[发明专利]基于双树复小波特征提取及压缩感知的实木板材表面纹理与缺陷协同分类方法

权利要求书

1.一种基于双树复小波特征提取及压缩感知的实木板材表面纹理与缺陷协同分类方法，其特征在于：

所述方法的实现过程为：

步骤一、获取的实木板材图像，一部分用作训练样本，另一部分用作测试样本；对获取的实木板材图像应用双树复小波变换进行特征提取(由于双树复小波具有近似的平移不变性和更多的方向选择性，这些特征能较为全面和完整的表征实木板材图像的纹理与缺陷信息)，并选取利用粒子群算法(PSO)优选后的特征作为用于训练及识别的图像特征向量；

步骤二、根据压缩感知理论，构建数据字典，将每个训练样本图像优选后的低维特征向量作为数据字典矩阵的一列，形成数据字典矩阵；

步骤三、根据测试样本在所述数据字典矩阵上的稀疏表示，用训练样本线性地表示测试样本，并计算未知测试样本的残差，具有残差最小的类即为测试样本的纹理类别或缺陷类别。

2.根据权利要求1所述的基于双树复小波特征提取及压缩感知的实木板材表面纹理与缺陷协同分类方法，其特征在于：在步骤一中，应用双树复小波变换进行实木板材纹理与缺陷的特征提取过程为：

(1)对实木板材表面图像进行3级双树复小波变换；

(2)3级双树复小波变换后得到低频子带及18个高频子带，一幅图像变化后得到19子带；

(3)计算每个子带图像系数矩阵的均值μ_i，公式如下：

μi=1N2Σx1=1NΣx2=1N|f(x1,x2)|---(3)]]>

式中：N表示实木板材表面图像的大小，为像素个数；f(x₁,x₂)表示子带图像系数的幅值；x₁,x₂表示图像的二维坐标；μ_i中的下脚标i表示子带个数，取值范围为1～19；

(4)计算每个子带图像系数矩阵的标准差σ_i，公式如下：

σi=Σx1=1NΣx2=1N(f(x1,x2)-μi)N2---(4)]]>

式中：f(x₁,x₂)表示子带图像系数的幅值；下脚标i表示子带个数，取值范围为1～19；

(5)计算整幅图像的熵e和标准差σ′，计算公式如下：

e=-Σt=0255p(t)log p(t)---(5)]]>

σ′=Σx1=1N′Σx2=1N′(z(x1,x2)-μ′)N′2]]>

式中：e表示整幅图像的熵，t的取值范围为0～255，表示图像灰度值范围，p(t)表示图像灰度值为t的概率，σ′表示整幅图像的标准差，z(x₁,x₂)表示实木板材图像上每个点的灰度值，μ′表示整幅图像的均值，N′表示整幅图像的大小；

(6)将得到40个参数作为样本的特征向量，一幅图像变化后得到19子带图像系数，由此计算得到19个均值和19个标准差加上计算整幅图像的熵和标准差共40个参数，即40维特征向量，作为一个样本的特征向量。