基于流形支持向量机的木材表面缺陷识别方法的研究
发布时间：2024-05-18 05:38
基于机器视觉的木材表面缺陷检测技术,具有无损性、准确性、快速性等优点,在木材生产及其加工等领域具有较高的应用价值。木材表面缺陷检测的模式识别问题,是值得长期探索的理论课题,也是木材加工工业应用面临的一大难题。木材表面缺陷检测的精确性、实时性、鲁棒性已成为国内外学者研究的热点。本文基于机器视觉和流形理论,以木材表面的活节、死节和虫眼三种常见缺陷为研究对象,对木材表面缺陷的图像分割、特征提取、模式分类方法进行了深入的研究。图像分割是木材缺陷识别的首要问题。针对现有基于局部阈值分割方法过度分割的不足,本文提出了基于全局视觉显著性和局部阈值融合的缺陷分割方法。首先通过缺陷的全局视觉显著性在图像中对缺陷区域进行粗定位；进而在粗定位的缺陷区域周围通过局部阈值分割的方法完成木材表面缺陷的精确定位和分割；最后对分割后的二值图像进行数学形态学处理,提取准确的缺陷目标,为后续木材缺陷特征的提取奠定了基础。为保证木材缺陷识别结果的性能和可靠性,缺陷特征的提取是模式识别中的关键步骤。本文以木材表面缺陷的纹理特征为主,研究了Tamura、灰度共生矩阵、局部二进模式等纹理特征,并提取了活节、死节和虫眼缺陷样本的各...
【文章页数】：128 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题背景
1.2 木材缺陷检测的研究现状
1.3 机器视觉应用现状
1.4 流形理论在机器视觉中研究现状
1.5 研究内容与组织结构
1.5.1 论文研究内容
2 流形的理论基础及实验样本图像获取
2.1 流形的理论基础
2.1.1 流形
2.1.2 黎曼流形
2.1.3 协方差矩阵流形
2.2 实验样本图像获取
2.2.1 木材表面缺陷识别系统组成
2.2.2 实验样本图像获取
2.3 三种木材表面缺陷特点
2.4 本章小结
3 基于视觉显著性和阈值的木材表面缺陷分割
3.1 图像分割算法分析及选择
3.1.1 图像分割算法分析
3.1.2 图像分割算法选择
3.2 基于边缘检测的分割
3.2.1 Roberts算子分割方法
3.2.2 Prewitt算子分割方法
3.2.3 Sobel算子分割方法
3.2.4 Canny算子分割方法
3.2.5 实验结果分析
3.3 基于阈值的分割方法
3.3.1 自适应阈值分割
3.3.2 二维最大熵分割
3.3.3 实验结果分析
3.4 K均值聚类
3.4.1 K均值聚类算法
3.4.2 实验步骤与结果分析
3.5 基于视觉显著性的缺陷分割
3.5.1 视觉显著性
3.5.2 谱残差视觉显著性模型
3.5.3 实验步骤与结果分析
3.6 基于全局视觉显著性和局部阈值的木材表面缺陷分割
3.6.1 视觉显著性和自适应阈值融合分割
3.6.2 数学形态学后处理
3.6.3 实验步骤及结果分析
3.7 本章小结
4 木材表面缺陷协方差流形特征提取方法研究
4.1 缺陷特征提取方法选择
4.1.1 图像特征分类
4.1.2 木材表面缺陷特征分析与选择
4.2 Tamura纹理特征提取
4.2.1 粗糙度
4.2.2 对比度
4.2.3 方向度
4.2.4 线性度
4.2.5 实验结果
4.3 灰度共生矩阵纹理特征提取
4.3.1 灰度共生矩阵
4.3.2 实验结果
4.4 基于局部二值模式的缺陷纹理特征提取
4.4.1 局部二值模式
4.4.2 实验结果
4.5 木材表面缺陷区域协方差流形特征提取
4.5.1 木材表面缺陷区域协方差流形建模
4.5.2 协方差流形的距离度量
4.5.3 实验结果及分析
4.6 本章小结
5 基于流形支持向量机的木材表面缺陷识别
5.1 模式分类方法的选择
5.1.1 模式分类概述
5.1.2 分类器选择
5.2 基于支持向量机的分类识别
5.2.1 支持向量机概述
5.2.2 支持向量机分类器设计
5.2.3 实验结果及分析
