（农业电气化与自动化专业论文）基于纹理特征的木材表面缺陷识别方法的研究.pdf

摘要 摘要 基于计算机视觉技术和模式识别理论的木材表面缺陷检测技术，具有无损性、快速 性、准确性和经济性等优点，对锯材等级自动分选、提高锯材商品价值和加速木材加工 自动化具有非常重要的作用。 本文以虫眼、死节、活节三种常见木材缺陷为研究对象，对木材表面缺陷的模式识 别方法进行了深入的研究。主要内容包括：木材表面缺陷图像分割、分割性能评价、特 征提取、缺陷类型识别等问题。 图像分割是第一步，也是由图像处理到图像分析的关键步骤。本文针对传统灰度阈 值分割和边缘检测的不足，采用基于灰度梯度共生矩阵模型和最大熵原理的二维阈值 化技术对木材缺陷图像进行分割；并针对木材缺陷这一自然纹理型事物，结合模糊c 均 值聚类算法，提出基于灰度共生矩阵的纹理分割方法。同时采用具有强大运算功能的数 学形态学工具，对分割后图像进行了分割后处理，加强了分割图像的可视性和完整性， 并提高了缺陷提取的精确度。 根据灰色系统理论，提出了一个基于灰色关联度分析的图像分割性能评估模型，对 改进的二维阙值分割算法和基于灰度共生矩阵的纹理分割算法进行了分割性能的综合评 价，该模型评判的结果与算法的性能基本保持一致。 对于木材缺陷的识别，本文从纹理特征( 1 4 个灰度共生矩阵参数) 和几何特征( 伸 长度和矩形度) 两个角度来描述缺陷。根据各参数分布情况，选择标准差较小的参数作 为分类器输入特征向量；以及采用主分量分析法进行特征提取，降低纹理特征维数，消 除模式特征之间的相关性，突出其差异性，满足识别层的输入要求。分别采用b p 神经 网络分类器及改进的k - 近邻分类器进行缺陷的模式识别，识别正确率分别达到9 2 和 8 8 。 试验结果证明：运用数字图像处理技术，根据木材表面缺陷图像的纹理特征，来解 决木材表面缺陷的分割和识别等问题，是行之有效的途径。并且为方便用户使用，开发 制作了木材表面缺陷识别软件试验系统。 关键词木材表面缺陷i 二维阈值分割：纹理分割；分割性能评价；模式识别 a b s t r a c t t h ed e t e c t i o nt e c h n i q u eo fw o o ds u r f a c ed e f e c t sb a s e do nc o m p u t e rv i s i o nt e c h n o l o g y a n dp a t t e r nr e c o g n i t i o nt h e o r yh a sm a n ya d v a n t a g e s ，s u c ha sn o n - b r e a k a g e ，r a p i d i t y , a c c u r a c y , e c o n o m i c a le f f i c i e n c ya n ds oo n i tp l a y sa ni m p o r t a n tr o l et or a n kt h el u m b e rc l a s s e s a u t o m a t i c a l l y , t oi m p r o v et h ec o m m o d i t yv a l u eo fs a w t i m b e ra n dt oa c c e l e r a t et h ea u t o m a t i o n o f w o o dp r o c e s s i n g i nt h i sp a p e r , t a k i n gw o r m h o l e d e a dk n o ta n dl i v ek n o tt h r e ek i n d so ft y p i c a lw o o d d e f e c t sa sr e s e a r c ho b j e c t s ，a ni n t e n s i v es t u d yo ft h ep a t t e r nr e c o g n i t i o nm e t h o d st ow o o d $ u t f a o ed e f e c t sa r em a d e t h em a i nc o n t e n t so ft h er e s e a r c ha r ei n c l u d i n gt h ei m a g e s e g m e n t a t i o no fw o o ds u r f a c ed e f e c t s ，t h ee v a l u a t i o no fs e g m e n t a t i o np e r f o r m a n c e ，f e a t u r e e x t r a c t i o na n dt h ei d e n t i f i c a t i o no f d e f e c t s i m a g es e g m e n t a t i o ni s t h ef i r s ts t e p a n di ti sa l s ot h ee s s e n t i a ls t e pf r o mi m a g e p r o c e s s i n gt oi