木材表面缺陷图像识别的算法研究

3.2.3 几种边缘检测算子的比较 ..................................................................... - 33 - 3.3 结合特定理论工具的分割技术 ........................................................................ - 33 -

3.3.1 基于人工神经网络的分割技术 .............................................................. - 34 - 3.3.2 基于小波分析和变换的分割技术 .......................................................... - 34 - 3.3.3 基于数学形态学的分割技术 .................................................................. - 37 - 3.4 本章小结 ......................................................................................................... - 40 - 第四章 特征提取 .......................................................................................................... - 41 -

4.1 纹理特征提取 .................................................................................................. - 41 -

4.1.1灰度共生矩阵 ........................................................................................ - 41 - 4.1.2 Haralick特征 .......................................................................................... - 43 - 4.2 色彩特征提取 .................................................................................................. - 45 -

4.2.1颜色直方图 ............................................................................................ - 46 - 4.2.2 颜色矩 .................................................................................................. - 47 - 4.3 主成分分析 ..................................................................................................... - 47 -

4.3.1主成分分析的原理 ................................................................................. - 48 - 4.3.2 主成分分析的基本步骤 ......................................................................... - 49 - 4.4 基于主成分分析的算法实现 ........................................................................... - 50 -

4.4.1 基于主成分分析的降维算法 .................................................................. - 50 - 4.4.2 基于主成分分析的降维结果 .................................................................. - 51 - 4.5 本章小结 ......................................................................................................... - 52 - 第五章 支持向量机的分类器设计 ................................................................................. - 54 -

5.1分类器简介...................................................................................................... - 54 - 5.2 SVM算法原理 .................................................................................................. - 54 - 5.3 核函数的选择 ................................................................................................. - 57 - 5.4 基于SVM的识别结果 ...................................................................................... - 57 -

5.4.1 基于纹理特征的木材缺陷图像识别 ..................................................... - 58 - 5.4.2 基于主成分分析法的综合纹理特征和颜色特征的木材缺陷图像识别 .. - 59 - 5.4.3 三类木材缺陷识别结果 ....................................................................... - 60 - 5.5 本章小结 ........................................................................................................ - 61 - 第六章 总结与展望 ...................................................................................................... - 63 -

6.1 总结 ................................................................................................................ - 63 - 6.2 展望 ................................................................................................................ - 63 - 参考文献 ....................................................................................................................... - 65 -

II

第一章 绪论

1.1 课题的研究背景和意义

1.1.1 课题的研究背景

我国是一个木材资源非常匮乏的国家，我国现有森林面积1.33亿hm2，森林蓄积101.3m3，仅次于俄罗斯、巴西、加拿大、美国，居世界第五位。按人均占有量计算，我国人均森林面积0.11hm2，只有世界水平的1/6。人均森林蓄积量为8.6m3，仅及世界平均水平的1/8。年人均消费木材只有0.22m3，而世界平均为0.65m3。经过多年的过度砍伐，我国天然林木资源已严重枯竭[10]。2004年我国的木材需求缺口达到1.09亿m3，据有关专家预测到2010年，我国木材供需缺口达3800万m3，到2015年，我国的木材需求量约为4.8亿m3，到2020年木材总消费量将达到6.78亿m3，供需矛盾日趋紧张。目前，我国木材年平均产量为6500多万m3，木材的综合利用率仅为60%左右，而发达国家木材的利用率一般均在80%以上，有的国家如瑞典、芬兰则高达90%以上。以上这些数字说明我们要珍惜现有木材资源，要充分合理地使用木材资源[1]。

在木材流通或加工过程中，识别木材是重要的环节[3]。木材的价格由它的树种、尺寸和性质确定。木材表面存在的各种缺陷，直接影响木材的利用价值和经济价值，是评价木材质量的重要指标之一。在我国的木材生产领域中，大部分生产还处在半机械甚至原始的人工生产状态，木材及相关产品的分等主要依靠人工视觉目测与人工经验，根据木材的颜色、纹理、色泽、木材的构造特性等来评价。由于木材表面缺陷种类有多种，同类缺陷在大小和外观形态上也各有差异，这种人工检测方式一方面不可避免人为因素的干扰，识别率低，不能保证产品的高质量；另一方面，随着劳动力价格的不断上升，人工检测的生产成本也会大大增加。所以，木材生产企业对自动化生产有着迫切的需求。而近年来迅速发展的以图像处理技术为基础的机器视觉技术恰好可以解决这一问题。

1.1.2 课题的研究意义

实现木材表面缺陷的自动检测，对自动分选木材等级、提高木材的商品价值有着非常重要的作用。而影响检测水平的重要方面之一是缺陷图像的处理过程，这也就是本文重点研究的内容。

木材缺陷是指不正常的木材组织结构，它的存在将影响木材的质量、改变木材正常性能、降低木材利用率和使用价值。本课题的研究目的是在不损坏木材原有结构的条件下，试图找到一种有效的检测方法，能准确地、快速地判断出木材表面的缺陷信息，并根据现有的数字图像处理技术和人工智能技术，对缺陷模式进行识别，进而对材料进行评价。将人工神经网络方法和模式识别方法相结合，对木材缺陷的类型进行有效识别，以取代人工检测。这不仅能提高缺陷检测的准

- 1 -

确率和检测效果，而且将该方法应用在实际生产线上，可以提高木材识别的效率。 近年来，对木材表面缺陷检测的研究已有很大进展，但直到如今还没有达到实用化程度。寻求非接触的、精度高、具有综合分析能力的机器识别方法来代替人工目测，解决木材表面缺陷的模式识别和测量问题，是木材加工行业面临的一大难题，也是一个值得我们长期探索的科研课题，检测的实时性、精确性、鲁棒性已成为国内外学者研究的热点。

