论文部分内容阅读
木材属于天然的有机高分子化合物,在国民经济中,扮演重要角色。是重要的可再生原料同时也是必不可少的生活资源。但是目前市场上木材质量良莠不齐,商家以次充好,且很多木材纹理走势相似,依据肉眼难以辨别。在划分木材质地,鉴别木材种类和真伪中,仍存在许多困难。因此对木材树种的分类方法上仍需不断探索,推陈出新。目前使用的分类算法仍有些许不足,大部分分类过程仅仅依靠所采集的光谱信息,对木材图像纹理信息的挖掘深度不够,没有充分利用显微高光谱图像“图谱合一”的特点。此外,监督分类算法中支持向量机在处理非线性问题方面以及应对维数灾难上发挥特有的优势,但对于核函数的选取和应用较为单一,因此本论文在此基础上,针对上述问题,在复合核的框架下,提出有效的光谱信息与图像纹理信息融合的方法对木材分类。针对二十种木材树种的显微高光谱数据信息,本文的主要内容和工作如下:(1)基于分形理论的显微高光谱图像的图像纹理特征提取将分形理论引入显微高光谱成像的木材分类中,本文提出了应用多重分形谱的显微高光谱木材纹理特征提取方法。采用自适应波段选择和K-L散度两种降维方法挑选特征波长,降低波段数量,减少运算量。提出了三种不同的函数密度函数:图像亮度函数、图像梯度函数、图像的拉普拉斯算子函数,对所选波段对应的纹理图像进行划分,划分成若干个二值图像,使用盒维数的方法对划分后的图像求解其分形维数,即可得到多个分形维数的值,也对应着得到多条分形曲线,最后平均即得到多重分形曲线。提出的多重分形方法相对于传统的纹理提取算法,如灰度共生矩阵以及小波纹理提取,识别精度有大幅度的提升。(2)基于光谱信息和图像纹理信息融合的木材树种分类对显微高光谱图像选取一定大小的感兴趣区域,提取其平均光谱数据。先采用Savitzky-Golary卷积平滑算法、多元散射校正、标准正态变量变化三种光谱预处理方法对其进行降噪及平滑。采用竞争性自适应重加权算法和连续投影算法两种算法对光谱进行降维,挑选出特征波长,提取出二十种木材的光谱信息。针对采集的显微高光谱具有“图谱合一”的特点,在获取图像信息的同时还可以得到对应波段信息。若仅仅采用单一的分类特征并不能充分表示。本文融合木材的图像纹理信息和光谱信息送入分类器,采用应用较多的有监督分类算法支持向量机、相关向量机、BP神经网,最后实验对比分析,支持向量机的分类效果较好,特别是在在处理标记有限的样本时,具有较好分类和泛化能力。因此在复合核函数的框架下,提出五种复合核函数建立图谱信息融合的分类模型,通过与单一特征信息模型对比,采用第二个复合核函数的识别精度最高、分类效果最好,识别率为97.26%。因此采用复合核函数支持向量机对图谱信息进行融合,提升了不同特征间互补的利用率从而提升分类精度。