基于灰度共生矩陣木材表面紋理模式識(shí)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(guān)系到木制品的感觀(guān)效果和經(jīng)濟(jì)效益，可以作為區(qū)分不同樹(shù)種和材性的重要依據(jù)，并被木材物理學(xué)作為木質(zhì)環(huán)境學(xué)的重要內(nèi)容進(jìn)行研究。然而，木材表面紋理具有精細(xì)復(fù)雜的結(jié)構(gòu)，很難用明確的數(shù)學(xué)解析式表達(dá)，是困擾木材學(xué)術(shù)界的一個(gè)難題。同時(shí)，木材加工業(yè)迫切需要一種能依據(jù)紋理對(duì)木材進(jìn)行分類(lèi)的自動(dòng)化設(shè)備。因此，對(duì)木材表面紋理進(jìn)行研究具有理論和實(shí)用雙重價(jià)值。 近年來(lái)，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

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

3、4；g=256；θ取0°、45°、90°、135°四個(gè)方向，紋理參數(shù)取四個(gè)方向的平均值，以形成旋轉(zhuǎn)不變量。 以上述研究為基礎(chǔ)，獲取灰度共生矩陣的14個(gè)紋理特征參數(shù)，并分析了它們?cè)?0個(gè)紋理類(lèi)別間的分布情況，將其依次編號(hào)為W1～W14。 使用“參數(shù)間相關(guān)性分析”、“主分量分析”以及“基于模擬退火與最近鄰分類(lèi)器識(shí)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(duì)比度(W2)、均值和(W6)、方差和(W7)構(gòu)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(gòu)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(gòu)成。 本研究所采用的分類(lèi)器包括最近鄰分類(lèi)器和集成BP神經(jīng)網(wǎng)絡(luò)分類(lèi)器。在上述三套木材表面紋理參數(shù)體系下，最近鄰分類(lèi)器對(duì)未知樣本集合的識(shí)別率分

5、別為：85.25％、86.75％和87.50％；集成BP神經(jīng)網(wǎng)絡(luò)分類(lèi)器的識(shí)別率分別為：86.50％、87.00％和90.25％。可見(jiàn)，集成BP神經(jīng)網(wǎng)絡(luò)分類(lèi)器的分類(lèi)識(shí)別能力強(qiáng)于最近鄰分類(lèi)器。 進(jìn)一步分析發(fā)現(xiàn)，不能準(zhǔn)確區(qū)分同類(lèi)樹(shù)種的徑切和弦切紋理是影響分類(lèi)識(shí)別率的主導(dǎo)因素。經(jīng)研究發(fā)現(xiàn)，高斯-馬爾可夫隨機(jī)場(chǎng)特征參數(shù)能很好地完成上述任務(wù)。因此，本研究將灰度共生矩陣和高斯一馬爾可夫隨機(jī)場(chǎng)的紋理特征參數(shù)進(jìn)行信息融合，形成木材表面紋理的第四套