Yen等人定义了一个最大相关性原则并从中选取最优阈值，其是对最大熵原则的一种推广[3]。2003年王茜等提出了一种以最大类间方差法为基础的自适应阈值图像分割方法，其通过设置阈值运算的灰度取值范围，实现对阈值的自动选取[4]。2007年熊福松提出了一种基于Parzen-window方法的图像分割阈值选取新方法PWT，通过和传统的OTSU方法、最小误差法和KSW熵方法比较，发现此方法对图像分割精度非常高，且适应性强[5]。2009年秦剑等将传统的阈值分割与图像梯度计算相结合，提出了一种新的彩色图像分割方法[6]。
阈值分割是一种常用的直接对图像灰度信息进行二值或多值化处理的分割算法，即用一个或几个阈值对像素进行分类，将灰度值在同一个区间内的像素归为同一个目标区域。其优点是实现简单、成本低廉、实用性强，但当图像中灰度差异不明显、或者各物体的灰度范围值有大部分重叠现象时，往往难以得到准确的分割结果，从而产生很多过分割或欠分割错误。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
