基于小波变换的频域内的木材美化研究

通过对木材图像进行3尺度的小波变换,在高频内判断图像的美化点,对确定的美化点进行美化处理,用蜂值信噪比、均方误差值和灰度曲线对美化效果进行评价。研究结果表明,该方法不仅美化了木材图像,也保留了木材纹理信息,同时用灰度曲线可以直观地分析图像的美化效果。     

基于小波与曲波遗传融合的木材纹理分类

针对木材表面存在的直纹、抛物纹与乱纹3 类纹理,提出一种快速、准确的分类方法。分别提取小波变换的 15 个特征与曲波变换的16 个特征,通过设计纹理类型的遗传网络分类器,遗传优选出14 个主要特征;最后,运用 BP 网络构建基于优选特征量的纹理分类器。对3 类300 个样本进行了仿真实验,基于小波变换、曲波变换和遗传 融合方法的平均分类准确率分别为86.5%、89.3%和90.9%,平均分类时间分别为0.025、0.563 和0.216 s。实验 结果表明:小波变换对直纹分类具有较好的分类效果,但缺少方向性,对复杂纹理分类精度低;曲波变换可用于表 达复杂的木材纹理特征,但特征计算时间较长;基于遗传融合的特征提取方法,融合了小波分类速度快与曲波分类 精度高的特点,实现了小波与曲波的特征有效选择,提高了纹理分类的速度与分类精度。      

基于小波分解与分形维的木材纹理分类

为了对木材纹理进行分类,用Symlet-4小波对1 000幅木材纹理图像进行了2级分解并重构,形成8幅子图像。利用自相关函数对8幅重构图像及原图像计算了分形维数。分析表明:原木材图像的分形维数反映了木材纹理的总体规则性和复杂程度;多分辨率下,各近似和水平、垂直、对角三个细节图像的分形维数描述了纹理细节,当木材纹理细致时,图像的分形维数较小;当木材纹理粗糙时,分形维数较大。     

木材纹理的定量化算法探究

分析了基于数字图像处理学的一些算法对木材纹理定量化的可行性, 包括: 自相关函数、灰度共生矩阵、行程长度统计、快速傅里叶变换功率谱函数、小波、分形、自回归模型、Radon函数变换等, 并评价了这些算法对木材纹理定量化的针对性以及优缺点     

一种基于轮廓波变换的高效率去噪算法研究

为提高地震属性剖面的信噪比和空间分辨率,提出了一种基于轮廓波变换的高效率去噪算法。该方法利用地震剖面能量分布的空间特征,结合9-7正交滤波器组和方向滤波器组对原始采集的地震剖面进行多尺度分解,根据有效地震信号和噪声信号分解后的差异性设计了一种自适应的阈值滤波器,通过拉普拉斯金字塔重构地震数据实现轮廓波变换去噪。试验结果与小波变换算法的去噪结果对比论证表明,基于轮廓波变换的高效率去噪算法能够有效压制噪声,提高地震信号的信噪比,处理后效果较小波变换有明显提高。     

基于小波变换的自适应多用户检测算法

在分析传统自适应多用户检测的基础上 ,提出了一种基于小波变换的自适应多用户检测算法。用小波变换进行前处理 ,然后再通过 LMS算法实现自适应多用户检测。与通常的自适应多用户检测算法相比 ,该算法利用了小波变换对小波空间进行了分解 ,信号经小波变换后自相关性会下降 ,收敛速度提高。同时在此分解过程中 ,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明 ,该算法收敛速度较快 ,计算量增加较少 ,易于实时实现 ,而且具有良好性能。同时仿真实验表明 ,收敛速度与小波基选择有关 ,对于同一小波基系列 ,小波基的正则性越好收敛速度越快     

曲波域木材纹理特征提取及分类算法研究

提出了一种基于离散曲波变换的木材纹理识别算法。对于待分类纹理图像进行基于USFFT的曲波域分解,在不同子层的曲波域系数中选择典型矩参数构成特征向量,并利用Brodatz纹理图像数据库以及自建的木材纹理图像库进行了仿真实验,实验结果证实了所提算法的有效性。     

基于小波变换的木材纹理去噪研究

通过对木材图像进行3尺度的小波变换,在高频内判断并提取噪声点,最后对确定的噪声点进行平滑处理,用峰值信噪比、均方误差值和灰度曲线对去噪效果进行评价.研究结果表明,该方法不仅对木材图像具有明显的降噪效果,也能最大限度的保留有用的木材纹理信息,同时本文采用的灰度曲线(profile)可以直观地分析图像的去噪效果.     

