学位论文 > 优秀研究生学位论文题录展示

基于Markov随机场的木材表面缺陷模式识别方法的研究

作　者: 王再尚
导　师: 白雪冰
学　校: 东北林业大学
专　业:
关键词: 木材表面缺陷图像分割 Markov随机场模式识别
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 80次
引　用: 1次
阅　读: 论文下载

内容摘要

树木在成长过程中会形成各种缺陷,严重影响木材的加工和企业经济效益。如果能准确的检测并去除木材缺陷,就可以确保对木材的合理利用,提高木材的利用率和经济价值。本课题以三种常见的木材缺陷：活节、死节、虫眼为研究对象,对木材缺陷图像的分割、特征提取和类型识别进行了深入的研究。应用中值滤波和直方图变换等数字图像处理技术对三种缺陷图像进行预处理,处理后的图像对比度明显增强,更加突出缺陷区域,便于后续的图像分割。应用自动阈值法和几个常用的边缘检测算子：Roberts算子、Prewitt算子、Sobel算子、Canny算子对缺陷图像进行分割,对分割结果进行比较和分析。引入了马尔可夫(Markov)随机场理论,分别对木材表面缺陷的灰度图像和彩色图像建立MRF-MAP分割模型,然后采用条件迭代算法、模拟退火算法和吉布斯采样算法对分割问题进行优化求解：研究模型中参数的估计方法：EM算法和采样训练法,并对分别用两种估计方法得到的分割结果进行了对比和分析；研究初始标记场对MRF-MAP模型分割结果的影响,分别采用随机赋值和K-均值分割作为初始标记场,将得到的分割结果进行比较。对完成分割的缺陷区域建立高斯-马尔可夫模型,将提取的模型参数作为缺陷识别的纹理特征,然后再结合缺陷的形状特征,建立原始特征库,作为输入模式分类器的输入向量。设计BP神经网络分类器,确定网络层数、各层节点数及学习算法,采用基于神经网络的特征选择方法对缺陷原始特征进行筛选,降低特征的维数。用已知的缺陷样本对BP神经网络进行训练,用未知的缺陷样本进行识别测试,识别准确率达到96.67%。实验结果表明：基于马尔可夫(Markov)随机场的分割方法,可以对木材表面缺陷图像进行有效的分割；应用BP神经网络分类器可以成功识别木材缺陷的类型。并且综合上述研究,开发了木材表面缺陷的图像处理和识别实验系统,该系统能实现缺陷图像的读取、预处理、分割和缺陷类型识别等功能,提高了用户使用的方便性。

