小波变换的木材纹理在线分选

以180幅木材样本图片为对象,研究以小波变换方法提取特征参数,分析几种小波基的特点和性质,最终以对称性为依据,选择使用sym4小波对图像进行二级小波分解,可以得到一级水平细节HL1、垂直细节LH1、对角细节HH1,二级的近似LL2、水平细节HL2、垂直细节LH2、对角细节HH2共7个子图,提取整幅图像的熵和每个子图小波系数的均值及标准差作为特征参数。将木材纹理按照直纹、抛物线和乱纹3种纹理的分类标准,以BP神经网络作为分类器进行了木材纹理分类的验证,并与灰度共生矩阵的方法进行了对比。试验表明:采用小波变换的方法对木材纹理特征进行描述,不但提高了分类的准确率,重要的是缩短了运算时间,可以达到在线监测的要求。     

基于LS-SVM的木材表面缺陷网格化检测

针对图像分割的复杂性和局限性,作者提出一种基于最小二乘支持向量机(LS-SVM)的木材表面缺陷网格化检测方法。首先将木材表面图像划分成互不重叠的矩形块,然后依次计算每个矩形块图像的特征向量,用于描述各个矩形块图像,其特征向量由颜色特征和纹理特征等参数共同组成。最后将特征向量归一化后送入LS-SVM分类器,利用特征向量的相似度来进行缺陷的定位和识别。实验结果表明,该方法可有效进行木材表面缺陷检测,检测准确率超过93%。     

基于多特征提取和SVM分类器的木材显微识别

将多种不同木材的显微细胞图片进行识别,对进行木材分类研究具有重大意义。通过利用支持向量机(SVM),结合图像的图像梯度方向直方图(HOG)、局部二值模式(LBP)特征以及图像均值方差,对小规模的木材细胞图像的识别分类效果进行了实验。实验结果表明,SVM分类器结合多特征融合适的特征向量会有较好的识别效果,平均最高识别率达到了98.11%。     

基于小波的木材纹理分频信息提取与分析

通过引入小波方法 ,对木材纹理进行了多尺度的频谱分解 ,并利用所得到的特征向量分析了水平、垂直和对角方向上的木材纹理频率分布特点 ,比较了针叶树材与阔叶树材、径向切面与弦向切面木材纹理的统计差异。并在试验基础上 ,提出了以小波分解子图像能量值的标准差进行木材纹理最佳分解尺度的筛选 ,探索出滤波长度取 8、分解尺度取 2对充分表现木材纹理特征最为适宜。同时还发现可将垂直中高频分量HL和低频分量LL的能量值作为木材纹理区别与归类的重要参数 ,将EHL ELH值作为木材纹理的方向性量度     

木材纹理分析中小波基的选择和分解级数的确定

针对小波多分辨率下木材纹理分析中小波基的类型和分解级数进行了研究.用小波基重构误差和小波基的性质确定小波基;用信息熵和重构图像能量确定分解级数.实验证明,选用Symlets4小波基对木材纹理图像进行2级分解就能够获得较高的分类识别率.     

基于断层图像的木材腐朽程度自动评价方法研究

提出了一种基于断层图像的木材腐朽程度自动评价方法。首先利用Graph Cuts算法对木材断层图像进行分割后,对所得图像进行灰度化处理。然后利用累加直方图技术获取木材断层图像中缺陷部分面积。最后,将测得的木材缺陷面积值与真实值进行比较,从而实现腐朽程度的自动评价。分别采用了含人工模拟腐朽的木材样本和含自然腐朽的木材样本进行实验,结果表明:本文提出的方法具有较高的检测精度,为木材断层图像智能处理和无损检测技术的在线应用提供了新的方法。     

木材缺陷识别方法的研究

主要研究运用数字图像处理技术对木材表面缺陷的纹理特征进行具体研究的理论方法和可行性,并通过分析比较,探索一个分形理论和小波结合的的处理方案,完善和丰富木材科学理论,提高木材的利用率。     

基于图像纹理特征的木材树种识别

利用木材图像的颜色、灰度、纹理等内容实现树种的相似性匹配检索,提取色调、饱和度、亮度、对比度、二阶角矩、方差和、长行程加重因子、分形维数、小波水平能量比重共9个特征参数,依据最大相似性数学原理,基于最小差值参数判别法和综合特征阈值法来检索样本.结果显示:基于图像纹理特征能够实现木材树种的检索和识别,综合特征阈值法的检索正确率与唯一性通常要好于最小差值判别法;但当被检索样本图像的纹理较弱或不呈现纹理特征时,检索结果的唯一性并不理想.综合而言,基于图像纹理特征最大相似性的木材树种检索识别较易实现,是一种值得继续发展和应用推广的木材树种识别方法.     

