基于灰度共生矩陣木材表面紋理模式識別方法的研究.pdf

1、紋理是木材表面重要的天然屬性，直接關系到木制品的感觀效果和經(jīng)濟效益，可以作為區(qū)分不同樹種和材性的重要依據(jù)，并被木材物理學作為木質環(huán)境學的重要內容進行研究。然而，木材表面紋理具有精細復雜的結構，很難用明確的數(shù)學解析式表達，是困擾木材學術界的一個難題。同時，木材加工業(yè)迫切需要一種能依據(jù)紋理對木材進行分類的自動化設備。因此，對木材表面紋理進行研究具有理論和實用雙重價值。 近年來，隨著圖像處理技術和模式識別理論的發(fā)展，紋理分析與識別理論

2、的研究取得了一系列突破。本研究采用圖像處理技術和模式識別理論，對木材表面紋理分析與識別方法進行了研究，主要內容如下： 選擇東北常見的白樺、紅松、落葉松、水曲柳、柞木共五種木材為研究對象，建立包含1000個圖像樣本10個紋理類型的樣本庫。 通過分析灰度共生矩陣特征參數(shù)隨其三個構造因子(生成步長d、圖像灰度級g和生成方向θ)的變化規(guī)律，并結合木材表面紋理自身的特點，確立了適合描述木材表面紋理的灰度共生矩陣構造方法，確定：d=

3、4；g=256；θ取0°、45°、90°、135°四個方向，紋理參數(shù)取四個方向的平均值，以形成旋轉不變量。 以上述研究為基礎，獲取灰度共生矩陣的14個紋理特征參數(shù)，并分析了它們在10個紋理類別間的分布情況，將其依次編號為W1～W14。 使用“參數(shù)間相關性分析”、“主分量分析”以及“基于模擬退火與最近鄰分類器識別率的特征選擇方法”三種方法建立了三套木材表面紋理的參數(shù)體系，分別為：①木材表面紋理參數(shù)體系I：由角二階矩(WI)

4、、對比度(W2)、均值和(W6)、方差和(W7)構成；②木材表面紋理參數(shù)體系Ⅱ：由第1主分量y1、第Ⅱ主分量y2、第Ⅲ主分量y3和第Ⅳ主分量y4構成。③木材表面紋理參數(shù)體系Ⅲ：由角二階矩(肌)、方差(W5)、方差和(W7)、逆差矩(W8)、差的方差(W9)、和熵(W10)、集群突出(W13)構成。 本研究所采用的分類器包括最近鄰分類器和集成BP神經(jīng)網(wǎng)絡分類器。在上述三套木材表面紋理參數(shù)體系下，最近鄰分類器對未知樣本集合的識別率分

5、別為：85.25％、86.75％和87.50％；集成BP神經(jīng)網(wǎng)絡分類器的識別率分別為：86.50％、87.00％和90.25％?？梢姡葿P神經(jīng)網(wǎng)絡分類器的分類識別能力強于最近鄰分類器。 進一步分析發(fā)現(xiàn)，不能準確區(qū)分同類樹種的徑切和弦切紋理是影響分類識別率的主導因素。經(jīng)研究發(fā)現(xiàn)，高斯-馬爾可夫隨機場特征參數(shù)能很好地完成上述任務。因此，本研究將灰度共生矩陣和高斯一馬爾可夫隨機場的紋理特征參數(shù)進行信息融合，形成木材表面紋理的第四套