m a g ea n a l y s i s i nv i e wo ft h ed e f i c i e n c yo ft r a d i t i o n a lg r a yl e v e lt h r e s h o l d i n g a n dc d g ed e t e c t i o n , t w o d i m e n s i o n a lt h r e s h o l d i n gt e c h n i q u eb a s e do ng r a yl e v e l g r a d i e n tc o o c a 3 u i t e n c em a t r i xa n dt h em a x i m u me n t r o p yp r i n c i p l ei sa d o p t e dt os e g m e n tt h ew o o dd e f e c t i m a g e s b e c a u s ew o o dd e f e c ti sn a t u r a lt e x t u r es t u f f , c o m b i n e d 、v i t l lf u z z yc m e a n sc l u s t e r a l g o r i t h m t e x t u r es e g m e n t a t i o nm e t h o db a s e do ng r a yl e v e lc o o c c u r r c r l c em a t r i xi sp r e s e n t e d a n ds i m u l t a n e o u s l yu s i n gm o r p h o l o g ya sat o o lw h i c hh a ss t r o n go p e r a t i o nf u n c t i o np r o c e s s e s t h es e g m e n t e di m a g e s a f t e rp o s t - p r o c e s s i n g , i ts t r e n g t h e n e dt h ei n v i s i b i l i t ya n di n t e g r i t yo f t h es e g m e n t e di m a g e sa n de n h a n c e dt h ep r e c i s i o no f d e f e c te x t r a c t i o n a c c o r d i n gt ot h eg r a ys y s t e mt h e o r y , am o d e lt oe v a l u a t et h ep e r f o r m a n c eo fi m a g e s e g m e n t a t i o nb a s e do nt h ea n a l y s i so fg r e yi n c i d e n c ei sp r o p o s e d 1 1 1 ei n t e g r a t i v ea p p r a i s a lo f t h es e g m e n t a t i o np e r f o r m a n c eo ft h ei m p r o v e dt w o - d i m e n s i o n a lt h r e s h o l d i n ga l g o r i t h ma n d t h et e x t u r es e g m e n t a t i o na l g o r i t h mb a s e do ng r a yl e v e lc o o o c u r r e n c em a t r i xw a sc o n d u c t e d t h e j u d g m e n tr e s u l t so f t h i sm o d e lc a nb a s i c a l l yk e 印i ns t e pw i t ht h ea l g o r i t h mp e r f o r m a n c e t oi d e n t i f yt h ew o o dd e f e c t s ，t h ed e f e c t sa r ed e s c r i b e df r o mt w oa s p e c t s ，t h et e x t u r e f e a t u r e s ( 1 4g r a yl e v e lc o - o c c u r r e n c em a t r i xp a r a m e t e r s ) a n dg e o m e t r i c a lc h a r a c t e r i s t i c s ( e l o n g a t i o na n dd e g r e eo fr e c t a n g l e ) a e o r d i n gt ot h ed i s t r a b u t i o no ft h e s ep a r a m e t e r s ，t h e p a r a m e t e r sw h i c hh a v es m a l ls t a n d a r dd e v i a t i o na r es e l e c t e da st h ei n p u te i g e n v e c t o ro ft h e c l a s s i f i e r s a n dt h ef e a t u r e sa r ee x t r a c t e db yt h ep r i n c i p a lc o m p o n e n t sa n a l y s i sw h i c hc a n r e d u c et h et e x t u r ef e a t u r ed i m e n s i o n sa n de l i m i n a t et h er e l e v a n c eb e t w e e nf e a t u r em o d e sa n d h i g h l i g h tt h e i rd i f f e r e n c et os a t i s f yt h ei n p u tr e q u e s to ft h er e c o g n i t i o nl e v e l u s i n gb pn n c l a s s i f i e ra n dt h ei m p r o v e dk - n e a rn e i g h b o rc l a s s i f i e rt oi d e n t i f yt h ed e f e c t s ，t h ec o r r e c tr a t e s o f p a t t e r nr e c o g n i t i o na c h i e v e d9 2 a n d8 8 r e s p e c t i v e l y n t h ee x p e r i m e n tr e s u l tp r o v e st h a ta c c o r d i n gt ot h ed i g i t a li m a g ep r o c e s s i n gt e c h n o l o g y , i ti sa l le f f e c t i v ew a yt os o l v et h es e g m e n t a t i o na n di d e n t i f i c a t i o no fw o o ds u r f a c ed e f e c t sb y t e x t u r ef e a t u r e so fw o o ds u r f a c ed e f e c ti m a g e s a n dt h es o f t w a r ei d e n t i f i c a t i o ne x p e r i m e n t s y s t e mo f w o o ds u r f a c e d e f e c t sh a sb e e nd e v e l o p e d t of a c i l i t a t et h eu s e r s k e y w o r d sw o o ds u r f a c ed e f t e c t s ；t w o - d i m e n s i o n a lt h r e s h o l d i n gs e g m t e n t a t i o n ；t e x t u r e s e g m e n t a t i o n ；e v a l u a t i o no f s e g m e n t a t i o np e r f o r m a n c e ；p a t t e r nr e c g n i t i o n 1 1 1 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 人已经发表或撰写过的研究成果，也不包含为获得壅皇垦盐些盘堂或其他教 机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何 献均己在论文中作了明确的说明并表示谢意。 学位论文作者签名： 签字日期：9 哆7 年石月劢日 学位论文版权使用授权书 本学位论文作者完全了解壅宴垦盐些盘堂有关保留、使用学位论文的 定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被- 阅和借阅。本人授权盘皇垦盎些盘堂可以将学位论文的全部或部分内容编入： 关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位。 文。 ( 保密的学位论文在解密后适用本授权书) 学位敝储徘印 签字日期：伽7 年石月幻日 学位论文作者毕业后去向： 工作单位： 通讯地址： 导师签名： 签字日期：岬年乡月劾日 ， 电话： 邮编： l 绪论 1 1 本研究的目的及意义 1 绪论 1 1 1 木材缺陷 根据我国国家标准有关木材缺陷的定义：凡呈现在木材上能降低其质量、影响其使 用的各种缺点，均为木材缺陷，它们降低木材商品价值和使用价值，影响加工和装饰质 量或外观。