Segmentation of wood surface defect image based on improved C-V model.
-
摘要: 木材表面缺陷会严重影响木材的质量、性能和使用价值,对木材表面缺陷分割检测有利于提高木材的利用率,节约现有木材资源,缓解森林资源短缺的压力。针对传统的C-V(Chan-Vese)模型算法不能分割灰度不均匀图像的缺点,本文采用C-V模型与形态学结合的方法与传统的C-V模型算法进行对比试验。与此同时,根据C-V模型和C-V模型结合形态学方法的不足之处,在C-V模型基础上,引入局部拟合函数和高斯核函数,提出了一种基于C-V模型的改进算法,能够有效地克服C-V模型的不足。通过对木材表面缺陷图像分别采用传统C-V模型算法、C-V模型与形态学结合的方法和改进的C-V模型算法进行多组针对单一目标的木材表面缺陷图像的对比试验。结果表明:C-V模型能够将虫眼和活节缺陷图像分割出来,但是对纹理干扰强烈的死节缺陷图像分割困难;运用C-V模型与形态学结合的方法,可以有效地消除分割结果中的细小空洞和噪声,但是仍无法抵抗死节缺陷图像中木材自身纹理的干扰,难以将死节缺陷完整地分割出来;改进的C-V模型算法对木材表面缺陷图像的分割能够减少迭代次数,缩短分割时间,使分割轮廓线更加光滑和完整。通过采用改进C-V模型算法对多目标木材表面缺陷图像进行试验,能够更好地验证改进算法的优越性、有效性和可行性。Abstract: Wood surface defects can seriously affect the quality, performance and use value of wood; therefore, the detection of wood surface defects is beneficial to improving the utilization of wood, saving the existing wood resources and easing the shortage of forest resources. So it is important to study the method of image segmentation of wood surface defects. Aiming at the shortcomings of the traditional C-V (Chan-Vese) model which cannot segment gray images, we used a combination of C-V model and the morphological method for a comparison with sole C-V model algorithm. Given the weakness of the traditional C-V model or combined with the morphological method, the local fitting function and the Gauss kernel function which are based on the C-V model are introduced. Thus, an improved algorithm based on C-V model is proposed which overcomes the shortcomings of the C-V model. Targeting a single wood surface defect, the segmentation of images has been performed by three algorithms, i.e., the C-V model algorithm, combination of C-V model and morphological method, and our improved algorithm, for a contrast test. The test shows that the C-V model is capable of segmenting the images of wormholes and slipknots, but it is difficult to segment the images of encased knots. With the morphological method, the small holes and noise after segmentation can be effectively eliminated, but it is difficult to split out the defect image segmentation of encased knots completely, and still cannot resist