基于Curvelet和小波变换的纹理图像识别

提出了一种基于Curvelet变换与小波变换相结合的纹理图像分类算法.小波变换在分析点奇异信号时具有良好的性能,而Curvelet变换更适合分析图像中的曲线或直线状边缘特征.算法通过提取两者分解子波段的统计学和灰度共生矩阵特征,采用支持向量机对纹理图像进行分类.实验结果表明,和单一的多分辨率变换特征提取相比,该算法具有更高的分类准确率.     

基于地面光谱水稻重金属胁迫监测光谱特征尺度识别

为探究地面高光谱遥感监测不同光谱尺度对水稻重金属胁迫区分度,以不同污染水平地面ASD高光谱数据为基础,通过光谱敏感特征优选确定450～900 nm为水稻重金属胁迫敏感波段,利用DB5小波变换产生的多尺度小波特征系数模拟不同光谱分辨率,结合小波参数的信息熵特征和分形维数特征,对水稻重金属胁迫特征光谱尺度进行识别,通过构建胁迫相关的叶绿素光谱指数 MCARI/OSAVI、NDSI_R、Depth验证所识别的特征尺度的可靠性和精准性。结果表明：①小波分解各尺度细节系数计算出的信息熵在分解的5～7尺度附近不同胁迫水平有明显的特征转折点;②随着分解尺度的增加,不同胁迫水平的分维数差异值变小,第5尺度是水稻受不同重金属胁迫8层尺度分解和重构下光谱曲线尺度的最明显的转折点,在尺度5下,光谱曲线的峰谷细节得到更好的反映; ③研究水稻重金属污染光谱特征尺度既保留光谱信息的主要特征,又最大程度的减少了光谱数据量,不仅提高了水稻重金属污染监测的效率而且为环境监测提供了新的手段。     

木材横切面显微图像特征参数的主成分分析

提取了230种木材横切面的21项显微构造特征参数及11项图像纹理特征参数，采用SPSS软件对这32项特征参数进行主成分分析，得出前7个主成分集中了32个变量的80％以上的信息；在相关分析的基础上，筛选出能基本表达木材横切面显微图像主要特征，且相对独立的13项，表征了横切面上主要细胞的形态特征与尺寸大小、主要组分的含量及横切面显微图像主要纹理特征（对比度、周期大小与复杂度等）。     

交趾黄檀和奥氏黄檀木材解剖构造比较

通过观察比较交趾黄檀和奥氏黄檀木材的宏观、显微构造；结合图像测量分析系统测定、分析各种细胞的形态特征。结果表明，两者均为散孔材，生长轮明显；心材均黄褐色至红褐色；管孔类型均以单管孔为主，偶见径列复管孔；管孔内红褐色树胶明显。交趾黄檀导管细胞以圆柱形细胞为主，而奥氏黄檀导管细胞以鼓形导管细胞为主，两者均有矩形细胞，而纺锤形细胞只在交趾黄檀中可见。两者木纤维均腔小壁厚，壁腔比分别为0.72和0.57；木纤维细胞在横切面均以椭圆形、多角形为主；在纵切面呈纺锤形，少数奥氏黄檀木纤维末端呈树枝状分歧。两者轴向薄壁细胞丰富，在横切面上为同心层式窄带状，其中交趾黄檀在宽度上较奥氏黄檀多1~2个细胞。纵切面上均呈长方形或近似长方形。交趾黄檀和奥氏黄檀木射线均由横卧射线细胞组成，两者木射线高度相对接近,两者长宽比分别为6.08和9.23，即前者长宽比较后者小。交趾黄檀和奥氏黄檀均含分室含晶细胞，前者结晶细胞较后者少。     

