基于高斯-马尔可夫随机场的木材表面纹理分类

阐述了高斯-马尔可夫随机场模型的基本原理,建立了木材表面纹理的2-5阶高斯-马尔可夫随机场(Gauss-MRF)模型,用最小二乘法估计了300个木材样本表面纹理的2-5阶Gauss-MRF参数。数据分析表明,各不同纹理特征参数之间具有明显的分布性;Gauss-MRF参数值最大的参数所表示的纹理集聚方向为纹理的主方向;对于纹理主方向相同的样本,纹理越细致,其相应参数越大,而其他参数越小;Gauss-MRF阶数越高,纹理描述越细致;在2阶Gauss-MRF模型情况下,弦切纹理的B1参数大于径切纹理的B1;弦切纹理的B2、B3、B4分别小于径切纹理的B2、B3、B4。根据分离判据的值,确定以5阶Gauss-MRF参数为特征向量进行初步聚类,总体正确率为88%。     

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.     

基于高斯-马尔可夫随机场木材纹理特征的研究

将高斯—马尔可夫随机场(GMRF)引入木材纹理的研究,提取了二阶与五阶特征参数,并对二阶特征参数做了详细分析,得出通过θ2可以判断纹理的主方向,而结合θ1、θ2、θ3、θ4能够区分开木材的弦切和径切纹理。将五阶特征参数组成的特征向量输入给BP神经网络分类器,其分类识别率约为85%,表明了高阶GMRF参数对木材纹理描述的有效性。     

基于图像纹理的板材纹理模拟再现方法研究

纹理是木材的重要特征,模拟纹理具有极高的工业价值。对视频采集到的板材纹理图像进行灰度化、中值滤波去噪、二值化、腐蚀、膨胀等处理,得到仅包含目标纹理的图像后检测纹理边缘。对板材纹理横断面通过数学描述结果进行模拟,切面通过在图像上选择合适的边缘点进行模拟,以实现板材纹理的模拟再现,并以水曲柳为例分析模拟纹理。     

基于Markov随机场的木材表面缺陷图像分割方法

针对木材表面缺陷的彩色图像,建立Markov随机场分割模型,采用EM法估计了模型参数,采用模拟退火算法(SA)和条件选代算法(ICM)求解分割结果.试验表明,Markov随机场能对木材表面缺陷图像进行有效分割,但对死结图像存在欠分割现象.SA分割效果要优于ICM,但SA算法计算过程复杂,用时较长.     

基于分数布朗随机场与分形参数的原木漏节图像处理

本文提供了一种基于分形理论中分数布朗随机场模型和分形参数H值的X -射线原木漏节图像处理方法。分数布朗随机场模型是描述自然景物的有效方法 ,在图像区域的小范围内 ,灰度表面具有统计意义上的自相似性 ,但在不同图像区域的交界处 ,这种分形的规律性将会被破坏 ,在此求出的分形参数H值将会发生奇异 ,据此可以判断出该处为图像的边缘或交界处。从试验的结果可以看出这种方法对X -射线原木漏节图像非常有效 ,同时对计算机进行自动模式识别有重要意义     

实木板材无损检测中三维点云数据的预处理

在实木板材检测过程中,利用激光线扫描技术,以设定的速度扫描待测木材的表面,获取三维数据,可实现实木板材无损检测、缺陷定位和三维模型重构。然而,三维激光轮廓扫描仪采集的原始数据不仅存在噪声的干扰,而且其密度一般也非常大,影响检测结果和后续重构。通过对采集到的实木板材表面轮廓点云数据进行预处理,不仅可以去除噪声干扰,降低点云密度,而且可将对后续重构无影响的背景点云数据去除,简化重构过程,保证曲面重构过程的精度、简度和速度。使用Chroma+Scan3350型激光轮廓扫描仪,配合实木板材无损检测装置,采集了赤松板材和樟子松板材图像,围绕采集到的原始点云数据进行预处理。在分析点云数据的噪声来源的基础上,对噪声数据进行分类,并依次滤除,可通过曲线检查法和弦高差法去除少量的异常点,根据线扫描点云数据特点,在对比高斯滤波、平均滤波、中值滤波和小波滤波的平滑处理结果后,最终选取小波滤波进行数据平滑,取得了良好的滤波效果,很好地保留了原始点云数据的上升沿、下降沿等特征信息和曲线的棱角特点。对比角度-弦高联合法与曲率采样精简法的点云数据精简结果,选取曲率采样精简法对数据进行精简,精简效果好,速度较快。     

