《木材表面缺陷图像识别的算法的分析研究论文》由会员分享，可在线阅读，更多相关《木材表面缺陷图像识别的算法的分析研究论文（72页珍藏版）》请在金锄头文库上搜索。
1、木材表面缺陷图像识别的算法研究摘要随着木材加工业的集约化发展,木材产品的生产量持续大幅度增长。在生产中,对木材表面加工质量高水平的苛求,尤其是一致性的要求,使得传统的人工检测方式已经难以胜任。为此,本论文基于机器视觉理论对木材表面缺陷识别进行了深入研究。结合数字图像处理技术和支持向量机模式识别技术,本论文研究了木材表面缺陷图像预处理、特征提取、模式识别问题,研究并改进了用于检测木材表面缺陷的定位和识别等图像处理算法。图像的预处理是检测的第一步,它对图像缺陷特征的正确提取是非常关键的。本文针对传统滤波算法在抑制噪声的同时,也会对图像的边缘及细节有比较大的损害,使图像的边沿及细节变模糊的问题,提出
2、了加权有向平滑滤波算法。并在图像分割上融合了几种分割方法,提出一种改进的基于双正交小波变换的多分辨率图像融合方法和基于融合技术的小波变换和形态学边缘检测算法,优化了分割效果,为后续特征提取打下了很好的基础。对于木材缺陷的识别,本文从纹理特征5个灰度共生矩阵参数和颜色特征4个颜色矩参数两个角度来描述缺陷。根据各参数分布情况,选择标准差较小的参数作为分类器输入特征向量；以及采用主分量分析法进行特征提取,降低纹理特征维数,消除模式特征之间的相关性,突出其差异性,满足识别层的输入要求。并采用支持向量机分类器进行缺陷的模式识别,达到较高的识别率。实验结果证明：根据木材表面缺陷图像的纹理特征和颜色特征,运
3、用数字图像处理技术,来解决木材表面缺陷的分割和识别等问题,是行之有效的途径。关键词：数字图像处理技术；图像分割；特征提取；支持向量机AbstractWith the development of wood industry, the manufacture of wood products is increasing significantly. The demand of a consistent high-quality surface wood product introduces automatic inspection that cannot be easily satisfied
4、by traditional manual inspection. Based on the theory of computer vision, a research on defect distinguish of the wood surface is made in the paper.Image preprocess, feature extraction and pattern recognition of wood surface defect images are also studied by means of digital image processing techniq
5、ue and pattern recognition technology based on SVM. Image processing algorithms are studied and improved to orientate and recognize wood surface defect.Image preprocess is the first step for detection, which is vital to the correct extraction of the defection feature. In the fact of a traditional fi
6、ltering algorithm can substantially damage the edges and details of the image and blur the images edges and details, a weighted and directional smoothing algorithm is proposed in this paper. Merging several image segmentation method , a improved method of image fusion of multi-resolution analysis ba
7、sed on biorthogonal wavelet transform and a edge detection algorithm based on the fusion technology of wavelet transform and morphological edge detection are proposed in the paper. Thus segmentation result is optimized and laying the root for feature extraction of follow up.The defects are described
8、 from two aspects based on image characteristic, the texture features and color featuresfour color moment parameters to identify the wood defects. According to the distribution of these parameters, the parameters which have small standard deviation are selected as the input eigenvector of the classi