灰度直方图在木材表面缺陷检测中的应用

提出了一种基于灰度直方图检测木板材表面缺陷的方法。对图像以4×4像素块作25级灰度直方图分析,根据灰度直方图统计中是否有颜色突变来判别木板材是否存在缺陷。缺陷图片在直方图中表现出双峰特征,利用次波峰确定缺陷部位,但判别时应排除杂色与纹理因素的干扰。比较次波峰与主波峰的值来消除木材杂色所产生的影响,即当差值大于1/10时,次波峰代表缺陷颜色。与此同时,借助于直方图修正排除纹理因素造成的干扰。该方法能有效地识别缺陷图像与正常图像。     

阿拉山口口岸进境木材截获小蠹虫鉴定与分析

对阿拉山口出入境检验检疫局从进境木材中截获的11种小蠹虫的寄主、分布、危害及主要形态鉴定特征等进行了描述,并分析了其经济及检疫重要性,为国内同类口岸进境木材检疫鉴定提供了参考。     

白蜡木和水曲柳木材构造特征及提取液化学成分的GC-MS分析

对白蜡木和水曲柳的木材构造特征和提取液化学成分进行辨析，为白蜡木和水曲柳的辨识提供理论依据。木材宏观与微观构造试验结果表明，2种木材均具有白蜡木属木材的基础构造特征，但在材色、薄壁组织、木射线宽度与含树胶方面稍有不同；白蜡木心材呈现浅黄褐色，而水曲柳心材为栗褐色；水曲柳轴向薄壁组织含有树胶；白蜡木多列射线较宽，而水曲柳多列射线较窄且常含树胶。木材的石油醚提取液气相色谱-质谱（GC-MS）分析发现，白蜡木与水曲柳提取液中分别鉴定出5种和7种相对含量较高的化合物，且相对含量最高的成分均是邻苯二甲酸单（2-乙基己基）酯，分别达到58.647%、58.486%；水曲柳特有化合物为:氯代十八烷和Terephthalic acid,2-ethyhexyl octyl ester，相对含量分别为2.548%、10.770%。这2种化合物可作为辨别2种木材的特征化学物质。     

硅酸盐浸渍改性对杉木视觉物理量的影响

  目的  对杉木素材与硅酸盐改性材的弦切板与径切板材色、光泽度、纹理进行测量与对比,分析硅酸盐改性处理对杉木视觉特性的影响规律。旨在为硅酸盐改性材的大规模应用提供理论依据,指导杉木改性材相关产品的研发。  方法  在改性前后,对100 mm × 100 mm × 20 mm的杉木径切板和杉木弦切板的材色、光泽度、纹理进行测量,分析改性处理前后杉木视觉物理量的变化规律。  结果  改性后,弦切板与径切板的红绿色度值分布区间分别为2.0 ~ 6.0和2.5 ~ 5.5,黄蓝色度值分布区间分别为17.5 ~ 24.0和18.0 ~ 24.0,两组数据均较素材小。明度值分布区间也有所下降,为61.0 ~ 71.0,表明改性处理对杉木的色彩倾向有所均衡,在明暗程度上也有一定影响。杉木素材的平行纹理光泽度（GZL）、垂直纹理光泽度（GZT）、光泽度比（GZB）分别为5.54%、4.32%、1.28,杉木改性材的GZL、GZT、GZB分别为3.32%、2.86%、1.16。两种杉木的GZL均略大于GZT,呈现一定的线性关系。改性后,光泽度线性趋势更加明显,而且数据也更为集中。杉木改性材的纹理粗细、纹理间距、纹理疏密度分别为0.55 mm、9.51 mm、0.06,与素材差别微弱,表明改性处理并没有对纹理的疏密程度产生影响。改性材弦切板与径切板的纹理灰度与背景灰度分布区间都较素材有所降低,说明改性处理使得杉木的纹理与背景的灰度等级变得更高。杉木改性材的纹理灰度与背景灰度分布较素材松散,两者呈一定的线性关系但不紧凑。  结论  硅酸盐改性处理对木材颜色影响较小,杉木基本上维持了原有的颜色特征。杉木改性材光泽度略小于素材,基本分布规律相同。改性处理对纹理间距与纹理粗细的影响微弱,改性材仍保持同素材一样的纹理疏密程度,改性后的杉木纹理灰度值与背景灰度值差别变大,对比度稍高,使得改性杉木的纹理较素材更明显。      

