基于免疫算法的木材疤痕識(shí)別的研究.pdf

1、隨著科技發(fā)展日新月異,圖像處理和模式識(shí)別越來(lái)越受到人們的重視,廣泛用于各種應(yīng)用中。木材資源作為我國(guó)的一種寶貴資源,由于需求量大和資源緊缺,提高木材利用率是永恒話題。對(duì)木材疤痕圖像進(jìn)行處理,以模式識(shí)別理論進(jìn)行分類(lèi)識(shí)別,不僅可以提高準(zhǔn)確率和快速性,而且對(duì)木材沒(méi)有損耗,節(jié)省大量人力物力。
　　免疫算法是一種新興智能優(yōu)化算法,具有許多獨(dú)特的優(yōu)點(diǎn),它模仿生物的免疫防御機(jī)制,在信息科學(xué)領(lǐng)域已顯示出其巨大發(fā)展?jié)摿?。本文針?duì)木材疤痕圖像所具有的特

2、點(diǎn),研究了一種用于疤痕圖像分割的免疫算法,為后續(xù)的特征提取和分類(lèi)識(shí)別做好充分準(zhǔn)備。
　　本文主要研究?jī)?nèi)容:
　　1、對(duì)采集的木材疤痕圖像進(jìn)行預(yù)處理,目的主要是通過(guò)各種方法提高圖像質(zhì)量。首先將彩色圖像轉(zhuǎn)換成灰度圖像,通過(guò)直方圖修正改善圖像的灰度對(duì)比度,增強(qiáng)視覺(jué)效果,然后利用改進(jìn)的均值濾波和加權(quán)自適應(yīng)中值濾波算子對(duì)圖像中存在的噪聲干擾進(jìn)行去除,由于去噪造成的部分程度的邊緣模糊化采用梯度法及拉普拉斯算子進(jìn)行銳化增強(qiáng)。
　　2

3、、針對(duì)預(yù)處理后的木材疤痕圖像,研究設(shè)計(jì)一種用于圖像疤痕分割的免疫優(yōu)化算法。該算法提高了分割效率,能以較短時(shí)間獲得分割最優(yōu)閾值,抗體群體的更新采用濃度和適應(yīng)度共同作用,并且加入疫苗思想,能夠在尋優(yōu)搜索過(guò)程中跳出局部最優(yōu)解,對(duì)全局變量進(jìn)行搜索最終確定最優(yōu)抗體。以二維最大熵作為抗原與抗體的適應(yīng)度判別函數(shù),保證了閾值在保留最大圖像信息的前提下選取。
　　3、在分割的基礎(chǔ)上,根據(jù)二值圖像和疤痕灰度圖像信息,參考特征選取的類(lèi)別可分性判據(jù),從眾

4、多特征選擇方法中選擇對(duì)疤痕分類(lèi)最有效的特征:灰度特征、不變矩、幾何特征,分別計(jì)算灰度特征的平均灰度及方差,疤痕的七個(gè)不變矩,幾何特征的面積,周長(zhǎng)等作為分類(lèi)識(shí)別的特征依據(jù)。
　　4、完成木材疤痕識(shí)別分類(lèi)器設(shè)計(jì)。根據(jù)對(duì)疤痕圖像提取的特征,設(shè)計(jì)基于BP神經(jīng)網(wǎng)絡(luò)疤痕分類(lèi)器,以疤痕特征作為輸入層的特征輸入,以主要疤痕類(lèi)別節(jié)子、蟲(chóng)眼、裂痕作為輸出層的輸出,希望輸出與實(shí)際輸出之間的平方誤差作為準(zhǔn)則函數(shù),利用梯度下降法,從后向前(反向)逐層求得誤