資源描述：
《基于特征融合的實(shí)木板材紋理判別研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、萬方數(shù)據(jù)學(xué)校代碼：10225學(xué)號(hào)：S14218學(xué)位論文基于特征融合的實(shí)木板材紋理判別研究指導(dǎo)教師姓名：申請(qǐng)學(xué)位級(jí)別：論文提交日期：授予學(xué)位單位：譚菲張恰卓副教授碩士2014年4月東北林業(yè)大學(xué)學(xué)科專業(yè)：控制理論與控制工程論文答辯日期：2014年6月授予學(xué)位日期：答辯委員會(huì)主席：論文評(píng)閱人：Jt-櫛習(xí)t*V萬方數(shù)據(jù)UniversityCode．．10225RegisterCode：S14218DissertationfortheDegreeofMasterResearchonJudgmentofSolidTextureBasedonFeatureFu
2、sionCandidate：Supervisor：AssociateSupervisor：AcademicDegreeAppliedfor：Speciality：DateofOralExamination：University：TanFeiAssociateProf．ZhangYizhuoMasterofEngineeringControlTheoryandControlEngineeringJune，2014NortheastForestry萬方數(shù)據(jù)摘要建筑，家具等行業(yè)中，對(duì)木板材的宏觀美學(xué)與質(zhì)量的要求越來越高，木材紋理是反映木板材宏觀美學(xué)與質(zhì)
3、量的一個(gè)重要因素。針對(duì)木板材加工業(yè)中，目前沒有完善的描述木材表面紋理的國家標(biāo)準(zhǔn)和行業(yè)準(zhǔn)則且木板材的紋理分類速度慢、精度低的問題。本研究提出一種木板材紋理的檢測(cè)方法。此方法結(jié)合圖像處理與模式識(shí)別方法，融合Tamura特征與基本統(tǒng)計(jì)特征建立了能表征木質(zhì)板材表面紋理特征的參數(shù)系，為木材表面紋理的自動(dòng)分類打下理論和實(shí)踐基礎(chǔ)。本研究的設(shè)計(jì)思是：首先，對(duì)樣本圖片進(jìn)行采集、分割、縮放等預(yù)處理，并將木板材紋理圖片分為三類：直紋、拋物紋、亂紋；之后，對(duì)三類紋理進(jìn)行特征提?。蝗缓?，進(jìn)行特征融合與訓(xùn)練樣本選擇；最后設(shè)計(jì)分類器作出決策識(shí)別。預(yù)處理：本文采集、分割柞木圖片
4、后所得圖片為512×512像素。為減少顏色對(duì)木材表面紋理的干擾，本文進(jìn)行彩色圖像變灰度圖像，處理后的圖像為256級(jí)灰度圖像。為提高速度，本文針對(duì)Tamura特征提取時(shí)間較長，對(duì)灰度圖像進(jìn)行縮小處理。特征提取與特征融合：為克服統(tǒng)計(jì)方法與視覺模型脫節(jié)和對(duì)全局信息利用不足的缺點(diǎn)，本研究融合了木板材紋理為基于視覺心理學(xué)的Tamura紋理特征與對(duì)紋理圖像灰度值進(jìn)行統(tǒng)計(jì)的基本統(tǒng)計(jì)特征，共9個(gè)特征參數(shù)。為了減少特征提取時(shí)間，本文在縮小的紋理灰度圖像上提取Tamura六個(gè)特征參數(shù)，而能快速被提取的基本統(tǒng)計(jì)特征量是在原512×512像素的灰度圖像上提取。特征融合時(shí)
5、，本文用主成分分析(PCA)消除特征數(shù)據(jù)冗余，融合9個(gè)木材紋理特征，得到了7個(gè)新紋理特征。訓(xùn)練樣本選擇：訓(xùn)練樣本影響測(cè)試樣本的最終分類結(jié)果。為篩選隨機(jī)選擇的不良木材紋理樣本，本研究利用非線性映射(NLM)將9維木材紋理特征投影為二維特征，利用遺傳算法對(duì)映射的誤差函數(shù)進(jìn)行了最小化處理，找到合適的二維數(shù)據(jù)結(jié)構(gòu)。在二維平面篩選離群樣本點(diǎn)，選擇優(yōu)良訓(xùn)練樣本。分類器設(shè)計(jì)：選用SVM分類器。使用融合后的7個(gè)新木材紋理參數(shù)系作為輸入，三類木板紋理：直紋、拋物紋和除直紋、拋物紋外的紋理統(tǒng)稱為亂紋的紋理作為輸出。為得到更好的分類效果，本文在使用支持向量機(jī)時(shí)，對(duì)懲罰
6、參數(shù)與核參數(shù)進(jìn)行了粒子群算法(PS0)優(yōu)化。分別利用未進(jìn)行參數(shù)優(yōu)化的支持向量機(jī)(SvM)和優(yōu)化參數(shù)的支持向量機(jī)(SⅧ)進(jìn)行分類，并比較了兩種分類器的分類效果。實(shí)驗(yàn)結(jié)果證明，參數(shù)優(yōu)化后的支持向量機(jī)取得了較好的分類識(shí)別精度。仿真實(shí)驗(yàn)結(jié)果顯示：本文提出方法可減少柞木紋理特征提取與融合時(shí)間，采用PSO-SVC分類器分類柞木紋理準(zhǔn)確率達(dá)到91．43％，與參數(shù)優(yōu)化前的C-SVM分類準(zhǔn)確率88．1％相比，明顯提高。本方法對(duì)木材加工的自動(dòng)檢測(cè)系統(tǒng)的開發(fā)具有參考價(jià)值。關(guān)鍵詞紋理分類；Tamura；特征融合；參數(shù)優(yōu)化；支持向量機(jī)萬方數(shù)據(jù)AbstractWitllth
7、edevelopmentoftheconstructionindustryandthefurnitureindustry，peopleputforwardhigherandhigherrequirementsonthemacroaestheticsandqualityofthewood．Woodtextureisanimportantfactortoreflectthemacroaestheticsandqualityofthewood．Inthetimberindustry,therearenonationalstandardsandindus
8、tryguidelineswhichCandescribethewoodsurfacetextureperfectlyandthetex
