基于圖像處理對(duì)木片和樹(shù)皮的識(shí)別研究.pdf

1、在木材的工業(yè)生產(chǎn)中，需將樹(shù)皮和木片分離，進(jìn)而提高木材的使用效率。本文利用數(shù)字圖像處理技術(shù)對(duì)榆木、柳木和樟子松的木片與樹(shù)皮圖像進(jìn)行處理，通過(guò)處理后的圖像提取參數(shù)值，再利用BP神經(jīng)網(wǎng)絡(luò)和SVM的計(jì)算機(jī)識(shí)別技術(shù)進(jìn)行識(shí)別分離。驗(yàn)證識(shí)別參數(shù)的有效性，提出新的識(shí)別參數(shù)同時(shí)考察BP和SVM對(duì)于木片和樹(shù)皮的識(shí)別效果，建立樹(shù)皮和木片高效的識(shí)別模型。主要研究?jī)?nèi)容包括：
　?、旁囼?yàn)發(fā)現(xiàn)對(duì)于采集的圖像進(jìn)行初期的處理有利于提高圖像數(shù)據(jù)的準(zhǔn)確率，對(duì)于后期實(shí)驗(yàn)

2、的識(shí)別率的提高有利，確定出圖像采集最佳的光源和背景的顏色。
　?、茖?shí)驗(yàn)確定了可用于木片和樹(shù)皮識(shí)別的識(shí)別參數(shù)，建立了圖像的參數(shù)提取系統(tǒng)。并且通過(guò)分析圖像參數(shù)數(shù)據(jù)，提出新識(shí)別參數(shù)均方比。
　?、墙⒒贐P神經(jīng)網(wǎng)絡(luò)和SVM核函數(shù)的木片和樹(shù)皮識(shí)別系統(tǒng)，通過(guò)BP神經(jīng)網(wǎng)絡(luò)和SVM不同的核函數(shù)，考察各識(shí)別參數(shù)的識(shí)別效果。①基于BP神經(jīng)網(wǎng)絡(luò)對(duì)木片和樹(shù)皮進(jìn)行識(shí)別，建立了BP神經(jīng)網(wǎng)絡(luò)的識(shí)別模型，在BP神經(jīng)網(wǎng)絡(luò)中各參數(shù)的識(shí)別率普遍低于70％，只

3、有新參數(shù)均方比達(dá)到78.8％。②基于SVM多項(xiàng)式核函數(shù)對(duì)木片和樹(shù)皮進(jìn)行識(shí)別研究，其中亮度均方差識(shí)別率為97.2％、亮度MSE識(shí)別率87.8％、均方比識(shí)別率為97.7％。③實(shí)驗(yàn)利用SVM徑向基函數(shù)對(duì)圖像進(jìn)行識(shí)別，發(fā)現(xiàn)徑向基核函數(shù)的識(shí)別率較優(yōu)，其中較高的參數(shù)有亮度方差、亮度梯度方差、新角度方差和均方比，識(shí)別率分別達(dá)到94.6％、95.6％、94.1％和98.9％。④利用SVM中Sigmoid函數(shù)建立識(shí)別模型，均方差的識(shí)別率為94.7％，亮度