3种不同模型对木材表面缺陷图像分割算法的比较*

白雪冰，许景涛,宋恩来，陈凯

(东北林业大学 机电工程学院,黑龙江　哈尔滨150040)



3种不同模型对木材表面缺陷图像分割算法的比较*

白雪冰，许景涛,宋恩来，陈凯

(东北林业大学 机电工程学院,黑龙江哈尔滨150040)

木材表面缺陷会严重影响木材的质量和使用价值，因此对木材表面缺陷图像分割的研究有利于提高木材的利用率。本文分别对红皮云杉含有虫眼、活节、死节3种典型木材缺陷的图像采用改进的C-V模型、改进的GVF Snake模型和改进的GAC模型进行分割试验，对3种改进算法的复杂程度、分割时间、分割结果的完整性以及抗噪性进行对比和分析。结果表明，改进的GAC模型算法较为优越，其分割算法简单，运行时间短，缺陷分割效果较好，抗噪性强。而改进的C-V模型算法、改进的GVF Snake模型算法的分割效果和抗噪性最差,不宜作为3种木材表面缺陷图像的分割算法。

木材表面缺陷；改进GAC模型；改进C-V模型；改进GVF Snake模型

长期以来，木材被广泛地使用在工业、农业和日常生活中，但中国木材资源十分匮乏，而且木材表面会存在多种缺陷，影响木材利用率和木制品的质量[1]。对木材表面缺陷分割检测，可以充分利用现有资源提高加工效率，缓解森林资源短缺的压力[2]。中国的木材缺陷检测技术主要以人工检测为主，然而随着计算机视觉技术的提高和图像处理技术的快速发展，国内许多学者也在不断地研究其在木材缺陷分割检测领域中的应用。中国在20 世纪70 年代末期开始应用无损检测技术方法对木材缺陷进行检测，如：微波法、X 射线法等[3]。

本文采用基于C-V模型、GVF Snake模型、GAC模型等活动轮廓模型的改进算法对木材表面缺陷图像进行分割。试验对含有多个目标缺陷的木材表面缺陷图像，运用改进算法进行分割试验，对比和分析这3种改进算法的分割结果 、分割时间以及分割过程的抗噪性，从中选出较为优越的分割算法，作为木材缺陷图像的分割算法。

1　材料与方法

1.1材料

红皮云杉(PiceakoraiensisNakai)是松科(Pinaceae Lindl.)云杉(Picea)属常绿乔木。试验中采用的样本均来自东北林业大学帽儿山实验林场的红皮云杉树林。

1.2方法

1.2.1改进的C-V模型介绍

C-V模型水平集是在level-set思想和Mumford-Shah模型基础上由Chan和Vese提出的[4]。C-V模型水平集的能量函数如下[5～7]。

改进C-V模型的分割步骤见图1。

图1　改进C-V模型的分割步骤

1.2.2改进的GAC模型介绍

运用改进GAC模型的分割过程见图2。

图2　改进GAC模型的分割步骤

1.2.3改进的GVF Snake模型介绍

传统Snake模型对初始轮廓线位置的选取非常敏感，分割过程中容易陷入局部极值，并且无法深入缺陷的凹陷部分，不能有效地分割出木材表面缺陷。用GVF力场取代传统外力场，GVF力场看作是对图像梯度场的逼近，收敛性更好，使得模型捕捉范围扩大，而且能使活动轮廓深入木材缺陷的凹陷边界，得到更准确分割结果[18]。但是由于木材表面缺陷较复杂，如果直接采用GVF Snake模型[19～20]进行缺陷分割，对于缺陷边缘和背景灰度值相似部分的分割效果较差，很难使得轮廓线有效地收敛到缺陷边缘，另外由于受到木材纹理和边缘颗粒等噪声干扰，会使轮廓线收敛速度较慢，迭代次数增加，分割所需时间较长。所以需要采用维纳滤波进行预处理，从而加快分割速度。

