基于gabor变换的木材表面缺陷识别方法研究.pdf

芬籰卜。★鍪摹簟龆使蜨名耋9嘁:唬海海粄彭霪聋惕尉按笱学位论文王林基于浠坏哪静谋砻嫒毕菔侗鸱椒ǖ难芯学校代码:指导教师姓名:申请学位级别:授予学位单位:白雪冰教授年东北林业大学学科专业:论文答辩日期:授予学位日期:答辩委员会主席:论文评阅人:学号:论文提交日期:硕士农业电气化与自动化.;;囊锵驴竽跏砟遥唬唬,.▲￡飞,,牛,,
.矗≯,鼍武¨; ~’。
:.,::
摘要一木材是国民经济中不可缺少的重要资源,但在其成材过程中不可避免地会出现各种缺陷,对这些缺陷进行无损检测和自动识别对于木材的合理加工利用和木制品加工行业自动化程度的提高等有着非常重要的意义。因此,本文以虫眼、活节、死节三类常见的木材缺陷为对象,制作了包含三类缺陷样本各幅图像的实验样本库,采用数字图像处理和模式识别理论对其进行识别研究。浠环椒ㄊ墙改晖枷翊砹煊虻难芯咳鹊悖哂辛己玫纳锸泳跆匦裕能同时在空间域和频率域取得最优局部化,为图像处理提供了一种新的工具。因此,本文采用浠环椒ㄌ崛∧静谋砻嫒毕萏卣鳎云浣蟹指詈褪侗稹要实现对缺陷的分类识别,首先要进行缺陷图像的分割,以得到图像中的缺陷目标。本文采用环形瞬ㄆ鞫悦糠毕萃枷窠卸嗤ǖ繥变换,再在能量意义下定义每个像素点的特征参数,形成一个奶卣飨蛄浚岷夏:鼵均值聚类算法实现对各点的聚类划分。对于聚类分割形成的隼啾穑菪翁卣魅范ㄈ毕菽勘昀别,再用数学形态学算子对分割后的缺陷目标进行后处理,最终得到完整的缺陷目标。根据狄色系统理论,建立了一个基于灰色关联度分析的图像分割质量评判模型,采用该模型对木材表面缺陷图像的分割结果进行评价,得到虫眼、活节、死节三类缺陷图像的平均分割正确率分别为.%、.%、.%,分割效果是令人满意的。在对木材表面缺陷进行识别时,从频率特征和形状特征两方面考虑,提取了分割后缺陷目标的个问个形状参数,二者构成木材表面缺陷图像的维分类特征向量,并采用基于遗传算法与最近邻分类器识别率的特征选择方法对其进行选择优化。为了比较不同参数体系下的分类识别效果,分别以单独的个卣鳌卣骱个形状特征的组合、个组合特征经过特征选择后的融合特征作为分类器的输入特征向量,并采用神经网络分类器对其进行分类识别,得到三种参数体系下的分类识别率分别为%、.%、.%。最终确定采用特征选择后的鋈诤咸征作为分类器的输入特征向量,对应的分类器为隐层节点数觯盗贩椒ㄎ1匆端拐则化方法的三层神经网络分类器。本研究说明根据木材表面缺陷图像的德侍卣鞫云浣蟹指詈褪侗鹗强尚的,同时,也为以后木材表面缺陷无损检测技术的深入研究提供一定的参考。关键词木材表面缺陷;浠唬煌枷穹指睿惶卣餮≡瘢耗J绞侗’’■
■●一,
,.琭,琣.%,.%,.%,甌,,.,
。●
,.琣%,ィ.%..琣瓵瑃籊籭;籶■.、’:●
/●‘,