基于聚类分析的木材缺陷识别研究

论文摘要

在木板材加工生产中,我国在木材缺陷检测技术及设备远远落后于那些林业发达的国家。传统的基于物理方法的检测手段存在检测设备成本高,对实际检测物理环境要求苛刻等问题。而采用机器自动对于木材缺陷检测与定位,可以降低人为识别过程中情绪、疲劳等主观因素影响,但识别速度和准确率有待进一步提高。本论文针对传统的木材缺陷识别方法存在的问题,研究多种木材图像特征提取方法,提出新的基于无监督聚类木材缺陷自动识别技术进行研究,研究内容包括以下几个方面：1、基于颜色矩特征和聚类分析技术实现木材表面缺陷识别。该方法提取木材表面图像颜色矩特征,使用K-MEANS聚类算法对木材表面缺陷自动识别,通过不同缺陷类型识别效率的统计,表明了低阶颜色矩特征提取和K-MEANS算法识别的有效性。2、提出了基于GLCM （Gray Level Co-occurrence matrix,灰度共生矩阵）的木材缺陷识别方法。基于GLCM提取木材图像的14个纹理特征,计算特征值间的相关系数矩阵,选取5个具有代表性的特征。通过对比实验结果表明基于GLCM的纹理特征提取方法具有较好的识别精度。3、提出了基于BIRCH （Balanced Iterative Reducing and Clustering using Hierarchies,基于分层的平衡迭代归约及聚类）算法的木材缺陷识别方法。该方法通过在一定阈值内构建CF树,产生初始聚类,详细讨论了分支因子（B,L）阈值T的选取及非缺陷类判别问题。通过与K-MEANS算法对比实验,结果表明该算法的良好的识别性能。4、提出了一种新的基于AP （Affinity Propagation,近邻传播）算法的木材缺陷识别方法。该方法提取木材图像的颜色矩特征,改进图像的搜索方式,采用多遍扫描图像、自动调整滑动窗格大小的方法,有效降低特征提取后样本集数据条目,减小距离矩阵S的维数,进而降低AP算法中距离矩阵、代表阵、适选阵和决策阵维数。实验表明,改进的AP聚类方法能够取得较好的识别效果,有效地提高了识别准确率,识别速度也明显提高。关键字：聚类分析；木材缺陷；Affinity Propagation; BIRCH; GLCM。

论文目录

• 致谢
• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 研究现状
• 1.2.1 聚类分析方法
• 1.2.2 图像特征提取方法
• 1.2.3 木材缺陷识别
• 1.3 本论文的主要工作
• 1.4 论文结构
• 第二章 聚类理论
• 2.1 聚类思想
• 2.1.1 聚类过程
• 2.1.2 距离测定
• 2.1.3 聚类准则
• 2.2 几种主要聚类方法
• 2.2.1 划分法（pa rtitioning methods）
• 2.2.2 层次法（hiera rchical methods）
• 2.2.3 基于密度的方法（density-based methods）
• 2.2.4 基于网格的方法（grid-based methods）
• 2.2.5 基于模型的方法（model-based methods）
• 2.3 聚类有效性
• 2.4 当前聚类算法中面临的关键性问题
• 2.5 本章小结
• 第三章 木材图像特征提取方法
• 3.1 图像的表示
• 3.1.1 灰度图象的表示
• 3.1.2 彩色图像的表示
• 3.2 图像的颜色矩特征提取方法
• 3.2.1 图像颜色矩
• 3.2.2 图像的颜色矩特征
• 3.2.3 基于颜色矩的木材图像特征提取
• 3.2.4 性能标准
• 3.2.5 木材表面缺陷识别算法步骤
• 3.2.6 实验结果与分析
• 3.3 基于GLCM的特征提取方法
• 3.3.1 灰度共生矩阵
• 3.3.2 灰度共生矩阵的特征参数
• 3.3.3 生成步长d对特征参数的影响
• 3.3.4 图像灰度级Ng对特征参数的影响
• 3.3.5 相关系数
• 3.3.6 基于GLCM的纹理特征提取
• 3.3.7 实验结果与分析
• 3.4 本章小结
• 第四章 基于BIRCH的木材缺陷识别
• 4.1 BIRCH算法
• 4.2 CF树的建立
• 4.3 参数估计
• 4.3.1 分支因子
• 4.3.2 阈值
• 4.4 非缺陷类判别
• 4.5 实验结果与分析
• 4.5.1 木材缺陷识别算法流程
• 4.5.2 实验结果与分析
• 4.6 本章小结
• 第五章 基于Affinity Propagation聚类的木材缺陷识别
• 5.1 AP算法
• 5.2 AP算法的工作过程
• 5.3 基于AP算法的木材缺陷识别
• 5.4 AP算法存在的问题
• 5.5 改进的木材缺陷识别方法
• 5.6 实验结果与分析
• 5.6.1 数据准备
• 5.6.2 实验结果与分析
• 5.7 本章小结
• 第六章 总结与评价
• 6.1 特色与创新
• 6.2 下一步的研究工作
• 参考文献
• 攻读学位期何发表的学术论文
• 详细摘要
• Abstract