国家标准将木材缺陷分为1 0 大类：节子、变色、腐朽、虫眼、裂纹、树干 形状缺陷、木材构造缺陷、伤疤( 损伤) 、木材加工缺陷和变形【1 捌。其中，节子是又分 为死节( 当树枝枯死后树木仍继续生长，致使树干与树枝之间木材组织联系破坏、相互 脱离或部分脱离，是枯死枝条埋藏在树干的部分) 与活节( 与周围木材有机地连续，构 造正常，质地坚硬) ，它们在树木生长过程中是不可避免的，节子是木材中影响最大而 又最为普遍的一种天然缺陷。虫眼是指木材被昆虫侵害而造成的一种后天缺陷，虫眼的 直径大小及分布密度在不同程度上都会影响木材的材质。 死节、活节、虫眼是比较常见且有代表性的木材缺陷，它们都能破坏木材的均匀性 和完整性，影响成材表现，降低木材某些力学性质，不利于木材的加工利用，造成加工 困难，是木材分等的关键因素，也是造成木材降等的主要因素。本课题正是以上述三种 典型缺陷为研究对象，从木材纹理角度对其分析和识别，应用于木材表面缺陷检测中 去。 1 1 2 目的及意义 我国是一个森林资源相对匮乏的国家。面对我国森林资源不足、森林质量不高的现 状，如何合理利用、保护森林资源，提高木材利用率，是我国林业科技人员迫切需要解 决的重要课题。木材缺陷会直接影响木材产品的强度、外观及档次，木材缺陷检测对木 材加工过程中的木材材质评定、质量控制及产品分等均具有重要意义，所以检测并剔除 木材板材的缺陷是木制品加工过程中的重要环节。 木材表面缺陷类型多，形状复杂，用一般的方法均不能很好的代替人的检测，然 而，人工智能技术己经飞速发展，理论日趋完善。因此，用机器来模拟人的智能并代替 人，这已成为可能。在传统木制品生产过程中，主要依靠人的视觉来检测木材板材缺 陷，由于木材生产过程中的重复性和单一性的特点，用人工检测存在着严重影响检测结 果的因素，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等影响。这都说明用智能化的机器代替人工对木材质量检 测的必要性。 采用计算机视觉技术和图像处理技术对木材表面缺陷图像进行处理，以实现木材表 面缺陷的自动检测与识别，这对锯材等级自动分选、提高木材利用率、提高锯材的商品 东北林业大学硕卜学位论文 价值和实现木材加工自动化具有非常重要的意义。同时。能够为木材学研究提供先迸的 技术手段，并丰富计算机视觉领域自然纹理分割与 ： 别的方法。 1 2 木材缺陷检测技术的发展现状 木材表面缺陷检测是优化下锯方式、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l j i 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。如用光电、视觉、激光等技术识别 表面缺陷；用超声波、x 射线透视、核磁共振成像等技术识别木材内部缺陷。本研究所 采用的方法为计算机视觉检测，它是检测木材表面缺陷的一个重要途径。以下是木材缺 陷的常用检测方法l j - - 6 l 。 ( 1 ) 人工检测人工检测是目前国内采用最多的木缺陷检测形式。这种方法是通 过人的判断来确定缺陷的类型，然后用卡尺或米尺来确定缺陷的尺寸和位置。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、随意性太大。随 着各种先进检测技术的发展和成熟，这种检测方式终将逐渐被更为先进的检测方式所取 代。 ( 2 ) 超声波检测超声波是指频率高于2 0 0 0 0 h z 人耳听不到的机械波，超声波检 预4 木材缺陷是秘用怒声波在本材中传播会发生衰减的现象，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均匀 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 射线透视检测x 射线透视检测是通过检测透过被检测木材后的射线强度 的差异来判断被检测木材是否有缺陷存在。但x 射线照射后需要有硫化钙、硫化锌等物 质来荧光成像，对比度很低，识别灵敏度不高，很难看清木材内都缺陷。利用7 射线的 检测方法，不利因素是要用到放射性元素，防护条件要求极高，难以实现。 t 4 ) 激光扫描激光扫描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，由微机软 件进行加工和过滤所有输入的数据，计算缺陷的尺寸和位置，这种方法的不足是识别能 力有限检测速度馒，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 ) 基于振动声学的检测木材缺陷的测定过程基于振动声学，以及对与客观和 主观极限条件组合的实际时间比例信号分析。计算机短时间内得出测量结果的平均值， 用来判断木材的损坏程度和最佳造材方案。 9 1 1 j 量过程是将两个探头插入木材一定深度， 并测定探头的极性和探头插入木材的深度，然后测定探头冲击次数，以及探头达到规定 插入深度需要的冲击力。测量结果相互比较，其差异就是测定木材缺陷的依据。 ( 6 ) 计算机视觉检测计算机视觉技术【7 j 是8 0 年代中期发展起来的一门新兴技 术，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- - f - j 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。它通过模拟人的视觉功 l 绪论 能，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，但更侧重于通过模拟人的视觉功能，去实现机器视觉， 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科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和工作条件。 目前，应用计算机视觉技术检测缺陷已在国内外许多领域得到了应用，比如玻璃缺 陷识别；农业水果缺陷检测；钢丝绳、钢板、皮革、地板块表面缺陷检测等 s - 1 0 。在木 材学科方面，计算机视觉技术还在木材表面粗糙度、木材解剖特征等多个方面进行了应 用。 无损检测是未来检测技术的发展方向，而采用计算机视觉技术对木材表面缺陷进行 检测具有无损性、快速性、准确性和经济性等优点，适合我国国情。图像的显著特点是 信息量大、频带宽，通过图像处理可以初步检测木材特征，处理精度高、内容丰富，可 进行复杂的非线性处理，有灵活的变通能力。本文正是基于未来对板材表面缺陷检测系 统研究的要求【1 1 ”】，以图像处理技术为手段，结合木材本身纹理特性，开展对木材表面 缺陷检测与识别的研究工作。 1 3 研究方案及技术路线 本研究所涉及的主要内容有：木材表面缺陷的图像增强、图像分割、图像后处理、 图像特征提取、模式识别。 谬 ( 1 ) 分析研究木材表面缺陷的纹理特征，研究木材缺陷形成的机理与特点。采集 实验用死节、活节、虫眼木材缺陷样本。 ( 2 ) 利用数字图像处理技术对木材表面图像进行图像预处理( 包括图像变换、图 像增强、图像滤波、边缘锐化等) ，以得到适合人眼观察和计算机处理的图像。 ( 3 ) 对预处理后的图像进行纹理分析，根据木材的纹理特征进行图像分割，计算 缺陷的几何特征。 ( 4 ) 对分割后木材缺陷图像进行形态学处理，并评价图像分割质量。 ( 5 ) 根据木材表面缺陷的纹理特征和形状特征，利用k 近邻法和b p 神经元网络 对木材表面缺陷类型进行模式识别。 研究过程如图1 1 所示。 东北林业大学硕i ：擘位论文 图1 1 研究过程框图 1 4 研究的关键问题 ( 1 ) 图像分割对于木材表面缺陷的分析，图像分割是第一步，也是由图像处理 到图像分析的关键步骤，只有在图像分割的基础上才能对目标进行特征提取和参数测 量。这一环节也是本论文的研究重点，主要采取的研究方法为：分别进行传统阈值分 割、边缘检测；改进的利用梯度灰度共生矩阵与最大熵原理，借助梯度信息的二维阈 值分割；基于统计的特征实现纹理分割。纹理是图像中一个重要而又难以描述的特征， 我们可以看作是局部区域内呈现不规律性与整体上表现出某种规律性特征的统一。我们 求取图像每像素点的灰度共生矩阵参数，并对所提取的参数模糊聚类以获得纹理分割图 像。 ( 2 ) 分割后处理由于木材缺陷图像固有的纹理性，分割得到的结果可能残留一 些非预期的线形或颗粒状伪目标和噪声，分割图像的效果并不理想，必须进行一定的后 处理才能获得较为理想的分割图像。本研究采用数学形态学方法对木材表面缺陷分割图 像进行后处理。数学形态学强大的运算功能为后处理提供了有力的工具，通过使用形态 学腐蚀和膨胀、开启和闭合的运算，去除噪声干扰，提高缺陷提取的精确度。 ( 3 ) 图像分割质量评价对于各种分割算法所获得的分割图像，其各自的分割质 量如何，将会直接关系到该算法的有效性，那么建立对图像分割质量的评价体系是十分 必要的。这里，采用基于灰色关联度分析的图像分割性能评估方法，定义多个评价因 子，克服了以往评估中存在的不灵敏性和奇异性，可更有效地分析图像分割算法的性 能。 ( 4 ) 模式识别在图像分割以及后处理的基础上，最终目的是实现对缺陷种类的 l 绪论 识别。目前国内外应用最广泛的模式识别算法包括1 1 4 j ：判决函数法、k 近邻法、聚类分 析、判别分析、主元分析法、反向传播人工神经网络、径向基函数网络、支持向量基、 遗传算法、信息融合等。目前还没有成熟的专门针对木材纹理的模式识别方法，也没有 一种分类方法适合于所有的模式。在这里我们针对分割后缺陷图像，选取足够表征缺陷 纹理特征的区域，提取和选择缺陷整体纹理特征参数，并融合缺陷的形状特征表征缺 陷，分别采用b p 神经网络分类器及k 近邻分类器进行缺陷的模式识别。 东北林业大学硕j 。学位论文 2 木材表面缺陷的图像检测系统 2 1 木材表面缺陷图像检测系统构成 采用数字图像处理技术豹基本检浸0 原理就是用计算机来代替人的眼睛和大脑，来对 客观世界进行感知和理解以完成特定的目的。其检测的基本过程是通过c c d 摄像头获 取图像并输入计算机，采用一定的算法完成图像预处理和图像特征提取，应用模式识别 方法来达到对分割后的单元进行识别、分类等，从而完成对图像的分析和理解。木材表 面缺陷检测系统框图如图2 1 所示【l 副。 图2 - 1 木材表面缺陷检测系统框图 待测样本的数字图像可以通过多种渠道获得，图2 1 所示的木材缺陷检测系统就有 两种方式。