數(shù)字圖像處理技術(shù)在木材表面缺陷檢測(cè)中的應(yīng)用研究.pdf

1、木材表面缺陷檢測(cè)技術(shù)是計(jì)算機(jī)視覺(jué)與模式識(shí)別相交又的多學(xué)科技術(shù)，該技術(shù)具有較高的應(yīng)用價(jià)值，被廣泛應(yīng)用在木材生產(chǎn)及其深加工等領(lǐng)域.。本文主要以木材的死節(jié)、活節(jié)和蟲眼三種常見缺陷為研究對(duì)象，對(duì)木材的缺陷圖像分割和模式識(shí)別方法進(jìn)行了深入的研究。主要內(nèi)容包括:木材表面缺陷圖像分割、特征提取、缺陷類型識(shí)別等問(wèn)題。
　　圖像分割是木材缺陷識(shí)別的首要問(wèn)題。本文對(duì)傳統(tǒng)邊緣檢測(cè)算法進(jìn)行了介紹，針對(duì)分水嶺過(guò)度分割不足，結(jié)合數(shù)學(xué)形態(tài)學(xué)提出了基于形態(tài)學(xué)梯度

2、的分水嶺分割方法，并將其應(yīng)用在木材缺陷的檢測(cè)中;針對(duì)在計(jì)算分形參數(shù)而產(chǎn)生的邊緣效應(yīng)的問(wèn)題，提出了增維矩陣的計(jì)算方法;針對(duì)木材缺陷的顏色特征，結(jié)合模糊聚類算法，提出基于顏色矩的圖像分割方法。同時(shí)采用具有強(qiáng)大運(yùn)算功能的數(shù)學(xué)形態(tài)學(xué)工具，對(duì)分割后圖像進(jìn)行了后處理工作，加強(qiáng)了分割圖像的可視性，確保了缺陷圖像的分割精度，為缺陷的識(shí)別工作奠定了基礎(chǔ)。
　　為保證木材缺陷識(shí)別結(jié)果的可靠性，特征量的選取是模式識(shí)別中至關(guān)重要的環(huán)節(jié)。本文對(duì)木材缺陷分割

3、圖像進(jìn)行Tamura紋理、灰度共生矩陣、小波多分辨率分形維的特征提取，分別選用了BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)分類器進(jìn)行分類識(shí)別。其中，以多分辨率分形維作為BP神經(jīng)網(wǎng)絡(luò)分類器的輸入，無(wú)論采用何種訓(xùn)練函數(shù)，分類的準(zhǔn)確率均達(dá)到92.67％;在支持向量機(jī)分類器中，Tamura紋理與灰度共生矩陣聯(lián)合的10個(gè)參數(shù)的識(shí)別準(zhǔn)確率高達(dá)96.67％，多分辨率分形維的識(shí)別準(zhǔn)確率也高達(dá)94.00％，準(zhǔn)確率均高于BP神經(jīng)網(wǎng)絡(luò)分類器。
　　試驗(yàn)結(jié)果表明: