适于描述木材纹理的灰度共生矩阵构造方法研究

结合特征参数间相关性矩阵与木材纹理自身的特征,从灰度共生矩阵的11个特征参数中提取5个较独立的特征参数.利用可分性判据确定适于描述木材纹理的灰度共生矩阵构造因子取值(d=2,g=16).     

基于空间灰度共生矩阵的木材纹理特征提取

讨论了生成步长、生成方向、图像灰度级对灰度共生矩阵特征参数的影响，在对国内50个树种计算分析的基础上，得出适于描述木材纹理的灰度共生矩阵构造方法。结合了灰度共生矩阵特征参数间的相关性及木材纹理自身的特征提取出了一套表征木材纹理的特征参数。     

应用空间灰度共生矩阵定量分析木材表面纹理特征

引入空间灰度共生矩阵对木材表面纹理进行定量分析 ,在对国内 5 0个树种径弦向纹理计算、分析的基础上得出结论 :像素点对间距d取 3,像素点对角度θ在径向纹理时取 0°,在弦向纹理时取 0°、4 5°和 135°的平均值对于反映木材纹理的特点较适宜。在 11种纹理特征参数的基础上归纳出 4个纹理主成分因子 ;讨论了主成分上木材纹理的分布规律和特点 ,并具体对木材的径、弦向纹理分别进行了分析 ,得出了各自的变化特点 ;提出了纹理综合值的计算方法 ,以及通过纹理综合值判定 2种纹理间相似性的方法。     

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BP神经网络木材纹理分类的研究

应用 BP 神经网络对常见的10种木材纹理进行了分类研究,获得了比较满意的效果。首先,应用灰度共生矩阵提取了木材的纹理特征参数;其次,在此特征参数体系下,应用 BP 神经网络对木材纹理进行了分类研究,识别率达89%。     

噪声环境下木材纹理分类的研究

为了实现木材分类识别的自动化,应用灰度共生矩阵建立了木材纹理的参数体系,并进行了分类研究。首先在无噪声的环境下提取了木材的共生矩阵纹理原始特征参数,并对其进行特征选择,进而建立了木材纹理参数体系。对该参数体系进行噪声适应性测试的实验结果表明,无噪声情况下样本识别率为87.50%;0.2%￣1.0%椒盐噪声环境下样本识别率范围为87.00%￣88.00%。表明该参数体系具有良好的抗击噪声能力和一定的工程实用价值。     

基于灰度共生矩阵和Hu不变矩的东北虎纹理特征参数的探讨

在探讨东北虎个体识别的参数时,本文把灰度共生矩阵的7个特征参数和Hu不变矩抽象的10个形状特征公式相结合,根据相关系数分析选择其中的7个特征参数,最后利用BP神经网络进行分类识别,证明按照上述规则生成的7个特征参数有效,可以用于东北虎的个体识别。     

基于主分量分析木材纹理的特征提取

本文用主分量分析法分析了木材纹理的14个灰度共生矩阵特征参数，从中提取了4个综合参数，并分别统计了采用这两套特征参数，最近邻分类器，K近邻分类器和神经网络分类器对木材样本分类正确率，结果表明采用主分量分析提取的综合参数不仅能减少数据量，而且获得了较高的分类精度。     

灰度共生矩阵纹理特征与马尾松林测树因子关系初探

应用灰度共生矩阵的研究方法初步探讨了航片纹理图像与马尾松林测树因子之间的关系.根据最优建模结果,用角二阶矩这一纹理指标拟合得到的年龄模型最好,其相关系数的平方达到了0.556 6;用方差拟合得到的平均树高模型,其相关系数的平方为0.501 4;方差与郁闭度的相关程度不高,其相关系数平方仅为0.391 4.另外通过实验还发现,灰度等级越高,窗口越大,其纹理图像与测树因子之间的关系越显著.     

基于灰度-梯度共生矩阵的木材表面缺陷分割方法

根据木材表面缺陷图像的特点，提出了基于灰度-梯度共生矩阵模型和最大熵原理的木材缺陷图像自动阈值化技术。并且利用形态学运算对分割后的二值图像进行后期处理。经实验验证，该方法提取的木材表面缺陷图像效果良好：     

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。     

基于融合彩色特征木材表面颜色分类的研究

针对木材表面颜色自动分类的难题,在RGB颜色空间,将R、G、B三个颜色矩阵融合成一个特征矩阵,再对这个特征矩阵提取颜色三阶矩参数作为木材表面颜色分类的特征参数,设计了适合木材表面颜色分类的BP神经网络分类器,分类识别率达到98.67%,验证了提取特征参数的有效性。     

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     

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。     

基于分形理论的木材纹理特征研究

介绍了一种利用自相关函数来估算图像分形维数的方法，并将其应用到木材的纹理分类检测中。实验表明，分形维数值直接反映了木材纹理的粗糙程度，可定性地作为描述木材纹理粗糙度的一种度量。