基于流形支持向量機(jī)的木材表面缺陷識(shí)別方法的研究.pdf

1、基于機(jī)器視覺(jué)的木材表面缺陷檢測(cè)技術(shù)，具有無(wú)損性、準(zhǔn)確性、快速性等優(yōu)點(diǎn)，在木材生產(chǎn)及其加工等領(lǐng)域具有較高的應(yīng)用價(jià)值。木材表面缺陷檢測(cè)的模式識(shí)別問(wèn)題，是值得長(zhǎng)期探索的理論課題，也是木材加工工業(yè)應(yīng)用面臨的一大難題。木材表面缺陷檢測(cè)的精確性、實(shí)時(shí)性、魯棒性已成為國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。本文基于機(jī)器視覺(jué)和流形理論，以木材表面的活節(jié)、死節(jié)和蟲(chóng)眼三種常見(jiàn)缺陷為研究對(duì)象，對(duì)木材表面缺陷的圖像分割、特征提取、模式分類(lèi)方法進(jìn)行了深入的研究。
　　圖像分

2、割是木材缺陷識(shí)別的首要問(wèn)題。針對(duì)現(xiàn)有基于局部閾值分割方法過(guò)度分割的不足，本文提出了基于全局視覺(jué)顯著性和局部閾值融合的缺陷分割方法。首先通過(guò)缺陷的全局視覺(jué)顯著性在圖像中對(duì)缺陷區(qū)域進(jìn)行粗定位;進(jìn)而在粗定位的缺陷區(qū)域周?chē)ㄟ^(guò)局部閾值分割的方法完成木材表面缺陷的精確定位和分割;最后對(duì)分割后的二值圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理，提取準(zhǔn)確的缺陷目標(biāo)，為后續(xù)木材缺陷特征的提取奠定了基礎(chǔ)。
　　為保證木材缺陷識(shí)別結(jié)果的性能和可靠性，缺陷特征的提取是模式識(shí)

3、別中的關(guān)鍵步驟。本文以木材表面缺陷的紋理特征為主，研究了Tamura、灰度共生矩陣、局部二進(jìn)模式等紋理特征，并提取了活節(jié)、死節(jié)和蟲(chóng)眼缺陷樣本的各種紋理特征。為了降低特征的維數(shù)，并減少各特征之間的信息冗余，將Tamura紋理，灰度共生矩陣、局部二進(jìn)模式紋理特征融合構(gòu)成協(xié)方差矩陣流形特征。紋理特征的提取為后續(xù)識(shí)別工作開(kāi)展奠定了基礎(chǔ)。
　　在模式分類(lèi)環(huán)節(jié)，本文以流形距離代替?zhèn)鹘y(tǒng)歐氏距離，提出了新的基于流形上支持向量機(jī)的分類(lèi)器，將局部二進(jìn)

4、模式和Tamura紋理的前三個(gè)特征粗糙度、對(duì)比度、方向度，連同灰度共生矩陣的熵特征等5種特征輸入到分類(lèi)器中，取得較好的分類(lèi)效果。
　　論文研究結(jié)果表明:
　　(1)采用機(jī)器視覺(jué)理論和技術(shù)，相對(duì)于傳統(tǒng)的基于邊緣的圖像分割算法、基于區(qū)域的圖像分割算法以及基于特定理論的分割算法，采用木材表面缺陷圖像的全局顯著性特征結(jié)合局部閾值分割，并使用數(shù)學(xué)形態(tài)學(xué)后處理，起到較好的分割效果，能夠?qū)⑾x(chóng)眼、活節(jié)和死節(jié)缺陷從樣本圖像的背景完好分割出來(lái)。

5、
　　(2)通過(guò)分析蟲(chóng)眼、活節(jié)和死節(jié)三種缺陷的特點(diǎn)，采用圖像的紋理特征對(duì)缺陷進(jìn)行描述。將缺陷區(qū)域的不同類(lèi)型紋理特征作為特征元融合到協(xié)方差矩陣中，構(gòu)成協(xié)方差流形特征，降低了圖像特征的維數(shù)，又減少了特征的冗余，基于區(qū)域協(xié)方差流形的特征具有很好的類(lèi)間可分性。
　　(3)與經(jīng)典BP神經(jīng)網(wǎng)絡(luò)分類(lèi)器和向量空間支持向量機(jī)分類(lèi)器相比較，本文提出的基于流形上的支持向量機(jī)算法取得了較好的識(shí)別效果，識(shí)別準(zhǔn)確率為91.67％，高于BP神經(jīng)網(wǎng)絡(luò)分類(lèi)器