学位论文 > 优秀研究生学位论文题录展示

实木地板缺陷形态学分割与聚类识别方法研究

作　者: 佟川
导　师: 张怡卓
学　校: 东北林业大学
专　业: 农业电气化与自动化
关键词: 实木地板缺陷分割形态学特征提取 SOM神经网路
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 66次
引　用: 0次
阅　读: 论文下载

内容摘要

实木地板表面缺陷的情况直接影响着产品的等级,对不同类别缺陷实现无损检测与自动识别对于实木地板产品的分级以及提高其生产自动化程度都有着重要的意义。因此,我们根据实木地板缺陷的特点,运用数字图像处理技术与模式识别技术,提出了实木地板缺陷形态学分割与聚类识别的方法。本文所研究的实木地板缺陷对象类别主要分为4类：活节、死节、裂纹、虫眼。研究的主要内容包括：实木地板表面缺陷的图像分割、特征提取、特征选择、特征降维、分类器设计。研究含有不同缺陷的样本图像167幅,其中的缺陷个数为321个,包括70个死节、21个活节、73个虫眼、157个裂纹。在图像分割方面,本文提出了两种方法：一种是梯度算子与Otsu阈值融合的分割方法,该方法通过梯度算子原理与Otsu全局阈值原理完成主要的图像分割,之后运用形态学完成后续的处理,既解决了单一的Otsu全局阈值法,对于复杂死节的检测中误识的问题；又弥补了单一的梯度算子方法,对活节的检测中漏识的不足,能够在实木地板表面情况较为简单的情况下实现缺陷图像的分割。另一种方法是基于形态学重构的分割方法,也是本研究中重点的图像分割方法,该方法先是根据原灰度图像提取出种子点图像与生长区域图像,通过种子点优选过程实现去噪声,通过形态学重构等一些必要的形态学操作快速完成区域生长,克服了前一种方法的不足,能够在绝大多是情况下实现缺陷图像的分割。在特征提取方面,本文提取了缺陷图像的3大类特征：几何与区域特征、灰度纹理特征、不变矩特征,共23个具体特征。通过比较方差进行特征选择,其基本原则是同类缺陷特征方差尽可能小,不同类别缺陷特征方差尽可能大,从23个特征中选出16个特征作为最终的特征,以提高整体运算速度。运用主成分分析进行特征降维,将16个特征降至8维,作为分类器的输入,以提高分类器运算速度。在分类器设计方面,我们采用结构为六角形,竞争层大小为10×10的SOM神经网络,运用四类缺陷特征数据共20组特征向量对网络进行训练,根据获胜神经元的分布情况对实木地板表面缺陷进行分类,分类效果很好,其中死节识别率为88.57%、活节识别率为85.17%、虫眼识别率为93.15%、裂纹识别率为89.17%。

全文目录

摘要  4-5
Abstract  5-9
1 绪论  9-15
  1.1 研究背景与意义  9-10
  1.2 实木地板研究现状与外观分级标准  10-11
  1.3 木材缺陷研究现状与其分类  11-13
  1.4 计算机视觉检测法研究现状  13-14
  1.5 本研究的主要内容  14-15
2 数学形态学原理  15-21
  2.1 数学形态学的基本概念  15-16
  2.2 二值形态学的基本操作  16-18
    2.2.1 二值腐蚀  16
    2.2.2 二值膨胀  16-17
    2.2.3 二值开运算  17
    2.2.4 二值闭运算  17-18
  2.3 二值形态学的复合操作  18-20
    2.3.1 边缘提取  18
    2.3.2 孔洞填充  18-19
    2.3.3 形态学重建  19
    2.3.4 骨架提取  19-20
  2.4 本章小结  20-21
3 梯度算子与Otsu阈值融合的分割方法  21-30
  3.1 图像梯度与梯度算子原理  21-23
  3.2 梯度算子分割图像的实验结果  23-24
  3.3 灰度阈值处理原理  24-27
    3.3.1 灰度阈值  24-25
    3.3.2 传统的全局阈值处理算法  25
    3.3.3 Otsu法确定最佳全局阈值  25-27
  3.4 梯度算子与Otsu阈值分割实验结果  27-29
  3.5 本章小结  29-30
4 基于形态学重构的分割方法  30-45
  4.1 区域生长原理  30
  4.2 区域生长算法  30-31
  4.3 基于形态学重构的图像分割步骤  31
  4.4 基于形态学重构的分割实验结果  31-44
  4.5 本章小结  44-45
5 实木地板缺陷的特征提取与选择  45-59
  5.1 特征提取概述  45-46
  5.2 实木地板缺陷特征提取  46-50
    5.2.1 几何与区域特征  46-47
    5.2.2 灰度纹理特征  47-48
    5.2.3 不变矩特征  48-50
  5.3 特征提取实验结果实例  50-52
  5.4 基于方差比较的特征选择  52-54
  5.5 基于主成分分析的特征降维  54-58
    5.5.1 主成分分析几何意义  55
    5.5.2 根据总体的协方差矩阵计算主成分  55-57
    5.5.3 主成分分析实验结果  57-58
  5.6 本章小结  58-59
6 基于SOM神经网络的分类器设计  59-70
  6.1 SOM神经网络概述  59-60
  6.2 竞争学习  60-62
    6.2.1 相似性测量  60-61
    6.2.2 向量归一化  61
    6.2.3 竞争学习规则  61-62
  6.3 SOM神经网络结构  62-63
  6.4 SOM神经网络学习过程与步骤  63-67
    6.4.1 竞争过程  63-64
    6.4.2 合作过程  64-65
    6.4.3 突触自适应过程  65-66
    6.4.4 SOM神经网络具体学习步骤  66-67
  6.5 基于SOM的缺陷识别分类器设计  67-69
  6.6 本章小结  69-70
结论  70-71
参考文献  71-75
攻读学位期间发表的学术论文  75-76
致谢  76-77

实木地板缺陷形态学分割与聚类识别方法研究

内容摘要

全文目录

相似论文