图3　改进 GVF Snake 模型的分割步骤

运用改进GVF Snake模型对木材表面缺陷进行分割检测的步骤见图3。

2　结果与分析

2.1多目标缺陷木材图像分割方法比较

2.1.1虫眼缺陷图像分割对比分析

采用3种改进方法分割的多个虫眼目标缺陷原图像(图4)，分割结果如图5和图6所示。由图5、图6可以看出：采用改进C-V模型分割结果存在过多的背景轮廓区域分割线无法消除，使得整体分割出现过分割的现象(图5-a)；采用改进GVF Snake算法的试验过程中参数调节更为繁琐，受到GVF力场作用向着局部能量极小化区域收敛，分割结果较差，运行时间较长；采用改进GAC模型分割时，轮廓线可以快速地收敛到缺陷区域，曲线演化比较平滑(图5-c)，参数设置简单，运行时间短。由于试验样本的缺陷目标杂乱且分布零散，所以出现部分欠分割现象。

虫眼缺陷的木材表面缺陷图像分割对比结果见表1。

(a)虫眼1(b)虫眼2

图4　虫眼缺陷原图像

图5　3种改进模型对虫眼1缺陷图像分割效果对比

图6　3种改进模型对虫眼2缺陷图像的分割效果对比

2.1.2活节缺陷图像分割对比分析

采用3种改进方法分割的多个活节目标缺陷原图像(图7)，其分割结果如图8和图9所示。试验结果表明：改进C-V模型可以分割出来3个居中目标缺陷，却无法分割位于右侧边缘的缺陷，而且干扰曲线在演化过程中无法消除，但分割时间较快；改进GVF Snake模型在整个分割过程中要动态调整各个参数，GVF力场作用下轮廓线向着局部极小值收敛而达到平衡，分割不出缺陷区域，且其过程繁琐，运行时间长；改进GAC模型可以将图像中的缺陷目标完整地分割出来，分割线平滑，分割时间最短，分割效果较好。

活节缺陷的木材表面缺陷图像分割对比、分析结果见表2。

(a)活节1(b)活节2

图7　活节缺陷原图像

图8　3种改进模型对活节1缺陷图像的分割效果对比

图9　3种改进模型对活节2缺陷图像的分割效果对比

2.1.3死节缺陷图像分割对比分析

采用3种改进方法分割的多个死节目标缺陷原图像(图10)，其分割结果如图11和图12所示。试验结果表明：改进C-V模型分割的轮廓线能够收敛到缺陷区域，但同样存在干扰曲线问题，而且出现过分割现象；改进GVF Snake模型分割的轮廓线向着能量极小化方向运动，分割过程中需要不断地调节参数，很难有效地分割缺陷目标，且运行时间较长；改进GAC模型分割的轮廓线不受到背景纹理的干扰，且能迅速地收敛到缺陷边缘，分割结果完整，分割线比较平滑，运行时间短。

死节缺陷的木材表面缺陷图像分割对比分析见表3。

(a)死节1(b)死节2

图10　死节缺陷原图像

图11　3种改进模型对死节1缺陷图像的分割对比

图12　3种改进模型对死节2缺陷图像的分割效果对比

根据3组含有多个木材缺陷的图像分割对比试验和分析，从而得出：改进GAC模型算法能够更加快速有效地分割出木材表面缺陷，分割结果比较完整，操作相对简单，分割时间最短。

2.2木材表面缺陷图像分割方法的抗噪声性能比较

2.2.1虫眼缺陷图像分割的抗噪声性能对比分析

对虫眼缺陷原图像(图13)加0.02比例的椒盐噪声后，所得出灰度图像如图14所示。

图13 虫眼缺陷原图像图14 加0.02比例的椒盐噪声图像Fig.13 OriginalimageofwormholeFig.14 0.02oftheproportionofthesaltandpeppernoiseimage