基于MEA-BP神经网络对木材内部缺陷诊断的研究

为了提高木材内部缺陷的自动识别率,采用电阻层析成像(ERT)的方法获取电导率波动信号,通过小波包变换对采集的数据进行3层小波包分析,对八维特征向量进行提取,利用思维进化算法(MEA)优化权值和阈值,孔洞、节子、腐朽试样各45组数据,进行BP神经网络训练,每种缺陷20组作为测试集,识别木材内部缺陷。结果表明:MEA-BP神经网络对木材孔洞、节子和腐朽的识别率分别为96.92%、95.38%和92.31%,该模型解决了复杂组合的优化问题,提高了搜索效率,并且达到最佳的预测效果。     

基于AlexNet优化的板材材种识别方法

【目的】基于处理后的木材端面细胞特征,寻找合适的机器学习方法提高木材识别准确率,以实现木材高效利用,为珍稀木材种类判别和保护提供依据。【方法】以5种木材(臭冷杉、长白落叶松、鱼鳞云杉、鹅掌楸和凹叶厚朴)端面细胞为研究对象,提取多种差异性图像作为数据集,通过图像处理提取特征信息,分别采用支持向量机(SVM)和AlexNet神经网络进行分类识别。根据木材端面细胞区分的差异性,在AlexNet神经网络架构中加入BN算法进行优化,设计一种更高效的板材识别方法提高木材识别准确率。【结果】将增强后的29 680张图像按7∶3划分,分别保存在训练集和测试集文件夹中,测试样本确定标签后均放入同一文件夹,分别对3种分类算法进行整体批量测试,支持向量机分类器测试集的整体识别准确率为84.67%, AlexNet神经网络测试集的整体识别准确率为88.76%,基于BN算法优化的AlexNet神经网络测试集的整体识别准确率为91.15%,识别效果更好。【结论】当样本量充足时,AlexNet神经网络对木材端面细胞图像的分类效果明显优于SVM分类器。基于BN算法优化的AlexNet神经网络对图像线性特征更敏感,保留...     

基于直方图的木材表面颜色分类研究

颜色直方图是图像检索技术中一种有效的颜色表达方式，具有位移、旋转不变的特性。然而木材表面颜色较为单一，采用通常的量化方案不能达到很好的分类识别效果。提出了采用HSV颜色空间三个独立分量的直方图统计特征表达木材表面颜色信息的方法，利用色调、饱和度和亮度三分量之间的相互独立性，提取了各分量的直方图特征。最后利用BP神经网络对木材样本库的图像进行了分类仿真，其结果验证了特征的有效性。     

基于分形理论和数学形态学的木材表面缺陷识别的图像处理

在木材表面缺陷识别过程中,能否精确提取缺陷轮廓是提高分选准确率的重要因素。采用分形理论和数学形态学进行板材缺陷图像分割和边缘提取,能有效的克服传统方法中缺陷图像提取受背景纹理影响大的不足,为后续的木材表面缺陷的识别打下坚实的基础,提高木材的使用率,对木材表面缺陷识别具有实际意义。     

基于Gabor变换的纹理图像分割算法及应用

基于Gabor小波的多尺度、多方向性,结合模极值特征提取方法和聚类算法提出一种新的纹理图像分割算法,并将算法应用到竹材横端面的识别中。二维Gabor小波可以在空域、频域和方向上获得最佳的分辨率,利用其对纹理图像进行分解,提取图像模极值纹理特征,用聚类算法对纹理图像进行分割。实验结果表明,提出的方法对合成纹理图像有理想的分割效果,并能够很好地对自然纹理图像进行分割。算法在竹材横端面的分割识别中,取得了很好的效果。     