interference of dead knot images of wood texture itself. The segmentation of defect image based on our improved C-V model algorithm is quicker and more accurate, and can reduce the number of iterations, shorten segmentation time and make the segmentation contour more smooth and complete. Our study shows that the improved algorithm is able to finish the multi target experiment, and therefore it is feasible, superior and practicable.
-
Keywords:
- wood surface defect /
- wood image segmentation /
- C-V model /
- morphology
-
城市化能够促进社会的经济发展,提高人们的物质和精神生活,是衡量国家发展和文明程度的重要指标。人们在追求城市化的同时,生态用地逐渐被城市建设用地吞噬。城市呈现出“高度破碎化”的特征[1-2],生态功能和调控能力受到干扰。
生态网络(ecological network,EN)是由自然保护区及其之间的连线所组成的系统,它可以贯通破碎化的自然系统,为更多元化的生物提供服务[3-6]。生态网络构建是维护、重建、恢复景观功能的有效途径。目前国内外对于城市生态网络的研究主要集中在城市生态节点的功能研究、城市内部结构和形态研究、区域及城市空间发展策略研究3个方面[7-11],构建方法多采取“源地识别—生态阻力面构建—生态廊道模拟”的研究框架。
MSPA法是由Soille和Vogt等提出的,它可以将二值栅格图像识别并分割为7个互斥类别描述空间格局、监测受宽度影响的边缘效应以及用地空间的时序变化信息等,它作为一种偏向测度结构连接性的方法被应用于源地的识别和阻力面的构建[12]。这种方法具有评价几何连通性较准确细致、需要的数据量小、分析结果可视化等优点,可用于绿道选线与优化、绿地系统规划、绿地生态网络构建等方面。网络分析法是基于图论原理来研究网络结构及其优化的方法,有着提高网络性能、增加网络可用性价值等优点[13],在生态网络的构建过程中,可用此方法来确定阈值、权衡建设用地扩张和生态用地保护,以及城市生态服务功能和社会经济功能。
北京市延庆区是国家生态文明示范区、北京市重要的生态涵养区。随着北京社会经济快速发展,城镇化的步伐不断加快,其景观完整性、连通性等特性也不可避免地受到影响。在《北京城市总体规划(2016年—2035年)》中,延庆区被定位为首都西北部重要生态保育及区域生态治理协作区、国际文化体育旅游休闲名区、京西北科技创新特色发展区,可以看出生态保护仍是延庆区下一步规划策略的重心,而依托生态网络构建方法,识别延庆区生态格局将有利于推进规划的落实。因此,本文以延庆区作为研究对象,采用MSPA法构建延庆区的生态网络,使用网络分析法获取适合延庆区的距离阈值下的生态网络,为延庆区生态网络构建提供参考。
1. 研究方法
1.1 研究对象
北京市延庆区(115°44′ ~ 116°34′E,40°16′ ~ 40°47′N)三面环山,中部凹陷形成盆地,地形呈口袋形向西南展开,北与河北赤城县相邻,西邻官厅水库,是距离中心城最远的区[14]。延庆地域总面积1 993.75 km2,其中山地占72.8%、平原占26.2%、水域占1%。
1.2 数据来源与处理
本文采用2017年北京市延庆区的Landsat8 OLI-TIRS卫星数字产品(时相选取为植被生长旺盛的7月19日,分辨率为30 m,资料来源于地理空间数据云http://www.gscloud.cn/search)。以《土地利用现状调查技术规程》作为参照基础,基于GIS软件平台,将11个波段的卫星影像合并,并按照研究区边界对合并的影像进行裁剪,应用ArcGIS10.2的Iso Cluster Unsupervised Classification非监督分类工具将卫星影像自动分为30个类别,再通过人工识别的方法对同类土地覆被类型进行重分类合并,最终得到林地、草地、水域、耕地、建筑用地、其他用地6类生态景观类型(图1)。结合Google Earth和实地调研数据利用系统抽样法[15]对得到的土地利用类型图进行解译精度检验并校正,校正后的解译精度达93%,满足研究区域景观分析精度要求。此外,利用QGIS和Global Mapper下载得到的延庆区路网数据,作为获取生态断点的基础数据。
1.3 研究方法
1.3.1 基于MSPA方法的生态源地识别