木材缺陷是影响产品质量和等级的主要问题[5]，因而它对产品的价格影响也相当的大。人工识别和控制木材缺陷的剔除方法也存受人为因素的影响较大，例如在生产过程中由于检测员注意力下降及长时间疲劳的影响，以及检测经验不同而造成的检测质量不同的影响等。同时，人工检测的低效也极大地限制了集成材和地板块的大规模生产，特别是在木材缺陷的双面识别中，人工识别严重地限制了生产线的生产节拍。计算机图象处理技术是集多种先进技术为一体的快速而有效的测量分析技术。用图象处理法检测木材缺陷将为智能型板材缺陷识别机的开发提供理论指导，解决木材缺陷人工识别判定误差大、难以实现双面识别的问题，给木材工业带来巨大的经济效益。

1.2 木材表面缺陷检测的研究现状及发展趋势

1.2.1 木材缺陷的常用检测方法

木材表面缺陷检测是提高木材利用率的一个极其重要的手段。一般来说，木材缺陷检测技术主要包括表面缺陷和内部缺陷的检测。目前各种检测技术在木材加工工业发达的国家和地区逐步得到了推广应用，以下是木材缺陷的常用检测方法。[4]

（1）人工检测法：国内目前采用最多的木材缺陷检测方式就是人工检测。这种方法是先通过人眼的视觉和经验判断来确定缺陷的类型，然后用卡尺或米尺来测量缺陷的尺寸和位置。即使是同一缺陷，由不同的人来检测，检测的结果可能不同，因此它的主观性、随意性较大。随着各种先进检测技术的发展和成熟，这种检测方法最终将逐渐被其它更为先进和精确的检测方法所取代。

（2）超声波检测法：超声波是指频率高于20000HZ人耳听不到的声波，超声波检测木材缺陷是利用超声波在木材中传播会发生衰减的现象，即如果发现缺陷，则其传播速度降低，传播时间延长。在测量出超声波速度后，根据超声波传播时间的差异，测定被测木材的缺陷，但超声波检测需要有水或油作为耦合介质，并且不能在待测物体的表面做连续扫描，故在实际应用中有一定的局限性。

（3）X射线检测法：X射线检测原理是当射线通过被检物体时，有缺陷部位与无缺陷部位对射线吸收能力不同，一般情况下是透过有缺陷部位的射线强度高于（或低于）无缺陷部位的射线强度，因而可以通过检测透过被检测物体后的射线强度的差异，来判断被检测木材是否存在缺陷。但X射线照射后需要有硫

- 2 -

化钙、硫化锌等物质来荧光成像，对比度很低，识别灵敏度不高，很难看清木材内部缺陷。且因要使用放射性元素，防护条件要求极高，难以实现。

（4）激光检测法：激光检测是以激光束作为光源，直接照射在扫描镜上使光束反复穿过被检测的木材，通过光电倍增管系统收集从木材上反射回来的激光信号，扫描头应有数字信号处理器（DSP）和计算机等配合，DSP收集数据并将木材横断面图输送至计算机，由微机软件进行加工和过滤所有输入的数据，通过图形处理可获得原木外形的缺陷，并计算缺陷的尺寸和位置，这种方法的不足是识别能力有限，检测速度慢，无法适应自动化生产的需要，而且造价高，对振动环境适应性差。

（5）声发射（AE）检测法：木质材料在受外力或内力作用时会产生变形或断裂，并会以弹性波的形式释放出应变能，利用电子仪器应变能能反映的声发射信号并由此判断木质材料内部的裂纹、缺陷等材料的内部动态信息。

（6）计算机视觉检测法：计算机视觉是一门边缘学科，它是集光学、电子学、图像处理、模式识别等先进技术为一体的一门新兴学科，是图像处理和知识工程学的交叉点，又是机器人技术的一个分支。它主要用计算机来模拟人的视觉功能，它从客体的图像中提取信息，并对这些信息进行处理、再加以理解，对输入图像进行分析和理解，是计算机技术与图像技术相结合的产物，它涵盖了主要的图像处理和模式识别理论，并逐渐形成了丰富、完善的理论体系。由于计算机视觉技术的发展与普及，为世界各国研究计算机视觉技术在木材学研究中的应用奠定了基础。同时，计算机视觉技术的进步为木材检测技术的发展提供了新的测试和分析方法，因此世界各国相继开展了木材表面缺陷的计算机视觉检测与识别技术的研究，并已取得了一定的研究和应用成果。在欧美等比较发达的国家已经应用于实际的生产，检测精度能够满足实际生产的需要，并且降低了工人的劳动强度。

1.2.2 国内外研究现状

随着电子技术的飞速发展，计算机视觉技术、模式识别技术和数字图像处

理技术在各个领域得到了广泛的应用，在木板材表面缺陷识别领域中，世界各国也相继展开了此类技术的应用研究，其中，美国、日本、加拿大和德国等国家处于领先地位，并取得了可喜的研究成果[2]。如利用CCD（Charge Coupled Devices）、激光、CT（Computed Tomography）等采集各种木材缺陷的图像，并进行分类、识别的研究。美国Virginia Tech Georgia大学、美国国家林产品研究所（Forest Products Lab）及美国全美硬模板材协会（National Hardwood Lumber Association）等，利用机器视觉（Machine Vision）技术、CT（Computed Tomography）技术，对原木和锯材的无损检测和分级作了大量的研究，研究成果已在许多北美的生产企业得到了应用；芬兰OULU大学的Olli Silven等对锯材表面缺陷的检测方面进行了大量的实验和研究，利用图像处理方法和神经网络技术实现了对缺陷的检

- 3 -