实线部分代表系统成像是在均匀光照下，通过c c d 摄像机将木材样本转化 为模拟视频信号，再输入给图像采集卡。由采样电路和a d 转换器，将模拟图像信号转 化为数字信号，存储在采集卡上的图像存储器中，由程序读入计算机内存，进而完成图 像存储或处理运算。通过参数计算对板材图片提取特征以检测表面缺陷信息，确定缺陷 大小、位置等几何特征或纹理特征，对缺陷类型进行识别及分类定等级。优点是速度较 快，缺点是受光照影响大，如用光照箱，应调节光亮度和光谱特性；且c c d 摄像机会 引入读入噪声和读出噪声。而虚线部分是直接通过数字化设备扫描仪采集缺陷图像，送 入计算机系统进行分析识别。 图像采集数字化过程是图像处理的基本环节，它主要由图像输入设备，即图像数字 化器来完成。在本课题中，图2 1 中的实线部分的实验系统由照明光源、c c d 摄像机、 图像采集卡、监视器、p c 机组成。其中c c d 摄像机选用美安力系列m y 6 0 0 8 3 0 f1 3 英寸彩色摄像机；图像采集卡选用的型号为天敏s d k - 2 0 0 0 ，它画质清晰。性能稳定， 具有高品质的视频采集性能，来完成模拟视频信号的数字化工作。具体实验设备如图2 2 、图2 - 3 和图2 4 所示。虚线部分的实验系统扫描仪采用爱普生公司p r e f e c t i o n4 4 9 0 p h o t o 扫描仪，其光学分辨率为3 6 0 0 7 2 0 0 d p i ，可直接进行数字化图像采集。 2 术材表面缺陷的图像检测系统 图2 - 2 木材表面缺陷检测硬件系统 图2 - 3 天敏s d k - 2 0 0 0 图像采集卡图2 - 4m y 6 0 0 8 3 0 fc c d 摄像机 2 2 软件编程语言m a t l a b 为满足在图像处理过程中，要求计算量大、存储量大和编程方便等要求。在软件方 面，采用中文w i n d o w sx p 为开发平台，以m a t l a b 7 0 为编程工具。m a t l a b 语言被 东北林业大学硕士掌位论文 称为是一种“演草纸式的科学计算语言”，它在数值计算、数据处理、自动控制、信号 处理、神经网络、优化计算、模糊逻辑、小波分析、图像处理、统计分析、余融分析等 众多的领域有着广泛的用途。特别是它所提供的各种工具箱，使得在科学计算、工程设 计、数值分析、等领域的各种计算、演算、模拟等工作变得相当简单。m a t l a b 语言 具有编程效率高、用户使用方便、扩充能力强、交互性好、语句简单的特点，尤其适合 于矩阵和数组运算，具有强大的绘图功能等特点。 m a t l a b 拥有功能强大的适应于图像分析和处理的工具箱1 1 6 】，常用的有图像处理 工具箱、小波工具箱及数字信号处理工具箱。利用如此多的工具，我们可以方便地从各 个方面对图像的性质进行深入的研究。在m a t l a b 中可用两种数据类型来存储图像： 双精度型和8 位无符号整数型。图形命令对不同的数据类型做不同的处理。m a t l a b 支持的图形文件的格式包括：j p e g 、b m p 、1 1 f f 、g i f 、p c x 和p s d 等。m a t l a b 在图像处理中的应用都是由相应的m a t l a b 函数来实现。图像处理工具箱几乎包括了 经典图像处理的所有方面。在图像处理中使用m a t l a b 可以大大提高编程的效率，快 速实现研究中的新构想。 2 3 试验样本库的制作 由于本研究意旨在对木材表面缺陷纹理特征进行分析及识别，所以在实验样本库的 采集过程中，我们采用扫描仪直接扫描木材样本并转换为数字图像，以获耿木材表面缺 陷图像，并输入计算机进行存储运算。这种方法使成像过程和数字化过程一次完成，且 光照均匀不受杂散光影响，但缺点是速度慢，无法实现在线应用，较适于理论研究工 作。 试验中，共采集到木材缺陷样本1 5 0 幅，死节、活节、虫眼三种缺陷各5 0 幅。缺 陷样本试样如图2 5 所示。 图2 - 5 木材表面缺陷实际样本 采集中，我们选择图像大小为5 1 2 x 5 1 2 ，转换为灰度图像后灰度级为2 5 6 级。所采 集到的部分试验样本图片如图2 - 6 所示。 ：奎型耋雪竺氅墼里璧丝塑重釜 死节样本 9 东托林监大学硕l 辛位论文 ( ”活节样本 ( c ) 虫眼样本 图2 - 6 术材表面缺陷样本图片 2 4 木材表面缺陷图像特点 观察所采集到的三种木材表面缺陷图像，其灰度图像在灰度值变化、形状及纹理等 方面具有各自不同的特点。 ( 1 ) 死节图像特点由于死节与正常木材组织相脱离，它的周围边界具有明显的 灰度变化；大多数死节呈圆形或椭圆状；并且死节缺陷本身具有同心圆状的纹理，而周 围正常木材组织为径切纹理，二者之侧有明显的边界。 ( 2 ) 活节图像特点活节是与木材组织一同生长的，并未发生破坏，所以其周围 2 木材表面缺陷的图像检测系统 边界灰度变化缓慢，具有渐变性；形状大多数也为圆形和椭圆形；活节缺陷本身也具有 同心圆状的纹理，周围正常木材组织为径切或弦切纹理。 ( 3 ) 虫眼图像特点虫眼本身缺陷图像在灰度值上低于周围正常的木材组织，且 边界上有明显的灰度变化；它的形状以矩形和长椭圆形居多，呈长条形：且具有横向走 势的纹理，纹理较为单一，周围正常木材组织为径切纹理。 