基于Gabor變換的木材表面缺陷識別方法的研究.pdf

1、木材是國民經(jīng)濟(jì)中不可缺少的重要資源,但在其成材過程中不可避免地會出現(xiàn)各種缺陷,對這些缺陷進(jìn)行無損檢測和自動識別對于木材的合理加工利用和木制品加工行業(yè)自動化程度的提高等有著非常重要的意義。因此,本文以蟲眼、活節(jié)、死節(jié)三類常見的木材缺陷為對象,制作了包含三類缺陷樣本各50幅圖像的實(shí)驗(yàn)樣本庫,采用數(shù)字圖像處理和模式識別理論對其進(jìn)行識別研究。
　　 Gabor變換方法是近幾年圖像處理領(lǐng)域的研究熱點(diǎn),它具有良好的生物視覺特性,能同時(shí)在空間

2、域和頻率域取得最優(yōu)局部化,為圖像處理提供了一種新的工具。因此,本文采用Gabor變換方法提取木材表面缺陷特征,進(jìn)而對其進(jìn)行分割和識別。
　　 要實(shí)現(xiàn)對缺陷的分類識別,首先要進(jìn)行缺陷圖像的分割,以得到圖像中的缺陷目標(biāo)。本文采用環(huán)形Gabor濾波器對每幅缺陷圖像進(jìn)行多通道Gabor變換,再在能量意義下定義每個像素點(diǎn)的特征參數(shù),形成一個6維的特征向量,結(jié)合模糊C均值聚類算法實(shí)現(xiàn)對各點(diǎn)的聚類劃分。對于聚類分割形成的5個類別,根據(jù)形態(tài)學(xué)特

3、征確定缺陷目標(biāo)類別,再用數(shù)學(xué)形態(tài)學(xué)算子對分割后的缺陷目標(biāo)進(jìn)行后處理,最終得到完整的缺陷目標(biāo)。
　　 根據(jù)灰色系統(tǒng)理論,建立了一個基于灰色關(guān)聯(lián)度分析的圖像分割質(zhì)量評判模型,采用該模型對木材表面缺陷圖像的分割結(jié)果進(jìn)行評價(jià),得到蟲眼、活節(jié)、死節(jié)三類缺陷圖像的平均分割正確率分別為95.81％、96.52％、94.58％,分割效果是令人滿意的。
　　 在對木材表面缺陷進(jìn)行識別時(shí),從頻率特征和形狀特征兩方面考慮,提取了分割后缺陷目標(biāo)

4、的12個Gabor參數(shù)和2個形狀參數(shù),二者構(gòu)成木材表面缺陷圖像的14維分類特征向量,并采用基于遺傳算法與最近鄰分類器識別率的特征選擇方法對其進(jìn)行選擇優(yōu)化。為了比較不同參數(shù)體系下的分類識別效果,分別以單獨(dú)的12個Gabor特征、12個Gabor特征和2個形狀特征的組合、14個組合特征經(jīng)過特征選擇后的融合特征作為分類器的輸入特征向量,并采用BP神經(jīng)網(wǎng)絡(luò)分類器對其進(jìn)行分類識別,得到三種參數(shù)體系下的分類識別率分別為76％、81.33％、89.3