一種基于灰度行程與Guass-Markov隨機(jī)場(chǎng)的木材紋理分析方法.pdf

1、AWoodTextureAnalysisMethodBasedOnGrayLevelRunAndGuassMarkovRandomfieldAThesiSSubmittedinPartialFulfillmentoftheRequirementFortheMasterDegreeinScienceByMakePostgraduateProgramCollege‘ofMathematicsandInformationScienceXiny

2、angNormalUniversitySupervisor：WUchangallAcademicTitle：professorSignature1一㈡歹一，I‘‘》f摘要近年來，隨著圖像處理技術(shù)和模式識(shí)別理論的發(fā)展，紋理分析與識(shí)別理論的研究取得了一系列的突破，紋理分析對(duì)于圖像特征提取、圖像分析和識(shí)別、計(jì)算機(jī)視覺等有著重要意義。但由于圖像紋理分析的復(fù)雜性，使得圖像紋理分析問題成為數(shù)字圖像處理和模式識(shí)別中最具吸引力、最困難的問題之一。本文采

3、用白樺、紅松、落葉松、水曲柳、柞木五種木材紋理圖像作為研究對(duì)象，通過灰度變化、圖像去噪、直方圖修正，圖像銳化等圖像預(yù)處理技術(shù)，得到便于計(jì)算機(jī)處理的圖像。在數(shù)學(xué)上馬爾可夫隨機(jī)場(chǎng)是很好的表達(dá)紋理集聚的概率模型，它的統(tǒng)計(jì)參數(shù)能夠表現(xiàn)出鄰域像元集合的大小和方向，可以合理的描述出圖像紋理的隨機(jī)特性。而灰度行程能很好的描述對(duì)基于紋理中基元的長(zhǎng)度和灰度級(jí)的連續(xù)概率。結(jié)合二者特征參數(shù)形成綜合特征參數(shù)體系，便于分類和識(shí)別。由于傳統(tǒng)貝葉斯分類器的局限性，很