基于改进K-means聚类与分水岭的木材横截面管孔分割

[目的]管孔是木材识别方面的重要特征之一.针对管孔随机分布、大小不一导致管孔分割鲁棒性不高,木纤维、木射线以及轴向薄壁组织等噪声区域对管孔分割效果影响较大的问题,本研究提出了一种改进K-means聚类与分水岭的木材横截面管孔分割算法.[方法]采用改进K-means聚类对管孔区域进行粗分割,有效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改进分水岭算法进行精分割,分割出的管孔与实际管孔基本吻合.[结果]平均每张木材横截面微观图像有97.1％的管孔被准确有效地分割出来.本研究提出的改进分割算法与其他算法相比,分割效果显著提升,在大小不一且随机分布的管孔分割过程中鲁棒性高,具有良好的分割性能.[结论]该算法有效解决了传统K-means聚类算法在图像分割时受噪声影响大和初始聚类中心随机性问题,为阔叶材管孔特征提取和定量分析奠定了坚实基础.图7表1参16