融合频谱变换的板材纹理缺陷分类

为了实现板材表面纹理和缺陷的自动分类识别,提出一种融合小波、曲波和双树复小波3种频谱变换的板材表面纹理和缺陷的快速协同分类方法。分别提取小波变换的14个特征、曲波变换的16个特征和双树复小波变换的38个特征;融合三者特征以及整幅图像的标准差和熵,采用粒子群算法优选出24个关键特征;运用BP神经网络作为分类器,针对乱纹、抛物纹、直纹、活结和死结5种类别的300幅图像进行仿真实验,基于小波变换、曲波变换、双树复小波变换与特征融合方法的平均分类正确率分别为80.0%、81.1%、84.2%、88.0%,分类平均时间分别为0.018、0.503、0.021、0.325 s。实验结果表明,特征融合方法实现了对小波特征、曲波特征和双树复小波特征的有效选择,提高了分类的速度和精度。     

不同温度热处理对木材耐久性的影响

以落叶松和大青杨的木材为试材,用生物质燃气对其进行热处理,处理温度为150-210℃,处理时间为4h。对热处理材进行室内抗白蚁和野外埋地试验,研究不同温度热处理对落叶松和大青杨2个树种热处理材的室内抗白蚁和天然耐久性影响。结果表明,在室内抗白蚁试验中,随着热处理温度的升高,落叶松和大青杨热处理材的失重率均呈现增加的趋势,热处理后试材的室内抗白蚁性能降低,且随着处理温度的提高抗白蚁性能降低明显;热处理温度对落叶松试材的天然耐久性有较大影响,随着处理温度的提高,其天然耐久性越好,呈现增加的趋势,且在190℃时出现性能显著变化点;大青杨试材的天然耐久性变化规律与落叶松相反,随着处理温度的升高,其天然耐久性呈现降低的趋势,且在180℃时出现性能显著变化点。     

基于小波变换的木材声发射驻波信号特征研究

为研究木材损伤断裂时的声发射(AE)信号所激发的驻波信号特征与木材固有特性之间的关系,采用薄木条折断的方式产生AE源,在小波变换的基础上分析驻波频率,并计算纵波传播速率,依据弹性波理论计算出木材顺纹弹性模量(MOE)。首先,在2种不同长度的木材试件一端分别加工出8根80 mm×10 mm的薄木条,通过外加冲击力折断木条以产生AE源,通过放置在试件端面的2个传感器采集原始AE信号,采样频率设定为500 kHz。然后,根据驻波特性确定原始信号的驻波阶段,进而对该阶段AE信号进行4层小波分解,依据分解后信号的时频域特征析取驻波信号波形。最后,依据驻波产生原理计算纵波传播速率,并结合弹性波理论计算试件的MOE。结果表明,拉伸试验测得樟子松和榉木试件的MOE分别为9.30 GPa和11.63 GPa, 800 mm樟子松和榉木试件通过驻波计算所得MOE分别为9.37 GPa和12.34 GPa,与实测MOE的误差分别为0.75%和5.24%;600 mm的樟子松和榉木试件通过驻波计算所得MOE分别为9.31 GPa和11.81 GPa,与实测MOE的误差分别为0.10%和1.55%。     

基于小波压缩的木材密度近红外光谱的预处理研究

近红外光谱数据维数多、数据量大,直接保存需要庞大储存空间,且海量数据会对网络化在线检测的分析速度和准确性产生影响。为探讨应用小波压缩进行近红外光谱预处理的可行性及其对枫桦木材密度预测精度的影响,通过强光探头采集木材圆盘的近红外光谱,在Matlab软件中应用小波变换法对枫桦木材密度近红外光谱数据进行压缩。结果表明:当小波基sym2分解层为6时,基于均衡稀疏标准形式的全局硬阈值压缩效果最好,将2 151个变量压缩成38个小波系数,其能量保留成分、零系数成分、压缩比分别为99.66%、98.34%、56.61%。用未处理光谱数据和压缩后的38个小波系数分别建立偏最小二乘定标分析模型,同时做内部交叉验证,并用未处理和压缩后的预测集做外部检验,得知压缩后校正模型对压缩后样品预测能力较好,预测决定系数为0.913 9。因此,小波压缩可有效简化近红外光谱数据,提高近红外光谱对枫桦木材密度的预测精度。