基于改进K-Means聚类与水平集的木材横截面管孔分割

针对管孔随机分布且大小不一导致管孔分割鲁棒性不高,及木纤维、木射线和轴向薄壁组织等噪声对管孔分割效果影响较大的问题,本研究提出一种改进K-Means聚类与水平集的木材横截面管孔分割算法.采用改进K-Means聚类对管孔区域进行粗分割,有效地区分管孔区域与木纤维、木射线以及轴向薄壁组织等噪声区域.再对粗分割结果采用水平集算法进行精分割.实验结果表明,平均每张木材横截面微观图像有98.8％的管孔被准确有效地分割出来,且分割出的管孔与实际管孔基本吻合.相比之下,本研究提出的改进分割算法较其他算法,每张木材微观图像的平均管孔分割准确率提高了1.7％.该算法有效地解决传统K-Means聚类算法在图像分割时噪声影响大和初始聚类中心的随机性问题,在针对大小不一且随机分布的管孔分割过程中鲁棒性更高,具有良好的分割性能.