[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

说明书

技术领域

本发明涉及一种实木板材表面纹理与缺陷协同分类方法，涉及实木板材表面纹理与缺陷检测技术领域。

背景技术

实木板材表面的检测和优选是生产过程中的重要工序，将会直接影响到产品质量和生产效率。在对实木板材加工及应用前，首先要对实木板材的缺陷和纹理进行检测。国内在板材表面缺陷检测、颜色、纹理等方面的研究主要有东北林业大学的板材表面粗糙度检测研究、基于计算机视觉的木材表面纹理模式识别方法、基于数字图像处理学的木材纹理定量化研究、以及南京林业大学的基于颜色矩的木材缺陷聚类识别等；国外有代表性的研究有加拿大的国家林产工业技术研究所(FPInnovations FORINTEK)、美国的UnionBrother集团公司、Venten公司和芬兰Mecano公司等。

实木板材表面缺陷和纹理的计算机视觉检测过程主要包括图像获取、特征提取、特征选择和分类器设计。其中，特征提取与选择、分类器的选用直接影响分类速度与精度。特征提取方法主要包括结构分析法、统计法、模型法和信号处理方法。由于实木板材表面纹理与缺陷呈现不规则性，随机性强，以上方法都有各自的局限性

普通的小波变换具有平移的敏感性，可能使在提取信号(图像)特征时，丢失一些重要信息，产生错误的结果。双树复小波变换具有平移不变性，意味着信号的微小平移不会导致各尺度上能量的变化，因此在特征提取和重构中不会丢失信息。在图像处理中,图像纹理和边界方向变化一般是连续的,但是离散小波方向有限的局限性很难反映出图像在不同的分辨率上多个方向的变化情况。双树复小波不单融合了离散小波所具有的良好时频特性,同时还有更好的方向分析手段。

压缩感知是Donoho和Candes等提出信号处理理论。信号通过某种变换可以稀疏表示或可压缩的，则可设计一个与变换基不相关的测量矩阵测量信号，将得到的测量值通过求解优化问题，实现信号的精确或近似重构。压缩感知可以很大程度地减少测量时间、采样速率及测量设备的数量。

发明内容

本发明的目的是提供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，以解决现有的实木板材表面纹理与缺陷分类方法存在的分类精度低、分类效率低等问题。

本发明为解决上述技术问题采取的技术方案是：

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。

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：