板材纹理计算机视频检测技术及应用

介绍了板材纹理计算机视频检测技术的发展、视频检测的特点及主要方法、识别理论和相关技术的发展,提出了板材纹理计算机视频检测技术的应用前景。     

基于图像的木材机械加工表面质量评价研究

实现木材机械加工表面质量自动评价对保证木制品质量和提升其价值有重要意义。根据ASTM_D1666-87R04标准中规定的测试方法,对樟子松、白桦、水曲柳板材进行压刨和砂光加工试验,得到有Raised grain、Fuzzy grain、Chip marks缺陷和无缺陷的木材试样。扫描木材试样以获取其表面图像,计算图像的直方图纹理特征和小波纹理特征。对每种特征分别建立基于BP神经网络的分类器并进行训练和测试。测试结果表明,小波纹理特征分类器的正确率达到91.3%,其评价效果优于直方图纹理特征分类器。     

基于深度学习特征和非线性支持向量机的板材表面缺陷识别方法

深度学习是一种有效的特征学习方法,具有很强的自主学习能力。研究了基于深度学习特征与非线性支持向量机(NSVM)分类算法相结合的板材表面缺陷识别方法。首先,针对深度学习模型需要海量训练数据的特性,使用旋转剪切的方法对采集到的原始板材表面缺陷图像进行数据扩增;其次,使用扩增后的板材表面缺陷图像数据集对笔者提出的深度卷积神经网络(CNN)模型进行训练,并使用训练好的网络提取不同种类缺陷图像的深度特征;然后,为了消除深度特征中的冗余数据,并增强数据的表达能力,运用基于1范数的非贪婪主成分分析(Non-greedy PCA-L1)算法对板材的深层语义特征进行特征降维和特征增强;最后,运用增强后的深度特征训练NSVM模型,并使用训练好的NSVM模型对原始板材表面缺陷图像的测试集进行分类。实验结果表明,笔者提出的识别方法具有较好的鲁棒性和实用性,可取得目前较好的分类效果,针对结疤、压痕和无损3种板材表面缺陷识别率可达99%以上。     

不同织构形式硬质合金表面与木材径切面的摩擦性能

合理的微坑型微织构已被证明具有改善木材和硬质合金表面间的摩擦特性。采用微凹坑型织构、微凹槽织构和微网格型织构3种织构形式,在相同织构面积占有率条件下,通过摩擦特性试验与理论分析相结合,研究不同织构形式对木材表面摩擦系数的影响。研究表明:在相同织构面积占有率条件下,不同织构的类型和表面形貌对硬质合金试样与木材表面摩擦的摩擦系数有不同的影响,受摩擦长度、凹槽微织构宽度、微织构角度等织构参数的影响。当微织构与木材发生摩擦时,摩擦区域织构面积越大说明两者间实际接触面积越小,且面积越大,捕捉磨屑和硬质点的能力越强;而主制动力越小,其产生的摩擦系数越小。在相同压力和织构面积占有率条件下,不同类型的织构试件与木材表面产生的摩擦系数均小于非织构(平面)型表面产生的摩擦系数。其中:微坑型织构产生的表面摩擦系数最小,为0.116;凹槽型织构产生的表面摩擦系数最大,为0.182;网格型织构随着织构角度的减小,其产生摩擦系数越小。     