5.3 基于BP神经网络的分类识别
5.3.1 BP神经网络结构
5.3.2 BP神经网络的设计
5.3.3 BP神经网络分类结果及分析
5.4 基于流形上支持向量机的分类识别
5.4.1 支持向量机距离函数的选择
5.4.2 流形测地线距离
5.4.3 基于流形的支持向量机模型(Manifold-SVM)
5.4.4 实验结果及分析
5.5 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
本文编号：3976526
【文章页数】：128 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题背景
1.2 木材缺陷检测的研究现状
1.3 机器视觉应用现状
1.4 流形理论在机器视觉中研究现状
1.5 研究内容与组织结构
1.5.1 论文研究内容
2 流形的理论基础及实验样本图像获取
2.1 流形的理论基础
2.1.1 流形
2.1.2 黎曼流形
2.1.3 协方差矩阵流形
2.2 实验样本图像获取
2.2.1 木材表面缺陷识别系统组成
2.2.2 实验样本图像获取
2.3 三种木材表面缺陷特点
2.4 本章小结
3 基于视觉显著性和阈值的木材表面缺陷分割
3.1 图像分割算法分析及选择
3.1.1 图像分割算法分析
3.1.2 图像分割算法选择
3.2 基于边缘检测的分割
3.2.1 Roberts算子分割方法
3.2.2 Prewitt算子分割方法
3.2.3 Sobel算子分割方法
3.2.4 Canny算子分割方法
3.2.5 实验结果分析
3.3 基于阈值的分割方法
3.3.1 自适应阈值分割
3.3.2 二维最大熵分割
3.3.3 实验结果分析
3.4 K均值聚类
3.4.1 K均值聚类算法
3.4.2 实验步骤与结果分析
3.5 基于视觉显著性的缺陷分割
3.5.1 视觉显著性
3.5.2 谱残差视觉显著性模型
3.5.3 实验步骤与结果分析
3.6 基于全局视觉显著性和局部阈值的木材表面缺陷分割
3.6.1 视觉显著性和自适应阈值融合分割
3.6.2 数学形态学后处理
3.6.3 实验步骤及结果分析
3.7 本章小结
4 木材表面缺陷协方差流形特征提取方法研究
4.1 缺陷特征提取方法选择
4.1.1 图像特征分类
4.1.2 木材表面缺陷特征分析与选择
4.2 Tamura纹理特征提取
4.2.1 粗糙度
4.2.2 对比度
4.2.3 方向度
4.2.4 线性度
4.2.5 实验结果
4.3 灰度共生矩阵纹理特征提取
4.3.1 灰度共生矩阵
4.3.2 实验结果
4.4 基于局部二值模式的缺陷纹理特征提取
4.4.1 局部二值模式
4.4.2 实验结果
4.5 木材表面缺陷区域协方差流形特征提取
4.5.1 木材表面缺陷区域协方差流形建模
4.5.2 协方差流形的距离度量
4.5.3 实验结果及分析
4.6 本章小结
5 基于流形支持向量机的木材表面缺陷识别
5.1 模式分类方法的选择
5.1.1 模式分类概述
5.1.2 分类器选择
5.2 基于支持向量机的分类识别
5.2.1 支持向量机概述
5.2.2 支持向量机分类器设计
5.2.3 实验结果及分析
5.3 基于BP神经网络的分类识别
5.3.1 BP神经网络结构
5.3.2 BP神经网络的设计
5.3.3 BP神经网络分类结果及分析
5.4 基于流形上支持向量机的分类识别
5.4.1 支持向量机距离函数的选择
5.4.2 流形测地线距离
5.4.3 基于流形的支持向量机模型(Manifold-SVM)
5.4.4 实验结果及分析
5.5 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢
本文编号：3976526
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3976526.html