研究基于影像解译得到延庆区的最终土地覆被类型,将林地、水域提取出来作为前景,将草地、耕地、建筑用地、其他用地作为背景。将数据转换为30 m × 30 m的Tiff格式二值栅格文件[16],利用Guidos软件的八邻域法对数据进行形态学空间格局分析,得到7类景观类型(核心区、孤岛、桥接、边缘、孔隙、环道、支线)。其中,核心区是前景像元中面积较大的生境斑块,它有利于生物多样性的保护,能够为生物物种提供较大的栖息地,常被作为生态网络中的生态源地[17]。本文根据核心区斑块面积范围(≥ 2 hm2)筛选出生态源地,共168块(图2)。
1.3.2 景观阻力面的生成
在同一类型的阻力赋值方式下,阻力值的绝对大小不会对最小耗费距离模型的生态网络连接模拟造成影响[18]。本文经由MSPA法将土地覆被类型重新分为7类,参照植被覆盖率以及人类活动等因素,将此7类景观类型作为研究区的核心景观,根据不同景观类型以及不同连通性对物种迁移的阻力大小确定不同景观类型的阻力值[11,16](表1),从而得到研究区域的景观阻力面(图3)。
表 1 MSPA景观类型的景观阻力赋值Table 1. Landscape resistance assignment of MSPA landscape types景观类型
Landscape type核心区
Core area桥接区
Bridge岛状斑块
Islet孔隙
Perforation边缘区
Edge环道区
Loop支线
Branch line背景
Background阻力值 Resistance value 1 10 15 80 30 30 60 100 1.3.3 基于最小耗费距离模型构建生态网络
基于GIS软件平台,在ArcGIS10.2的Spatial Analyst工具条下,采用前文构建的景观阻力面和生态源地,使用Distance中的Cost Connectivity工具,生成每个生态源地之间的最小路径,由此生成了由450条潜在廊道组成的生态网络,其中最长路径为68 907.5 m(图4)。
1.3.4 基于网络分析法获得潜在廊道最佳阈值
根据网络分析法对基于最小耗费距离模型得到的生态网络的连接性进行评价,得出潜在廊道的较优阈值,从而得出较为适合延庆区的生态网络。在研究生态网络的连接性时,需要将复杂的城市生态系统进行简化,将面积和种类不同的生态斑块归纳为节点,将潜在的生态廊道归纳为连接节点的线。网络连接度是指生态廊道与生态斑块的连接程度,常被用于评价和衡量网络复杂性。其中网络闭合度(α指数)、线点率(β指数)、连接度指数(γ指数)和成本比为通用的评价指标[19]。
网络闭合度(α指数)是指网络中回路出现的程度,其表示的是整个生态网络中实际回路数和最大可能回路数的比。其公式为:
α=(L−V+1)/(2V−5) 式中:L为网络中的廊道数目;V为网络中抽象出的生态节点数;其中α的取值为0~1,当α = 0时,网络中不存在回路,当α = 1时,网络中已达到最大限度的回路数目。
网络线点率(β指数)指网络中每个节点的平均连线数,用以衡量网络的通达程度。其公式为:
β=L/V 式中:当β = 0时,网络不存在,随着β的值越来越大网络的复杂性也随之增加,一般情况下,当β大于1以后,网络节点之间有着复杂的连接水平。
网络连接度指数(γ指数)是指网络中所有节点被连接的程度,其表示的是网络的实际连接廊道数与最大可能廊道数之比,其公式为:
γ=L/3(V−2) 式中:
γ 指数的取值范围为0 ~ 1之间,当γ = 0时,网络中没有节点相连,只有孤立的点;当γ = 1时,节点之间是完全相互连接的。以上3种指数是用来表示网络方案抽象性的,在此基础上借用成本比考虑廊道建立的成本值,反映生态网络的有效性。成本比(cost ratio,Cr)是基于景观条件与廊道现实的情况下,衡量不同网络成本花费的差异情况。其公式为:
Cr=1−(廊道数量/廊道长度) 本文基于以上3个指数以及成本比对延庆生态网络进行全面细致的评价,选取不同廊道距离的阈值,通过公式计算分析以上各项指数的趋势,在对连通度影响最低且廊道建立成本最低的原则下得到最佳廊道距离阈值。
2. 结果与分析
2.1 基于MSPA的生态源地识别分析
基于MSPA方法得到的景观格局分析结果如图5和表2所示。研究区域内核心区作为生态源地主要包括野鸭湖湿地公园、松山森林景区、玉渡山风景区、龙庆峡风景区、延庆世界地质公园、九眼楼风景区、莲花山森林公园、八达岭长城自然风景区等生态斑块,总面积为53 951.8 hm2,占生态景观总面积的44.0%。总体上看,核心区主要围绕延庆区的自然山水格局,中间城镇开发面积大、生态斑块面积小且分布零散,连通性差。其中各景观类型的面积和占生态总面积的百分比见表2。
表 2 景观类型分类统计表Table 2. Classification statistics of landscape types景观类型
Landscape type面积/hm2
Area/ha占生态景观总面积比例
