论文部分内容阅读
木材分类是木材工艺品生产的重要环节,目前的分类方式以人工为主,人工资源需求量大,分类准确率与效率都偏低。随着机器视觉和模式识别理论的不断发展和完善,将它们应用于木材加工制造中,已经成为了木材产业走向自动化和智能化的必要途径。 论文比较了不同颜色空间模型,对比分析了不同颜色特征提取方法,提出了基于Lab空间的主色调掩膜提取法,精确提取主色区域颜色特征;阐述了灰度共生矩阵和Gabor变换的原理,并实现了两者对纹理主方向特征的提取,实验验证了Gabor滤波模板对纹理主方向获取的有效性;给出了木材表面几类缺陷的算法检测流程,在结疤缺陷检测过程中,提出了多尺度自适应阈值化方法,在实验验证的基础上得以实际应用。 针对每类只有一个训练样本,利用全局颜色特征训练分类器导致分类效果不佳的情况,论文提出了基于Lab颜色空间的木材主色掩膜法,获取与人眼观测相符的主色调区域模板,能够有效提取排除纹理和缺陷部分的主颜色区域的颜色特征,实验验证不同时期不同样品的颜色分类效果很好。 针对GLOM对非O°、45°、90°、135°四个方向的纹理方向的不敏感性,论文试验了Gabor变换计算5尺度8方向的Gabor滤波模板,提取纹理主方向特征,能够获取较准确的纹理角度,为进一步满足产线效率,解决Gabor多尺度多方向滤波模板获取耗时的问题,提出以固定滤波模板代替Gabor滤波模板,试验表明,兼顾效率和可行性。 针对传统阈值化方法无法兼顾不同形态、不同色差的结疤缺陷的检测这一问题,论文提出了结合多尺度的思想,动态改变滑动窗口的大小,得到了多尺度局部自适应阈值化算法,结合各尺度窗口下的检测结果作为最终结果,有效解决了大结疤缺陷漏检的情况。 实际应用中对不同时间段不同木材样品的分类效果表明,颜色和纹理分类错误率在0.01以下,且能准确检测出常见的缺陷木材,可见,该木材在线分类及缺陷检测系统具有较高的应用价值。论文创新点和特点在于: 提出了基于Lab空间的主色调掩膜提取法,能够准确提取符合人眼观测的主色区域颜色特征,使得在每类只有一个训练样本的情况下,依然能够获得显著的颜色分类效果; 优化了木材纹理主方向特征提取方法,能够同时满足产线的高效率和纹理角度检测的准确性; 提出了多尺度自适应阈值化算法,可以兼顾形态差异大,色差差异大的结疤缺陷的检测,达到尽可能减少漏检情况的效果。