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     

微坑型微织构硬质合金表面对木材摩擦特性的影响

【目的】探讨木材含水率、木材切面和纤维方向以及运动速度等因素对木材表面摩擦系数的影响规律,为设计更加合理的木材切削刀具表面织构形式提供参考和指导。【方法】以水曲柳和樟子松为研究对象,在具有不同微坑直径硬质合金表面条件下,研究木材含水率、木材切面和纤维方向以及运动速度等因素对木材表面摩擦系数的影响。【结果】与无微坑表面相比,当微坑直径为60μm、含水率为67%±3%时,在水曲柳表面产生的摩擦系数由0. 151降低到0. 091,降幅为39. 7%,在樟子松表面产生的摩擦系数由0. 241降低到0. 164,降幅为32. 0%。木材径切面上纤维方向差异对表面摩擦系数的影响不大,但在横切面上,微坑直径越小,其表现出的摩擦系数越高。摩擦过程中运动速度对表面摩擦系数的影响与木材中的水分有较大关系,当含水率处于生材状态时,表面摩擦系数随运动速度增大而降低,且微坑型结构表面产生的摩擦系数降幅明显高于无微坑表面,无微坑表面产生的摩擦系数由0. 160降低到0. 134,降幅为16. 3%,微坑直径为60μm时的摩擦系数由0. 124降低到0. 071,降幅为42. 7%。【结论】木材含水率状态对微坑型表面微织构与木材之间的摩擦系数影响较大,木材中自由水的存在有利于降低硬质合金与木材表面之间的摩擦系数。微织构直径越小,其接触角平均变化率越大,表面铺展速度越大,越有利于改善木材/硬质合金摩擦副的状态,使表面间的摩擦系数减小。     

Tree species recognition system based on macroscopic image analysis

An automated wood texture recognition system of 48 tropical wood species is presented. For each wood species, 100 macroscopic texture images are captured from different timber logs where 70 images are used for training while 30 images are used for testing. In this work, a fuzzy pre-classifier is used to complement a set of support vector machines (SVM) to manage the large wood database and classify the wood species efficiently. Given a test image, a set of texture pore features is extracted from the image and used as inputs to a fuzzy pre-classifier which assigns it to one of the four broad categories. Then, another set of texture features is extracted from the image and used with the SVM dedicated to the selected category to further classify the test image to a particular wood species. The advantage of dividing the database into four smaller databases is that when a new wood species is added into the system, only the SVM classifier of one of the four databases needs to be retrained instead of those of the entire database. This shortens the training time and emulates the experts’ reasoning when expanding the wood database. The results show that the proposed model is more robust as the size of wood database is increased.     

木材表面视觉物理量与感觉特性

从木材视觉特性的角度出发,介绍木材的颜色、光泽、纹理3个表面视觉物理量,论述这些物理量因子的产生、分布、特点及相关近年的研究等,从而导出各个物理量对人心里所产生的感觉,初步探讨木材的表面视觉物理量与环境学品质的关系。     

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。     

利用Radon函数变换对木材纹理方向自动检测的研究(英文)

本文提出一种利用计算机自动检测木材纹理方向的新方法。四种Matlab 图像变换函数被尝试用于木材纹理形状的检测。通过比较发现BWMORPH 是最适于检测木材这类中弱纹理的函数,并提取生成了木材纹理骨骼线图像;再对木材纹理骨骼线图像进行Radon变换,得到0°~180°范围内每一角度上的纹理线在投影变换域的积分值,并绘制出纹理线积分值随角度变化的二维曲线图以反映木材纹理角度上的变化规律。进而分析了国内40 个树种的纹理方向曲线图以及它们以针叶、阔叶树材和径向、弦向切面作区别的分类统计规律。结果显示,根据Radon 变换图及其纹理曲线图所反映的木材纹理的方向性规律与人们平常对木材纹理的印象相吻合。这也证明了此种新方法的有效性以及它的应用潜力。图7参6。