从以上各特点的不同角度，可以为我们的研究提供一些思路和指导。特别是它们各 自的纹理特点，在图像分割过程中，我们可以看到它优越性；并且在缺陷类型的识别中 可以结合几何形状特征和纹理特征来共同描述缺陷，从而达到有效识别的目的。 2 5 本章小结 本章主要阐述了木材表面缺陷检测系统的基本原理，以及获取数字化图像的方式。 介绍了本课题中图像采集实验系统的硬件设备，以及软件编程工具m a t l a b 的特点和 功能。针对本研究的主要内容，采用扫描仪直接获取木材表面缺陷的数字化图像，建立 实验用样本库，主要优点是图像质量理想，受噪声影响小。并且分析了所采集的各种缺 陷图像的特点，以有助于分割和识别问题的分析和解决。 东北林业大学硕 擘位论文 3 传统与改进的图像分割方法 3 1 图像预处理 图像预处理是按照特定的目的，用一系列的特定操作来“改造”图像。所谓特定的 操作，可以是清除图像噪声，使图像更清晰，或突出特定区域，消弱背景信息。预处理 方法基本可以分为图像去噪和图像增强两种方式f m 。 由于采集缺陷样本时，使用的是扫描仪数字化方式，且用于实验的扫描仪分辨率较 高，获得的木材表面缺陷图像质量较好，受噪声影响较小。因此，对样本图片的预处理 工作着重放在图像增强上，它是一种基本的图像预处理手段，能改善原始图像的视觉效 果，突出图像中的某些特征，便于图像分析、缺陷检测等图像后续处理的进行。图像增 强的实质是有选择地加强图像中某些信息而抑止另外一些信息。在这里我们涉及了图像 的直方图均衡化和图像的灰度变换增强。通过处理使缺陷更为突出，获得精度更高、再 现性更好的图像。 3 1 1 直方图变换增强 直方图是用于表达图像灰度分布情况的统计图表。图像的灰度统计直方图是一个一 维的离散函数： p ( a ) = 仇n l c - - o ，l 工- l ( 3 - 1 ) 上式中五为图像， 的第k 级灰度值，n k 是图像fo ，) ，) 中具有灰度值五的像素的个 数，撑是图像像素总数。 尽管灰度直方图不能表示出某灰度级的像素在什么位置，更不能直接显示图像内 容，但是具有统计特性的直方图却能描述该图像的灰度分布特性，使人们从中得到的诸 如总体明亮程度、对比度、对象物的可分性等与图像质量有关的灰度分布概貌，成为一 些处理方法的重要依据。 直方图均衡化是一种借助直方图变换来增强图像的方法【1 5 , 1 9 。对一幅对比度小的图 像，其直方图分布一定集中在比较小的范围内，经过均衡化处理的图像，其所有灰度级 出现的概率基本相同，即其基本思想是把原始图的直方图变换为均匀分布的形式。这里 增强函数取图像o ，j ，) 的累积直方图： & = 粪鲁= 砉p c z ，七! 瑟。 p z ， 3 1 2 灰度变换增强 一般成像系统只具有一定的亮度范围，亮度的最大值与最小值之比称对比度。由于 形成图像的系统亮度有限，常出现对比度不足的问题，使人眼观看图像时视觉效果很 差。通过灰度变换可以改善视觉效果，灰度变换又可分为以下三种：线性变换、分段线 3 传统与改进的图像分割方法 性变换和非线性变换【1 8 2 0 1 。 线性灰度变换实际上是利用一线性单值函数，对图像内的每一个像素作线性扩展， 令原图像瓜所，1 ) 的灰度范围是【口，6 】，线性变换后，图像g ( m ，一) 的范围为【c ，明，如图3 一l 所 示。g ( m 力和灭m ) 之间的变换关系为： ，一4 g ( m ，疗) = 二( f - a ) + c( 3 - 3 ) d a 若图像中大部分像素的灰度级在【口，6 】范围内，少部分像素分布在小于a 和大于b 的 区间内。此时可用式( 3 4 ) 作变换，如图3 - 2 所示。 咖朋= 旧4 淼；6 洲， 但是，这种两端“截取式”的变换使小于灰度级a 和大于等于灰度级b 的像素强行 压缩为c 和d ，将会造成- 4 , 部分信息丢失。 ab a x , y ) 图3 - 1 灰度线性变换示意图 ab舭n 图3 - 2 截取式线性变换示意图 另外，还有分段线性变换、非线性变换等。我们为改善图像视觉效果，在此只进行 以上线性变换即可满足要求。 3 1 3 木材表面缺陷图像的预处理 ( 1 ) 阈值化分割中的预处理在实验中，当采用传统阈值化分割方法时，可对图 像进行直方图均衡化的预处理或灰度线性变换预处理，以提高图像的对比度，以利于最 佳阈值的求取。图3 3 所示为直方图均衡化前后木材表面缺陷图像的对比结果。 经过直方图均衡化的缺陷图像，能够改善原始图像的视觉效果，提高了对比度。图 3 - 3 ( a ) 的原始图像整体上灰度较亮，从它的直方图可以看出大部分像素集中在高灰度 级；图3 - 3 ( b ) 为灰度均衡后的图像及其相应直方图，从均衡化后的直方图可见，图像中 的像素分布于整个灰度级，因此使图像的对比度增加，从而便于观察，同时直方图的高 度有了一定的均衡，但由于数字图像的采样原因，均衡图像的直方图并没有表现出绝对 的等值性。 东北林业大学硕t 学位论文 ( a ) 变换前原图像与其直方图 ( b ) 变换后图像与其直方图 图3 - 3 直方图均衡化结果对比 ( 2 ) 纹理分割中的预处理对于第四章中所采取纹理分割策略时，为保证图像纹 理特征最大程度上的保留，尽量不破坏原图像的纹理信息，并减少特征提取的运算量， 对缺陷样本图像进行了灰度线性变换的预封理。 