Proportion to total area of ecological landscape/%核心区 Core area 53 951.8 44.0 支线 Branch line 6 665.4 5.4 边缘区 Edge 14 412.6 11.8 孔隙 Perforation 14 145.5 11.5 岛状斑块 Islet 4 725.3 3.9 桥接区 Bridge 21 728.2 17.7 环道区 Loop 7 022.8 5.7 2.2 生态网络构建分析
基于最小耗费距离模型得出各生态源地间可能链接的路径450条,其中,最长路径长度为68 907.5 m。本文根据选取生态廊道不同距离阈值区间,通过网络分析法对生态连接度和成本比进行计算评价,距离设定为0 ~ 70 000 m不等,α指数、β指数、γ指数、成本比的数值变化如图6 ~ 9所示。
基于2 000、10 000、20 000和50 000 m距离阈值的延庆区生态网络结构(图10 ~ 13)以及折线图表综合分析,4个指数都随着廊道距离阈值的增加呈递增趋势,距离阈值20 000 ~ 22 000 m是α指数、β指数、γ指数增长速率的转折点,大于22 000 m后增长速率降低。结合成本比的变化情况,研究认为20 000 m是延庆区生态网络生态连接度的最优绩效距离(图11)。在20 000 m距离阈值时,廊道数为409条,占廊道总数的90.9%,此时的α指数值为0.73,β指数值为2.43,γ指数值为0.82,成本比为0.98。
2.3 潜在廊道分析
基于以上结果,在20 000 m的距离阈值下的生态网络是最适合延庆区的。本文选取100 m作为廊道宽度,此时的潜在廊道总面积为21 507.9 hm2,占整个研究区域的10.8%。廊道的景观构成中,林地的占比最大,为81.1%,主要是因为延庆区三面环山,林地在延庆区范围内是总面积最大的景观。水域在潜在廊道中面积占比为2.2%,尽管水域会对动物迁徙造成阻力,但是水域周边生态资源丰富,可采取在水域周边人工造林,丰富植物群落,为动物迁移提供更好的暂栖地,降低水体对动物迁徙的阻力。生态廊道中耕地占比11.6%,是除林地以外最多的土地覆被类型,而草地仅占2.3%,可以考虑通过退耕还林、还草的手段保护动物迁徙。建设用地在物种迁徙的过程中有着较大的阻力,在廊道总面积的占比为2.1%,其他用地占0.7%(表3)。
表 3 潜在廊道的景观组成Table 3. Landscape composition of potential corridor土地覆被类型
Type of land cover总面积/hm2
Total area/ha占廊道中的面积/hm2
Area in corridor/ha占潜在廊道总面积的比例
Proportion to total area of potential corridor/%水域 Water 3 293.7 476.4 2.2 林地 Woodland 122 468.0 17 452.9 81.1 草地 Grassland 10 613.2 488.3 2.3 耕地 Arable land 39 598.2 2 485.8 11.6 建设用地 Construction land 16 967.5 448.4 2.1 其他用地Other land 6 434.4 156.1 0.7 3. 延庆区生态网络优化建议
3.1 保护区域内重要的核心斑块和廊道
生态网络主要由核心斑块、其他斑块和生态廊道构成。而核心斑块作为最为重要的物种源地和栖息地,是构建生态网络的重要功能节点,对物种迁徙和扩散有重要的作用。半块豆腐山、鸭山、五座山、燕羽山等从北、东、南三面围绕延庆城区的浅山系统生态本底良好,林地面积大,具有很高的重要性,应该给予重点保护;野鸭湖和白河堡水库是面积比较大的水域,相对来说湿地面积也比较大,也应该重点保护。其他斑块一般是分布在这些大型斑块周边的林地斑块和小型湿地,起着重要的连接作用,应加强它们与核心斑块之间的联系,以达到扩大斑块面积、提高景观连通度的目的。此外,应加强现存以及潜在生态廊道的保护和建设,增强区域内生态景观的完整性和连通性。
3.2 识别和规划区域内的“踏脚石”斑块
“踏脚石”对迁徙距离较远的生物来说尤为重要,增加它们数量和缩短间距能够有效提高物种在迁徙过程中的存活率。在生态网络优化中,廊道的重合点是首选对象。此外,桥接区作为连接核心区的重要区域,对生物的迁徙和景观连通度具有重要的意义。因此,本文根据潜在生态廊道的交汇点以及两个核心区之间廊道通过的桥接区,结合研究区域的实际情况,确定了17个“踏脚石”,其中4个位于永宁镇北部,延庆县和大榆树镇各有3个,旧县镇、香营乡的南部各有2个,余下3个分别位于康庄镇东部、张山营镇南部和井庄镇北部(图14)。
3.3 修复生态断裂点
