论文部分内容阅读
现如今,木材加工与生产飞速发展,加工产业的集约化使得木材工业产品生产量大幅增长。在这一生产过程中,人们对于木材表面的加工质量要求愈发严格,木材表面质量直接影响到木材产品的经济效益和感官价值,因此,对于这一方面的苛求使得传统的人工目视检测的方法难以胜任。所以,结合图像处理技术对木材表面缺陷的识别和分类的研究具有重要的意义和应用价值。本论文将活节、死节、裂纹这三种木材缺陷作为主要研究对象,深入研究了关于木材表面缺陷图像处理及模式识别等问题,提出基于小波变换和LBP的木材表面缺陷特征提取的新算法,对木材表面缺陷识别展开多尺度分析。图像分割是实现木材表面缺陷图像识别的首要工作,本论文介绍并探讨了几类阈值分割技术,并选择最佳阈值分割迭代算法,应用于木材缺陷图像的分割;归纳并比较了几类边缘检测算法,对比效果,选取最佳分割效果的边缘算子,为后续工作打下基础。本论文重点研究了关于木材缺陷图像特征提取的问题,为了更好地提取缺陷区域的局部纹理特征,深入探讨了LBP(Local Binary Patterns)纹理特征算法。本文提出了基于小波变换和LBP算法的木材表面缺陷纹理特征提取方法,并在此基础上,提出一种多尺度的二级木材缺陷分类方法。(1)将木材缺陷图像进行一层小波分解,得到一幅低频子图像和三幅高频子图像。(2)对于低频子图像提取缺陷区域的形状特征,对于得到的每一幅高频子图像提取均匀LBP纹理特征。(3)应用形状特征对缺陷分类,区别节子和裂纹;应用LBP纹理获取多维特征向量,作为分类器的输入向量,进一步区分死节和活节。本论文分别采用了BP神经网络和支持向量机这两类分类器进行木材缺陷识别,实验结果表明,两种分类器对于裂纹和节子的识别率均达到90%以上,识别效果良好。但是,对于死节和活节的识别,由于样本特征维数很高,支持向量机在进行识别过程中更具优势,识别时间更短,识别更加精确。实验结果表明,运用本文提出的基于小波变换及LBP的木材表面缺陷识别算法能够有效解决木材缺陷识别的问题,且该方法具有一定优势。