基于图像多特征模式识别的木材分类分选算法研究

发布时间：2024-07-08 23:34

　　我国林业资源相对匮乏,但目前国内主流木材加工厂的加工备料方法过于简单粗放,模式传统,致使原材料的加工利用率不高,加工生产效率较差。为有效的提高木材利用率、提高木材生产效率,本文基于多特征模式识别木材分类分选,通过将待选木材图像按树种进行检索分类,从而进一步按照提取的缺陷类别及检量标准实现基于机器视觉的木材等级分选。现有的基于机器视觉的木材缺陷分等,皆为按照缺陷本身形态特征参数对木材等级分选,并未实现在木材树种分类的基础上分等优选,这同生产实际的木材分等检量标准操作是不相符的。针对上述问题,本研究在对木材树种判别的基础上,对木材图像进行缺陷分类,根据针叶树材与阔叶树材缺陷类型的不同,按照提取的缺陷面积检量参数,将木材分为特等、一等、二等和三等。本研究在120个树种中选取有代表性的50个中国常见树种,每个树种对应径切面和弦切面两幅图像,作为检索实验的研究对象,构建多类树种样本库1。再采集5个东北常见树种的样本,制作这5个树种的2种切面(径切、弦切)的木材图像,每个树种100个,共计1000幅,其中包括104个死节、40个活节、72个虫害、92个裂纹缺陷图像,构建样本库2。研究内容及实验结果...

【文章页数】：109 页

【学位级别】：博士

【部分图文】：

图２－１实验自制图像采集设备??Ｆｉｇ．２－１?Ｅｘｐｅｒｉｍｅｎｔａｌ?ｉｍａｇｅ?ａｃｑｕｉｓｉｔｉｏｎ?ｅｑｕｉｐｍｅｎｔ??

３〇??表２－３实验选用的东北常见５种木材样本库表??Ｔａｂｌｅ２－３?Ｆｉｖｅ?ｃｏｍｍｏｎ?ｗｏｏｄ?ｓａｍｐｌｅ?ｂａｎｋｓ?ｉｎ?Ｎｏｒｔｈｅａｓｔ?Ｃｈｉｎａ?ｓｅｌｅｃｔｅｄ?ｉｎ?ｔｈｅ?ｅｘｐｅｒｉｍｅｎｔ??序号中文种名?拉丁种名?中文属名样本切面?样本数量??....

图２－２模式识别过程??

（６）小波变换??小波是一种强大的时频分析处理工具，其克服了傅立叶变换的缺点。目前，已成功??地应用于信号处理、图像处理、模式识别等领域。小波变换的一个重要特性是在时间域??和频率域都具有良好的局部化特性。它能在整个频域内对不同频段的信号进行分解，此??信息对于信号分类非常有用。....

图３－３木材图像饱和度等间隔分布统计图??Ｆｉｇ．３－３?Ｓｔａｔｉｓｔｉｃａｌ?ｍａｐ?ｏｆ?ｅｑｕｉｄｉｓｔａｎｔ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｗｏｏｄ?ｉｍａｇｅｓ?ｓａｔｕｒａｔｉｏｎ??

０－１８?１８－－２５?２５—３０?３０—３５?３５－Ａ０?４０－６０?６０－１７５?１７５－２９０?２９０－３６０??５０树种径弦面图像非等间隔色调区间??图３－２木材图像像素点的非等间隔色调分布区间统计图??Ｆｉｇ．３－２?Ｓｔａｔｉｓｔｉｃａｌ?ｍａｐ?ｏｆ?ｎｏｎ－ｅｑｕ....

图３－５饱和度统计直方图??Ｆｉｇ．３－５?Ｓｔａｔｉｓｔｉｃａｌ?ｈｉｓｔｏｇｒａｍ?ｏｆ?ｓａｔｕｒａｔｉｏｎ??

?０．３９－１??５０树种径弦面图像非等间隔饱和度区间??图３－４木材图像饱和度非等间隔分布统计图??Ｆｉｇ．３－４?Ｓｔａｔｉｓｔｉｃａｌ?ｍａｐ?ｏｆ?ｎｏｎ－ｅｑｕｉｄｉｓｔａｎｔ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｗｏｏｄ?ｉｍａｇｅｓ?ｓａｔｕｒａｔｉｏｎ??图３－４显示....

本文编号：4004045