采用3种改进方法对加噪声后的图像进行分割，分割结果如图15(a)、(b)、(c)所示。试验结果说明：改进GVF Snake分割效果较差，而且在试验过程中调整参数设置比较困难；改进的GAC算法和C-V算法都可以将目标缺陷分割出来，虽然改进C-V模型的轮廓线可以逼近目标边缘，但是背景区域中噪声也被分割出来，分割结果不准确；改进GAC模型的轮廓线可以不受到噪声的干扰，快速平滑地将目标分割出来。

(a)改进GAC模型分割结果(b)改进C-V模型分割结果(c)改进GVFSnake模型分割结果

图153种改进算法对虫眼缺陷图像的分割结果

Fig.15Segmentation results of three improved algorithms

2.2.2活节缺陷图像分割的抗噪声性能对比分析

对如图16所示的活节缺陷原图像加0.02比例的椒盐噪声后，其灰度图像如图17所示。采用3种改进方法对加噪声后的图像进行分割，分割结果如图18(a)、(b)、(c)所示。试验结果表明：改进C-V算法的分割结果存在背景的干扰轮廓线；改进GVF Snake模型的分割过程中需要调整参数，运行缓慢，分割轮廓线无法靠近缺陷边缘；改进GAC算法对木材表面缺陷图像分割效果较好，分割速度较快，但是分割过程中会有个别噪声颗粒也被分割出来，同时右下角的缺陷出现部分欠分割情况。

图16 活节缺陷原图像图17 加0.02比例的椒盐噪声图像Fig.16 OriginalimageoflivingscabFig.17 0.02oftheproportionofthesaltandpeppernoiseimage

(a)改进GAC模型分割结果(b)改进C-V模型分割结果(c)改进GVFSnake模型分割结果

图18　3种改进算法对活节缺陷图像的分割结果

2.2.3死节缺陷图像分割的抗噪声性能对比分析

对如图19所示的死节缺陷原图像加0.02比例的椒盐噪声后，其灰度图像如图20所示。采用3种改进方法对加噪声后的图像进行分割，分割结果如图21(a)、(b)、(c)所示。试验结果表明：改进C-V模型能够将右侧缺陷完整分割出来，但对于左侧缺陷分割效果较差，曲线轮廓演化到缺陷内部，背景干扰轮廓线也无法消除；改进GVF Snake模型分割效果较差，轮廓曲线在达到平衡力场作用时受到较强的干扰，分割结果相差较大，同时参数调整复杂，运行时间长，难以将缺陷分割出来；改进GAC模型在噪声比例增加的情况下，能够较完整地分割，而且运行速度不受影响。

(a)改进GAC模型分割结果(b)改进C-V模型分割结果(c)改进GVFSnake模型分割结果

图213种改进算法对死节缺陷图像的分割结果

Fig.21Segmentation results of three improved algorithms

3　结论

本文对比了3种改进算法对木材表面缺陷图像分割的效果，得出如下结论：运用3种改进算法对多目标缺陷图像进行分割试验，从算法的复杂程度、分割速度、分割结果完整性以及抗噪声性等方面进行比较，可见改进GAC算法较为优越，分割速度快，缺陷分割结果较完整，抗噪性强。其次为改进的C-V模型算法，改进的GVF Snake模型算法的分割结果和抗噪性最差。

[1]王林.基于Gabor变换的木材表面缺陷图像分割方法[J].计算机工程与设计,2010,31(5):1066-1069.

[2]王再尚.基于Markov随机场的木材表面缺陷模式识别方法的研究[D].哈尔滨：东北林业大学,2012.

[3]苗媛媛.刘一星,刘镇波,等.木质材料缺陷无损检测主要研究进展[J].世界林业研究,2008,5(7):44-50.

[4]徐玲凌,肖进胜,易本顺.改进的C-V水平集模型图像分割算法[J].计算机工程,2009,35(10):209-213.

[5]苏益杰,王美清.改进的公路破损路面图像分割 CV模型[J].计算机工程,2011,37(10):192-195.

