基于紋理特征的木材表面缺陷識別方法的研究.pdf

1、基于計算機視覺技術和模式識別理論的木材表面缺陷檢測技術，具有無損性、快速性、準確性和經(jīng)濟性等優(yōu)點，對鋸材等級自動分選、提高鋸材商品價值和加速木材加工自動化具有非常重要的作用。 本文以蟲眼、死節(jié)、活節(jié)三種常見木材缺陷為研究對象，對木材表面缺陷的模式識別方法進行了深入的研究。主要內容包括：木材表面缺陷圖像分割、分割性能評價、特征提取、缺陷類型識別等問題。 圖像分割是第一步，也是由圖像處理到圖像分析的關鍵步驟。本文針對傳統(tǒng)狄度

2、閾值分割和邊緣檢測的不足，采用基于灰度．梯度共生矩陣模型和最大熵原理的二維閾值化技術對木材缺陷圖像進行分割：并針對木材缺陷這一自然紋理型事物，結合模糊C均值聚類算法，提出基于灰度共生矩陣的紋理分割方法。同時采用具有強大運算功能的數(shù)學形態(tài)學工具，對分割后圖像進行了分割后處理，加強了分割圖像的可視性和完整性，并提高了缺陷提取的精確度。 根據(jù)灰色系統(tǒng)理論，提出了一個基于灰色關聯(lián)度分析的圖像分割性能評估模型，對改進的二維閾值分割算法和基

3、于灰度共生矩陣的紋理分割算法進行了分割性能的綜合評價，該模型評判的結果與算法的性能基本保持一致。 對于木材缺陷的識別，本文從紋理特征(14個灰度共生矩陣參數(shù))和幾何特征(伸長度和矩形度)兩個角度來描述缺陷。根據(jù)各參數(shù)分布情況，選擇標準差較小的參數(shù)作為分類器輸入特征向量：以及采用主分量分析法進行特征提取，降低紋理特征維數(shù)，消除模式特征之間的相關性，突出其差異性，滿足識別層的輸入要求。分別采用BP神經(jīng)網(wǎng)絡分類器及改進的K-近鄰分類器