基于半監(jiān)督學(xué)習(xí)的木材識(shí)別研究.pdf

1、木材與人們的生活息息相關(guān)。然而，木材種類繁多，性能各異，價(jià)格差距較大。木材的正確識(shí)別對(duì)于木材研究、合理利用、市場流通及管理都具有重要的意義。
　　本文應(yīng)用視覺手段和半監(jiān)督學(xué)習(xí)方法對(duì)木材自動(dòng)、準(zhǔn)確識(shí)別的核心算法和關(guān)鍵技術(shù)進(jìn)行了深入研究。在分析木材宏觀、微觀特點(diǎn)和常用識(shí)別方法的基礎(chǔ)上，提取了木材圖像的各種視覺特征，為充分利用大量的無標(biāo)記木材圖像，提高木材識(shí)別的準(zhǔn)確率，本文研究了單視角下Laplacian正則化支持向量機(jī)、Hessian

2、正則化支持向量機(jī)以及多視角下Laplacian正則化支持向量機(jī)、Hessian正則化支持向量機(jī)等基于半監(jiān)督學(xué)習(xí)的木材識(shí)別，并探討了稀疏編碼在多視角Hessian正則化支持向量機(jī)中的應(yīng)用，實(shí)現(xiàn)木材自動(dòng)、準(zhǔn)確識(shí)別。
　　本文主要在以下方面進(jìn)行了深入研究:
　　(1)在分析研究常見木材宏觀和微觀特征的基礎(chǔ)上，針對(duì)木材的特點(diǎn)，提取了顏色及紋理等86種木材視覺特征。研究并提取了木材HSV顏色空間下H、S、V各通道上的顏色直方圖、顏色矩

3、等特征?；诨叶裙采仃囂崛×四静募y理的能量、熵、慣性矩等特征，并分析了不同角度和生長步長對(duì)紋理特征提取的影響。以人感官對(duì)木材紋理判斷為基礎(chǔ)，提取了木材圖像Tamura紋理特征。由于提取的特征多達(dá)86個(gè)，會(huì)降低運(yùn)算效率，因此，采用主成分分析的方法對(duì)這86個(gè)特征進(jìn)行降維。實(shí)驗(yàn)結(jié)果表明，采用前10個(gè)特征值對(duì)應(yīng)的主成分能夠表示木材圖像99％的信息。
　　(2)在分析支持向量機(jī)的基礎(chǔ)上，研究了單視角下基于半監(jiān)督學(xué)習(xí)的木材識(shí)別方法。針對(duì)支持

4、向量機(jī)(SVM)是有監(jiān)督學(xué)習(xí)，無法充分利用木材的無標(biāo)記樣本以及泛化能力差等問題，提出了Laplacian正則化支持向量機(jī)(LapSVM)和Hessian正則化支持向量機(jī)(HesSVM)的木材識(shí)別方法。通過構(gòu)造有標(biāo)記和無標(biāo)記木材樣本鄰接圖將Laplacian正則項(xiàng)引入到支持向量機(jī)目標(biāo)函數(shù)中，有效表達(dá)了木材訓(xùn)練樣本的流形分布，利用木材訓(xùn)練樣本的局部結(jié)構(gòu)信息，較大幅度提高了支持向量機(jī)的分類性能。針對(duì)Laplacian正則化對(duì)訓(xùn)練樣本域外的樣本

5、趨于常數(shù)的缺點(diǎn)，利用Hessian正則化項(xiàng)取代Laplacian正則化項(xiàng)并引入到支持向量機(jī)的目標(biāo)函數(shù)中。由于Hessian正則化具有更豐富的零空間，能夠?qū)τ?xùn)練樣本域外的樣本做出較好的線性估計(jì)，Hessian正則化支持向量機(jī)具有更好的識(shí)別性能。實(shí)驗(yàn)結(jié)果表明，提出的算法對(duì)木材具有較高的識(shí)別正確率。
　　(3)針對(duì)木材有橫切面、弦切面和縱切面以及多種宏觀微觀特征的問題，研究了多視角Laplacian正則化支持向量機(jī)(mLapSVM)和多

6、視角Hessian正則化支持向量機(jī)(mHesSVM)的木材識(shí)別方法。將木材樣本用多維特征表示，每種特征看作是一個(gè)視角并作為一個(gè)學(xué)習(xí)器，通過學(xué)習(xí)獲得不同視角特征的優(yōu)化權(quán)重，對(duì)木材樣本的不同特征合理優(yōu)化利用。實(shí)驗(yàn)結(jié)果表明，與使用單視角特征相比，多視角半監(jiān)督學(xué)習(xí)方法在木材的識(shí)別中具有更好的識(shí)別正確率，尤其在木材訓(xùn)練樣本較少的情況下。
　　(4)研究了多視角Hessian正則化稀疏編碼支持向量機(jī)(mHesSCSVM)木材識(shí)別方法。該方法將

7、木材樣本的標(biāo)簽信息看作是一個(gè)附加的木材視角特征，在稀疏編碼中整合了多個(gè)木材特征，利用Hessian正則化對(duì)木材樣本鄰接圖進(jìn)行編碼以保持木材樣本幾何局部簡單，驅(qū)動(dòng)解決方案沿著流形的測地線平滑變化，無縫地集成了Hessian正則化和判別功能，有效綜合了木材不同視角特征的互補(bǔ)性，在不需要增加計(jì)算復(fù)雜性前提下提高了木材識(shí)別的正確率。
　　實(shí)驗(yàn)結(jié)果表明，本文提出的基于半監(jiān)督學(xué)習(xí)木材識(shí)別方法可以實(shí)現(xiàn)木材自動(dòng)、準(zhǔn)確、高效的識(shí)別。研究結(jié)果將為木材