[6]唐子淑,刘杰,别术林.基于CV 模型的CT图像分割研究[J].CT理论与应用研究,2014,23(2):193-202.

[7]Caselles V,Kimmel R,Sapiro G. Geodesic active contour[J].International Journal of Computer Vision,1997,22:61-79.

[8]原野,何传江. LBF活动轮廓模型的改进[J].计算机工程与应用,2009,45(15):177-179.

[9]程兆宁,宋志坚. RSF模型的优化及其在MRI脑肿瘤分割中的应用[J].生物医学工程学杂志,2013,30(2):265-271.

[10]Xu C,Prince J. Snakes,shapes and gradient vector flow[J]. IEEE Transactions on Image Processing,1998,7(3):359-369.

[11]Gao Song,TIEN D Bui. Image segmentation and selective smoothing by using Mumfod-Shah model[J]. IEEE Transaction on Image Processing,2005,14(10):1537-1549.

[12]Kass M,Witkin A,Terzopoulos D. Snakes:Active contour models[J]. International Journal of Computer Vision,1988,1(4):321-331.

[13]薛晶滢.基于GAC模型的交互式图像分割算法的研究及应用[D].西安：西北大学,2009.

[14]Wasi lewsk iM. Active contours using level sets for medical image segmentation[D]. Waterloo:University of Waterloo,2004.

[15]Yang Yu,Caiming Zhang,Yu Wei,etal. Active contour method combining local fitting energy ang global fitting energy dynamically[J].Lecture Notes in Computer Science,2010,61(65):163-172.

[16]乔剑敏.基于GAC模型和C-V模型的图像分割方法的改进[D].哈尔滨：哈尔滨工业大学,2011.

[17]Hanh J,LEE C. Geometric attraction-driven flow for image segmentation and boundary detection[J]. Journal of Visual Communication and Image Representation,2010,21(1):55-66.

[18]王元全.Snake模型与深度凹陷区域的分割[J].计算机研究与发展,2005,42(7):1179-1184.

[19]赵焕辉.基于GVF Snake模型的医学图像分割技术研究[D].济南：山东大学,2013.

[20]靳莉宴.基于参数优化的Snake模型及在MRI图像分割中的应用[D].天津：河北工业大学,2010.

[21]杨辉,唐建锋,杨利容,等.基于中值滤波和维纳滤波的图像混合噪声滤波研究[J].衡阳师范学院学报,2011,32(6):53-55.

Contrast of Three Image Segmentation Algorithms for Wood Surface Defects

BAI Xue-bing,XU Jing-tao,SONG En-lai,CHEN Kai

(College of Machinery Electricity of Northeast Forestry University，Harbin Heilongjiang 150040，P.R.China)

Since the surface defect of the wood can seriously affect the quality and the use value of the wood,the research of image segmentation algorithm for wood surface defects can increase the utilization rate of wood.This paper respectively research three typical wood defects with wormhole,living scab and dead scab. For segmentation test,the improved C-V model,the improved GVF Snake model and the improved GAC model were used,and the complexity of the three improved algorithms,the time required for segmentation,the integrity of segmentation results,and the noise performance of the algorithm were analyzed through the test.The results showed that the improved GAC model was superior to other methods since its segmentation algorithm was simple,its running time was shorter,its defect segmentation results were complete and its noise immunity performance was significant.The image segmentation result and noise immunity of the improved C-V model and the improved GVF Snake model were not significant.

wood surface defect; improved GAC model; improved C-V model; improved GVF Snake model

2015-08-29

黑龙江省自然科学基金项目(C201208)。

白雪冰(1966-)，男，教授，硕士生导师，主要从事图像处理与模式识别研究。E-mail:xumou2010@163.com

TP 391.41；S 781.61

A

1672-8246(2016)04-00027-08

doi:10.16473/j.cnki.xblykx1972.2016.04.005