实际上纹理分割中的预处理工作，主要目的是为了减少计算量，将木材表面缺陷图 像的灰度级从2 5 6 级压缩到3 2 级。从图3 - 4 所示的缺陷图像直方图可以看出，木材表 面缺陷图像的大部分像素位于整个灰度级的一个较小范围内，因此缺陷图像狄度级的量 化不会对图像的质量有大的影响。图3 - 4 样本图像的大部分灰度都集中在1 4 “2 i o 之 间，具体变换过程是先将原图像灰度级线性拉伸至【02 5 5 】，再线性压缩n o3 1 】。这样 突出了纹理特征且压缩了灰度运算量。， 图3 4 原图像及其灰度直方图 3 传统与改进的图像分割方法 3 2 传统的图像分割方法 图像分割是由图像处理到图像分析的关键步骤，是计算机视觉的基础，是图像理解 的重要组成部分，所谓图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标 区域的技术和过程。将图像表示为物理上有意义的连通区域的集合，根据目标与背景的 先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其他伪目标中 分离出来。由于这些被分割的区域在某些特性上相近，因而图像分割常用在以模式识别 与图像理解为应用目的领域。 目前就图像分割技术已提出了大量算法【2 1 刮，归纳起来有以下几种： ( 1 ) 阙值分割方法：可分为单阈值分割方法和多阙值分割方法；也可分为基于象 素值的阙值分割方法、基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法。 ( 2 ) 基于边界的分割方法：微分算子法、串行边界技术等。 ( 3 ) 基于区域的分割方法：区域生长和分裂合并法、聚类分割法等。 ( 4 ) 结合特定理论工具的分割方法：基于数学形态学的分割技术、基于模糊技术 的图像分割方法、基于人工神经元网络技术的图像分割方法、遗传算法在图像分割中的 应用、基于小波分析和变换的分割技术等。 3 2 1 木材表面缺陷图像的传统边缘检测 边缘检测方法是图像分割中研究比较多的方法，通过检测图像中不同区域的边缘从 而达到分割图像的目的。边缘能勾画出目标物体轮廓，包含丰富的信息( 如方向、阶跃 性质、形状等) ，同时也是图像识别中抽取的重要属性。 实际上，边缘是灰度值不连续的结果，这种不连续常可利用求导数方便地检测到， 一般常用一阶和二阶导数来检测边缘【l ”。比敦简单的，可以用一阶导数的幅度值来检测 边缘的存在，幅度峰值一般对应边缘位置。梯度算子是一阶导数算子，对一个连续函数 厂力，它在位置0 ，力的梯度可表示为一个矢量： r r v f ( x ，y ) = 眩g ，】= i 娑睾i ( 3 - 5 ) l o xo y j 这个矢量的幅度和方向角分别为： 懈( 夥) = 窿+ g ；7 坨 ( 3 6 ) ( 3 - 7 ) 在实际中常用小区域模板卷积来近似计算偏导数。对g 和q 各用一个模板，所以 需要两个模板组合起来以构成一个梯度算子。最简单的梯度算子是罗伯特交叉( r o b e r t s c r o s s ) 算子，见图3 - 5 ( a ) ，常用的还有蒲瑞维特( p m w i t t ) 算子，见图3 - 5 ( b ) ，贝g ( s o b e l ) 算子，见图3 - 5 ( c ) 。 东北林业大学硕f 学位论文 日曰国圆圈圈 ( a ) r o b e r t sg r o s s 算子( b ) 胁w i n 算子 ( c ) s o i m i 算子 图3 - 5 常用一阶梯度算子 根据木材图像缺陷的特点，在此选用索贝尔( s o b e i ) 算子作为图像的边缘检测算子， 对死节的检测结果如图3 - 6 所示。 ( i o 原闰像( b ) 提取的边缘蹬像 图3 - 6 利用索贝尔( s o b e l ) 算子作为边缘检测算子 3 2 2 木材表面缺陷图像的传统阈值分割 阈值化分割算法是图像分割中应用数量最多的一类。简单的说对灰度图像的阈值 分割就是先确定一个处于图像灰度取值范围内的灰度闽值，然后将图像中各个像素的狄 度值与这个阅值相比较，并根据比较的结果将对应的像素分割成两类：像素灰度大于阈 值的一类，像素灰度小于阈值的为另一类，灰度值等于阈值的像素可以归入这两类之 一。分割后的两类图像一般分属图像的两个不同区域，所以对像素根据阈值分类达到了 区域分割的目的。 在利用取阈值方法来分割灰度图像时，一般对图像的灰度分布有一定的假设，或者 说是基于一定的图像模型。最常用的模型可描述如下：假设图像由具有单峰灰度分布的 目标和背景组成，在目标或背景内部的相邻象素间的灰度值是高度相关的，但在目标和 背景交晃处两边的像素在灰度值上有很大的差别。如果一幅图像满足这些条件，它的灰 度直方图基本上可看作是由分别对应目标和背景的两个单峰直方图混合而成。此时如果 这两个分布大小( 数量) 接近且均值相距足够远，丽且均方差也足够小，则直方图应是 双峰的。对这类图像常可用取阈值方法来较好地分割。 常用的阈值化算法有网； ( 1 ) 全局单阈值技术该方法的基本思想是：当灰度级直方图具有双峰特性时， 选取两峰之间的谷对应的灰度级作为阈值。 ( 2 ) 自适应阈值技术当遇到图像中有阴影、突发噪声、照度不均、对比度不同 3