GVF Snake模型在木材表面缺陷分割的应用研究

针对木材表面存在纹理、凹凸结构、边缘颗粒和弱边缘等特点,对其直接运用Snake模型进行分割难以得到有效边缘提取,因此提出运用改进的GVF Snake模型和维纳滤波相结合对其进行分割。首先对木材图像进行维纳滤波使得纹理变得平缓,同时可以使得缺陷边缘得到有效保留,再对其进行GVF Snake模型分割。该算法对初始轮廓的选择敏感度降低,拓展性增强,可以使得轮廓曲线更加快速地收敛到缺陷边缘,避免陷入局部最优现象,提高对弱边缘和凹凸图像分割效果,分割结果更加清晰、连贯,具有良好的实时性。为木材表面缺陷的分割提供一种更为有效的方法,拓宽了snake模型的应用范围。     

MATLAB用于木拱廊桥构件缺陷的图像检测

基于MATLAB数字图像的原理和方法,对木拱廊桥构件的表面缺陷图像进行增强,内部应力波图像进行区域分离及面积计算,研究不同柱身缺陷的纹理特征对应力波图像的影响。结果表明,MATLAB对木构件表面缺陷及内部应力波图像处理效果较好。根据分离区域面积分析及应力波图像纹理特征计算结果,像素面积及熵值等可作为应力波图像分析的重要评价指标。     

基于图像分解的单板节子缺陷图像修补方法研究

分析了我国单板生产过程中单板节子缺陷修补存在的问题和木材纹理在工业生产中的重要作用,针对带纹理的单板缺陷图像修补问题,提出了一种新的基于图像分解的修复方法。首先采用基于最小化总体变分的去噪算法对单板图像进行分解,提取出带纹理缺陷单板的结构部分与纹理部分;然后对单板结构图像采用改进的BSCB算法进行修复,对纹理部分采用扩展基于样本块的Criminisi算法进行修复,最后将修复好的图像叠加合成,通过实验验证了该方法的有效性。实验结果表明,该方法对带纹理单板缺陷图像的修复效果要优于采用单一方法的修复效果。     

基于不变矩特征木材纹理的研究

不变矩是模式识别中的一种重要方法,它具有平移不变性、比例不变性和旋转不变性等优点。本文将其引入到木材纹理的计算机视觉研究领域,提取了木材纹理的不变矩参数,并用提取的特征参数对木材纹理进行了分类研究,最近邻分类器的正确率为86.67%,获得了较高的分类正确率,从而验证了不变矩参数对木材纹理描述的有效性。     

基于空间灰度共生矩阵木材纹理分类识别的研究

以10种木材纹理样本为对象,研究了木材纹理参数体系的建立方法,并进行了分类识别的仿真实验。首先,针对木材纹理特点并结合类别可分性判据,构造了适于描述木材的空间灰度共生矩阵,并在此基础上提取了木材的11个纹理特征参数。其次,借助相关性分析对参数进行了特征选择,进而建立了能直接与人的感官对应的木材纹理参数体系。最后,利用 BP 神经网络分类器对木材样本进行了分类识别研究,识别率为87.50%,验证了参数体系的有效性,表明用本文提出的纹理参数体系对木材进行分类识别是可行的。     

基于灰度共生矩阵的纹理图像分类研究

对纹理图像的特征提取及分析在现实中有广泛的应用价值。本文通过对灰度共生矩阵的介绍，提出一种基于灰度共生矩阵提取纹理图像特征，并用神经网络进行分类器设计的方法。仿真结果显示，有较好的分类效果。     

基于高斯-马尔可夫随机场的木材表面缺陷类型识别

为了识别死节、活节和虫眼三种木材表面缺陷类型,本文采用高斯-马尔可夫随机场模型提取木材表面缺陷图像的纹理参数,结合缺陷区域的矩形度和伸长度两个几何特征,形成14维特征向量.设计三层BP神经网络来识别缺陷的类型.试验表明,三种缺陷的整体识别正确率达到96.67％,验证了该方法的有效性.