我國林業(yè)資源相對匱乏,但目前國內(nèi)主流木材加工廠的加工備料方法過于簡單粗放,模式傳統(tǒng),致使原材料的加工利用率不高,加工生產(chǎn)效率較差。為有效的提高木材利用率、提高木材生產(chǎn)效率,本文基于多特征模式識別木材分類分選,通過將待選木材圖像按樹種進行檢索分類,從而進一步按照提取的缺陷類別及檢量標準實現(xiàn)基于機器視覺的木材等級分選。現(xiàn)有的基于機器視覺的木材缺陷分等,皆為按照缺陷本身形態(tài)特征參數(shù)對木材等級分選,并未實現(xiàn)在木材樹種分類的基礎(chǔ)上分等優(yōu)選,這同生產(chǎn)實際的木材分等檢量標準操作是不相符的。針對上述問題,本研究在對木材樹種判別的基礎(chǔ)上,對木材圖像進行缺陷分類,根據(jù)針葉樹材與闊葉樹材缺陷類型的不同,按照提取的缺陷面積檢量參數(shù),將木材分為特等、一等、二等和三等。本研究在120個樹種中選取有代表性的50個中國常見樹種,每個樹種對應(yīng)徑切面和弦切面兩幅圖像,作為檢索實驗的研究對象,構(gòu)建多類樹種樣本庫1。再采集5個東北常見樹種的樣本,制作這5個樹種的2種切面(徑切、弦切)的木材圖像,每個樹種100個,共計1000幅,其中包括104個死節(jié)、40個活節(jié)、72個蟲害、92個裂紋缺陷圖像,構(gòu)建樣本庫2。研究內(nèi)容及實驗結(jié)果...

【文章頁數(shù)】：109 頁

【學位級別】：博士

【部分圖文】：

圖２－１實驗自制圖像采集設(shè)備??Ｆｉｇ．２－１?Ｅｘｐｅｒｉｍｅｎｔａｌ?ｉｍａｇｅ?ａｃｑｕｉｓｉｔｉｏｎ?ｅｑｕｉｐｍｅｎｔ??

３〇??表２－３實驗選用的東北常見５種木材樣本庫表??Ｔａｂｌｅ２－３?Ｆｉｖｅ?ｃｏｍｍｏｎ?ｗｏｏｄ?ｓａｍｐｌｅ?ｂａｎｋｓ?ｉｎ?Ｎｏｒｔｈｅａｓｔ?Ｃｈｉｎａ?ｓｅｌｅｃｔｅｄ?ｉｎ?ｔｈｅ?ｅｘｐｅｒｉｍｅｎｔ??序號中文種名?拉丁種名?中文屬名樣本切面?樣本數(shù)量??....

圖２－２模式識別過程??

（６）小波變換??小波是一種強大的時頻分析處理工具，其克服了傅立葉變換的缺點。目前，已成功??地應(yīng)用于信號處理、圖像處理、模式識別等領(lǐng)域。小波變換的一個重要特性是在時間域??和頻率域都具有良好的局部化特性。它能在整個頻域內(nèi)對不同頻段的信號進行分解，此??信息對于信號分類非常有用。....

圖３－３木材圖像飽和度等間隔分布統(tǒng)計圖??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樹種徑弦面圖像非等間隔色調(diào)區(qū)間??圖３－２木材圖像像素點的非等間隔色調(diào)分布區(qū)間統(tǒng)計圖??Ｆｉｇ．３－２?Ｓｔａｔｉｓｔｉｃａｌ?ｍａｐ?ｏｆ?ｎｏｎ－ｅｑｕ....

圖３－５飽和度統(tǒng)計直方圖??Ｆｉｇ．３－５?Ｓｔａｔｉｓｔｉｃａｌ?ｈｉｓｔｏｇｒａｍ?ｏｆ?ｓａｔｕｒａｔｉｏｎ??

?０．３９－１??５０樹種徑弦面圖像非等間隔飽和度區(qū)間??圖３－４木材圖像飽和度非等間隔分布統(tǒng)計圖??Ｆｉｇ．３－４?Ｓｔａｔｉｓｔｉｃａｌ?ｍａｐ?ｏｆ?ｎｏｎ－ｅｑｕｉｄｉｓｔａｎｔ?ｄｉｓｔｒｉｂｕｔｉｏｎ?ｏｆ?ｗｏｏｄ?ｉｍａｇｅｓ?ｓａｔｕｒａｔｉｏｎ??圖３－４顯示....

本文編號：4004045