全文目录

摘要  4-5
Abstract  5-10
1 绪论  10-18
  1.1 课题的研究背景及意义  10-11
  1.2 木材缺陷检测的研究现状  11
  1.3 数字图像处理技术概述  11-12
  1.4 马尔可夫随机场方法的研究现状  12-13
  1.5 课题的研究内容及技术路线  13-18
2 木材表面缺陷图像的传统分割方法  18-30
  2.1 木材表面缺陷图像的预处理  18-21
    2.1.1 图像去噪  18-19
    2.1.2 图像增强  19-21
  2.2 缺陷图像的传统分割方法  21-25
    2.2.1 木材表面缺陷图像的阈值分割  22-23
    2.2.2 木材表面缺陷图像的边缘检测  23-25
  2.3 木材表面缺陷图像分割后处理  25-28
    2.3.1 数学形态学原理  25-26
    2.3.2 形态学图像分割后处理  26-28
  2.4 本章小结  28-30
3 Markov随机场理论  30-35
  3.1 Markov随机场  30-32
    3.1.1 Markov过程  30
    3.1.2 Markov随机场模型  30-32
  3.2 Markov随机场和Gibbs分布的等价关系  32-33
  3.3 图像分割中的Markov模型  33-34
  3.4 本章小结  34-35
4 基于Markov随机场的木材表面缺陷图像分割  35-60
  4.1 基于Markov随机场的灰度图像分割  35-37
  4.2 能量函数的确立  37-39
  4.3 模型参数估计  39-41
    4.3.1 标记场参数估计  39
    4.3.2 有监督的观测场参数估计  39-40
    4.3.3 EM算法估计观测场参数  40-41
  4.4 基于Markov随机场的彩色图像分割  41-43
    4.4.1 模型的建立  41-43
    4.4.2 估计参数  43
  4.5 Markov随机场分割算法  43-46
    4.5.1 模拟退火算法  43-45
    4.5.2 Gibbs采样算法  45-46
    4.5.3 条件迭代算法  46
  4.6 实验结果与分析  46-58
    4.6.1 灰度图像分割  46-50
    4.6.2 灰度图像和彩色图像分割对比  50-55
    4.6.3 参数的影响  55-57
    4.6.4 初始标记场的影响  57-58
  4.7 本章小结  58-60
5 木材表面缺陷的类型识别  60-75
  5.1 图像识别概述  60-61
    5.1.1 图像识别系统  60
    5.1.2 图像识别的方法  60-61
  5.2 木材表面缺陷的特征提取  61-64
    5.2.1 GMRF模型的建立  61-62
    5.2.2 GMRF模型参数估计  62-63
    5.2.3 木材表面缺陷特征库的建立  63-64
  5.3 BP神经网络分类器设计  64-74
    5.3.1 BP神经网络  64-67
    5.3.2 BP神经网络分类器结构设计  67-69
    5.3.3 BP神经网络的训练算法  69-71
    5.3.4 基于BP网络的特征选择  71-73
    5.3.5 基于BP神经网络的木材表面缺陷识别  73-74
  5.4 本章小结  74-75
6 木材表面缺陷图像识别实验系统  75-94
  6.1 图形用户界面  75
  6.2 实验系统的设计与实现  75-81
    6.2.1 实验系统的功能分析  75
    6.2.2 实验系统界面设计  75-78
    6.2.3 编写回调函数  78-81
  6.3 实验系统操作说明  81-93
    6.3.1 文件菜单  81-82
    6.3.2 几何变换菜单  82-83
    6.3.3 图像增强菜单  83-84
    6.3.4 锐化菜单  84-85
    6.3.5 图像初分割菜单  85-86
    6.3.6 有监督图像分割菜单  86-88
    6.3.7 木材表面缺陷识别过程  88-93
  6.4 本章小结  93-94
结论  94-95
参考文献  95-99
攻读学位期间发表的学术论文  99-100
致谢  100-101

相似论文

森林防火系统中图像识别算法的研究,TP391.41
数字图像处理在集装箱检测中的应用研究,TP274.4
个性化人工膝关节设计及其生物力学特性研究,R318.1
基于图像处理技术的烟叶病害自动识别研究,S435.72
红外图像目标识别及跟踪技术研究,TP391.41
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于可视特征的彩色图像分割方法及应用研究,TP391.41
基于水平集区域分割的医学图像融合算法研究,TP391.41
基于LiDAR点云与CCD影像的建筑物特征提取,P225.2
基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
基于视觉的类人足球机器人目标定位算法设计,TP391.41
复杂相变热图序列相变线提取算法研究,TP391.41
基于马尔可夫随机场模型的医学图像分割方法研究,TP391.41
肝脏移植术前计算机辅助规划关键技术的研究,TP391.41
多尺度遥感图像分割算法研究与应用,TP391.41
基于Otsu算法与数学形态学的图像分割算法研究,TP391.41
肺部病灶感兴趣区域分割算法研究,TP391.41
基于CCD探测技术的棉花“三丝”自动剔除系统研究,TP391.41
基于参数活动轮廓模型的医学图像分割方法研究,TP391.41
指纹图像分割方法评价与半监督学习在指纹图像分割中的应用研究,TP391.41
基于水平集的医学图像分割方法研究,TP391.41