基于四元數(shù)矩陣奇異值分解的木材缺陷邊緣識別分析.pdf

1、隨著社會的快速發(fā)展，木材的使用量大量增加，同時木材的加工和生產(chǎn)量也快速增長。在我國，木材缺陷檢測的技術依然很落后，人為的識別過程容易受感官、疲勞和情緒等主觀或者客觀因素的影響。傳統(tǒng)的物理方法檢測手段所需要的檢測儀器成本較高，對周圍的實際檢測情況也有嚴格的要求，而采用基于視覺的機器自動檢測，是比較傳統(tǒng)的物理方法，從主觀上降低了人為因素的影響，而且成本也較低。因此，在木材缺陷基于視覺圖像的處理過程中，快速精準的檢測木材缺陷是本課題所要研究的

2、內容。
　　彩色圖像與灰度圖像相比，彩色圖像不僅包含了豐富的信息內容和圖像的結構信息，而且更加符合人們的視覺感官。雖然彩色的缺陷檢測圖像在木材缺陷處理中已經(jīng)有了廣泛的應用，但通常都是對彩色圖像空間的顏色分量進行分離，分別對各個分量進行灰度圖像處理，再合成為所需要的木材彩色缺陷圖像，這樣，木材原圖像的相關信息就會造成了缺失。而本文，建立彩色圖像四元數(shù)的模型，將木材缺陷圖像作為一個有機的整體，很好的解決了圖像相關信息缺失的問題。本文針

3、對木材的蟲眼、死節(jié)、活節(jié)三種缺陷來進行研究分析，提出基于四元數(shù)矩陣奇異值分解的木材原彩色圖像缺陷檢測的新方法。
　　基于采集到的木材彩色圖像，建立木材圖像的四元數(shù)模型。利用四元數(shù)矩陣的復分解表示法和本文所提到的四元數(shù)矩陣的新改進型的復分解表示法，將基于RGB的木材圖像轉換為兩種不同的四元數(shù)模型，即四元數(shù)矩陣，保持了圖像的相關性和信息的完整性。
　　討論、分析和驗證四元數(shù)矩陣奇異值分解的定理。在兩種四元數(shù)表示方法中，巧妙的利用

4、四元數(shù)矩陣的友向量性質，不僅驗證和分析了四元數(shù)矩陣奇異值的分解定理，并在MATLAB實驗平臺中通過算法和公式得到了四元數(shù)奇異值分解的算法，從而得到四元數(shù)矩陣的奇異值和兩種不同的左、右特征值向量。
　　利用四元數(shù)的復數(shù)表示方法，可以對木材圖像進行特征圖像的分析，并對原圖像進行結構的分析，得到基于四元數(shù)的木質板材的去噪。
　　提出四元數(shù)矩陣的新改進型的復分解表示法，并對木材進行主成分分析。對木材的特征圖像進行奇異值分析，即用線性