基于QGIS和Global Mapper得到的城市交通网络,可以得出潜在生态网络与城市交通网络的交叉点。这些交叉点证明了生态网络被城市道路切割,形成了生态断裂点(图15)。延庆区内有城市交通网络造成的生态断点共计52处,分别分布在国道G101、G7、G6,省道S323、S221、S3801等与生态廊道的交叉点上。城市交通在生物迁徙的过程中会造成巨大的阻碍,在生物难以跨越交通线特别是高等级的交通线上,车辆撞击的生物致死量和概率高。在建设城市交通网络时应该把野生动物迁徙路径考虑进去,通过设置野生动物涵洞、地上天桥和地下隧道等方式修复生态断裂点。
4. 结论与讨论
4.1 讨 论
基于MSPA和最小路径法的生态网络构建框架综合了现有结构性景观要素识别、连通性分析以及潜在廊道网络构建等方法,近年来成为国内外学者进行生态网络构建的常用方法与研究热点,但目前仍处于理论研究与发展初期,较多分析与规划结果还未得到实践的反馈与验证,因此本文的研究还有待实践结果的证实。
首先,由于MSPA对景观的研究尺度非常敏感[20],输入数据的像元大小与边缘宽度会损失部分要素,不同尺度的数据会使结果产生差别。本研究范围为北京市延庆区整个区域,考虑到粒度较大会导致信息丢失,参考既有研究,选择30 m × 30 m的研究尺度[21]。今后还需要对MSPA的尺度做进一步的探讨和研究。
其次,边缘宽度的取值大小对MSPA分析结果影响较大。本文考虑研究区域尺度和研究数据的精度,将边缘宽度设置默认值1,边缘效应为30 m,满足区域所有物种的需求。
第三,廊道的宽度阈值也是一个需要探讨的因素,目前对其指标的选取、方法等方面并无定论[22]。由于延庆区地块范围较小,少见大型哺乳动物,多以小型哺乳动物以及鸟类为主,根据延庆区的实际情况,为满足物种迁徙要求,本文选择100 m作为廊道宽度。
此外,在识别与网络构建过程中,会遇到潜在生态廊道与规划土地利用相矛盾的问题,根据用地类型所采取的原则不同,当遇到耕地类型在作为潜在廊道时,采取基本农田避让原则,一般农田可采取设置农田防护林、退耕还林还草等措施。当遇到建设用地类型作为潜在廊道时,可采取用地补偿与置换等措施,保护潜在廊道。
4.2 结 论
本文初步形成了延庆区的生态网络体系并为生态网络提供了优化措施。该网络能够为物种迁徙提供生态廊道,提升延庆区生态系统的生态恢复力和抵抗力。主要结论包括:
(1)核心区斑块主要用地类型为林地和大型水域。野鸭湖湿地公园、松山森林景区、玉渡山风景区、龙庆峡风景区、延庆世界地质公园、九眼楼风景区、莲花山森林公园、八达岭长城自然风景区等生态斑块基本都是林地和大型水体。
(2)整体而言,最适合延庆区生态网络结构的距离阈值为20 000 m。在20 000 m距离阈值时,廊道数为409条,占廊道总数的90.9%,此时的α指数值为0.73,β指数值为2.43,γ指数值为0.82,成本比为0.98。在延庆区的生态网络构建过程中具有重要的生态廊道筛选作用。
(3)延庆区生态本底优良,林地在生态网络中占比高达81.1%,应对现有大型林地斑块采取积极的保护措施,防止由于社会经济发展带来的旅游开发项目导致的斑块面积缩减、破碎化。其次,耕地面积在结果中占比较大,它是受人类干扰相对严重的土地利用类型,对动物迁徙会产生一定的阻碍,可以考虑将其部分退耕还林、还草,或在其周边建设生态防护林降低人类干扰。水域也是廊道的重要组成部分,为了减小水体对动物迁徙造成的阻力可以在水域周边人工造林,为动物迁徙提供暂栖地。城市建设用地内景观破碎化严重,廊道斑块数目稀少,严重阻碍了生物扩散,需通过增加“踏脚石”与修复生态断裂点进行优化,重点在城市交通网络中增加野生动物通道。
(4)延庆区域有良好的旅游资源,野鸭湖国家湿地公园、松山国家森林公园、北京龙湾国际露营公园以及世界园艺博览会等地为区域旅游名片。此外,结合潜在生态网络,永宁镇北部、延庆县以及大榆树镇等有发展旅游的潜力,但是在发展过程中,既要突出自身特色,同时又要减少人为破坏,可以选择定期开放与封山育林兼顾,形成文明弹性的旅游方案,发展文明生态旅游,响应北京市总体规划。
基于MSPA与最小耗费距离模型的结合打开了生态网络基于数学形态分析的规划新思路,从空间聚集形态的层面以连通性作为依据进行生态网络构建的探讨。跟现状生态网络构建的方法相比,它为生态源地识别及阻力面的合理构建提供了科学的研究方法。其次,由于生物迁徙的不确定性、生态过程的复杂性还有城市快速发展带来的干扰,导致有些潜在廊道的建设无法实现,并且在保证生态效益的同时也要兼顾经济发展的需求,因此在一定意义上,生态廊道并不是越多越好,生态网络也不是越复杂越好。本文针对北京市延庆区,采取网络分析法,依据生态廊道的连通性指数和建设成本比计算分析出一个最佳廊道距离阈值,在此阈值范围内,生态网络的连通性基本达到最佳。研究结果对延庆区构建生态网络的潜在生态廊道提出明确和有效的指导,具有一定的实践价值和意义。
-
[1] HAN S X. Study on the wood physical properties sand defect detection based on CT and fractal characteristics[D] . Harbin:Northeast Forestry University, 2010.
