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(shù)和模式識別理論的木材表面缺陷檢測技術(shù)，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(nèi)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(guān)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(shù)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(jié)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(guān)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(jié)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(guān)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