■程玉柱 李赵春 Cheng Yuzhu & Li Zhaochun

(1.2.南京林业大学机械电子工程学院，江苏南京 210037）

木材家具质量检测一直是成品出厂、市场质量抽查、用户监督的重要手段。木家具产品缺陷主要有：开裂、腐朽、节子、甲醛超标、形变等。而死节是影响家具的美观和使用的一种重要缺陷。实现木材死节缺陷的大小及位置自动检测是提高成品家具检测效率的前提，也为数字化质量评价提供重要手段。而木材表面缺陷图像分割是该技术中的难点之一，而成品家具表面的油漆常常导致反光，以及复杂背景噪声，会降低图像分割质量[1-4]。木材表面缺陷自动检测主要利用图像灰度化、二值化、滤波、形态学处理并结合模式识别算法，进行识别[5-6]。非负矩阵分解(NMF)对分块图像矩阵提取系数。CV模型是一种主动轮廓图像分割算法[7]，已广泛应用于航空图像、医学图像、红外图像、农林图像等多种图像分割应用中，此算法还在发展和完善中，算法采用水平集求解[8]。针对成品家具表面光照不均匀和复杂背景的木材死节缺陷图像，提出了一种基于NMF与CV模型的检测算法，实现缺陷目标提取。

1 检测方法

1.1 非负矩阵分解与CV模型图像分割

本文将非负矩阵分解(NMF)与主动轮廓模型(ACM)相结合，提出了一种基于NMF粗分割与ACM细分割的检测方法，利用此方法解决成品家具表面的死节缺陷图像检测。具体算法流程如图1所示。首先输入家具表面死节缺陷彩色RGB图像,然后对RGB彩图或灰度图进行NMF分解，对分解后的基向量进行K-均值聚类，得到初始分割，确定目标范围和初始水平集，最后用CV模型进行演化并获得死节缺陷目标。……