[1] 韩书霞.基于CT技术和分形特征的木材物理性质及缺陷检测研究[D] .哈尔滨:东北林业大学, 2010. [2] DAI S Y, WANG Z F, ZHANG X D. Active contour model by combining with local and global information[J] . Journal of University of Science and Technology Liaoning , 2013, 36(2): 145-150.
[2] 代双语,王智峰,张学东.结合局部与全局信息的主动轮廓模型[J] .辽宁科技大学学报, 2013, 36(2): 145-150. [3] YUAN Y, HE C J. Improvement of LBF active contours model[J] . Computer Engineering and Applications,2009, 45(15): 177-179.
[3] 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. [4] CHENG Z N, SONG Z J. RSF model optimization and its application to brain tumor segmentation in MRI[J] . Journal of Biomedical Engineering, 2013, 30(2): 265-271.
[4] 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. [5] SU Y J, WANG M Q. Improved CV models for highway pavement disease image segmentation[J] . Computer Engineering, 2011, 37(10): 192-195.
[5] XU C, PRINCE J. Snakes, shapes and gradient vector flow[J] . IEEE Transactions on Image Processing, 1998, 7(3): 359-369.
[6] GU Y M, LIU J, YANG K S, et al. An improved image segmentation method[J] . Machine Manufacturing, 2009,47(2):23-26.
[6] GAO S, TIEN D B. Image segmentation and selective smoothing by using Mumfod-Shah model[J] . IEEE Transaction on Image Processing, 2005, 14(10):1537-1549.
[7] 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. [7] XU L L, XIAO J S, YI B S. Improved C-V level set model image segmentation algorithm[J] . Computer Engineering, 2009, 35(10): 209-213.
[8] TANG Z S, LIU J, BIE S L. Study of CT image segmentation based on CV model[J] . CT Theory and Applications, 2014, 23(2): 193-202.
[8] 谷雨明,刘杰,杨克实,等.一种改进的图像分割方法[J] .机械制造,2009, 47(2): 23-26. [9] 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. [9] WANG H F, ZHAN G L, LUO X M. Research and application of edge detection operator based on mathematical morphology[J] . Computer Engineering and Applications, 2009, 45(9): 223-226.
[10] DAI Q Y, YU Y L. The advances of mathematical morphology in image processing[J] . Control Theory and Applications, 2001, 18(4): 479-482.
[10] CHAN T F, VESE L A. Active contours without edges[J] . IEEE Transactions on Image Processing, 2001, 10(2): 266-277.
[11] 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. [12] CASELLES V, KIMMEL R, SAPIRO G. Geodesic active contour[J] .International Journal of Computer Vision, 1997, 22: 61-79.
[13] 王慧锋,战桂礼,罗晓明.基于数学形态学的边缘检测算法研究及应用[J] .计算机工程与应用, 2009, 45(9): 223-226. [14] 戴青云,余英林.数学形态学在图象处理中的应用进展[J] .控制理论与应用, 2001, 18(4): 479-482. [15] LI C M, KAO C Y, GORE C J, et al. Implicit active contours driven by local binary fitting energy[C] ∥Proceedings of IEEE conference on computer vision and pattern recognition. Minneapolis: IEEE Computer Society, 2007, 6: 17-22
[16] KASS M, WITKIN A, TERZOPOULOS D. Snakes: active contour models[J] . International Journal of Computer Vision, 1988, 1(4): 321-331.
-
期刊类型引用(3)
1. 赵尧,付伟莲,关惠元. T型圆竹家具构件力学性能研究. 林产工业. 2024(10): 42-46 . 百度学术
2. 刘燕,唐斌,万川,何叶,胡文刚. 实木家具斜角接合结构的可拆装设计与评估. 林产工业. 2023(04): 38-42+50 . 百度学术
3. 陈炳睿,胡文刚. 一种可拆装式椭圆榫节点的设计与性能分析. 木材科学与技术. 2022(02): 65-70+86 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 1763
- HTML全文浏览量: 132
- PDF下载量: 25
- 被引次数: 3