9、fiers. And the features are extracted by the principal components analysis which can reduce the texture dimensions and eliminate the relevance between feature modes and highlight their difference to satisfy the input request of the recognition level. Using Support Vector Machines classifier to ident
10、ify the defects, the correct rates of pattern recognition achieve better level. The experiment results show it is an effective way to solve the segmentation and identification of wood surface defects by texture features and color features of wood surface defect images according to the digital image
11、processing technology,.Keyword：digital image processing technique；image segmentation；feature extraction；SVM / 目录第一章绪论- 1 -1.1 课题的研究背景和意义- 1 -1.1.1 课题的研究背景- 1 -1.1.2 课题的研究意义- 1 -1.2 木材表面缺陷检测的研究现状及发展趋势- 2 -1.2.1 木材缺陷的常用检测方法- 2 -1.2.2 国外研究现状- 3 -1.2.3 木材检测技术的发展与展望- 4 -1.3 木材表面缺陷特征及存在形式- 5 -1.3.1 木材缺陷种类
12、- 5 -1.3.2 木材缺陷对木材质量的影响- 8 -1.4 课题的主要研究容和创新- 8 -第二章木材表面缺陷图像的增强预处理- 11 -2.1 图像增强概述- 11 -2.2 木材缺陷图像灰度变换- 12 -2.2.1 木材缺陷图像灰度化处理- 12 -2.2.2木材缺陷图像灰度变换- 13 -2.3 木材缺陷图像平滑- 16 -2.3.1 邻域平滑- 16 -2.3.2 中值滤波- 16 -2.3.3加权有向平滑滤波- 17 -2.4 图像锐化- 21 -2.4.1微分算子- 22 -2.4.2 Sobel算子- 23 -2.4.3拉普拉斯算子- 24 -2.5 本章小结- 25 -第
13、三章图像分割- 27 -3.1 基于区域的图像分割- 27 -3.1.1 并行区域分割技术- 27 -3.1.2 串行区域分割技术- 29 -3.2基于边缘的图像分割- 30 -3.2.1 梯度算子- 31 -3.2.2 Canny边缘检测算子- 32 -3.2.3 几种边缘检测算子的比较- 33 -3.3 结合特定理论工具的分割技术- 33 -3.3.1 基于人工神经网络的分割技术- 34 -3.3.2 基于小波分析和变换的分割技术- 34 -3.3.3 基于数学形态学的分割技术- 37 -3.4 本章小结- 40 -第四章特征提取- 41 -4.1 纹理特征提取- 41 -4.1.1灰度共
14、生矩阵- 41 -4.1.2 Haralick特征- 43 -4.2 色彩特征提取- 45 -4.2.1颜色直方图- 46 -4.2.2 颜色矩- 47 -4.3 主成分分析- 47 -4.3.1主成分分析的原理- 48 -4.3.2 主成分分析的基本步骤- 49 -4.4 基于主成分分析的算法实现- 50 -4.4.1 基于主成分分析的降维算法- 50 -4.4.2 基于主成分分析的降维结果- 51 -4.5 本章小结- 52 -第五章支持向量机的分类器设计- 54 -5.1分类器简介- 54 -5.2 SVM算法原理- 54 -5.3 核函数的选择- 57 -5.4 基于SVM的识别结果-
15、 57 -5.4.1 基于纹理特征的木材缺陷图像识别- 58 -5.4.2 基于主成分分析法的综合纹理特征和颜色特征的木材缺陷图像识别- 59 -5.4.3 三类木材缺陷识别结果- 60 -5.5 本章小结- 61 -第六章总结与展望- 63 -6.1 总结- 63 -6.2 展望- 63 -参考文献- 65 -第一章 绪论1.1 课题的研究背景和意义1.1.1课题的研究背景我国是一个木材资源非常匮乏的国家,我国现有森林面积1.33亿hm2,森林蓄积101.3m3,仅次于俄罗斯、巴西、加拿大、美国,居世界第五位。按人均占有量计算,我国人均森林面积0.11hm2,只有世界水平的1/6。人均森林蓄积量为8.6m3,仅及世界平均水平的1/8。年人均消费木材只有0.22m3,而世界平均为0.65m3。经过多年的过度砍伐,我国天然林木资源已严重枯竭10。20XX我国的木材需求缺口达到1.09亿m3,据有关专家预测到20XX,我国木材供需缺口达3800万m3,到2015年,我国的木材需求量约为4.8亿m3,到2020年木材总消费量将达到6.78亿m3,供需矛盾日趋紧。目前,我国木材年平均产量为
