学位论文 > 优秀研究生学位论文题录展示

基于子空间和多特征融合的木材分类算法研究

作 者: 刘子豪
导 师: 汪杭军
学 校: 浙江农林大学
专 业: 农业信息化
关键词: 核主成分分析法 特征树子空间 木材识别 模式识别 自适应增强 计算机视觉
分类号: TP391.4
类 型: 硕士论文
年 份: 2013年
下 载: 14次
引 用: 0次
阅 读: 论文下载
 

内容摘要


树种的正确识别对于木材科学和相关产业均具有重要意义。针对人工木材树种判定和传统图像识别方法存在一定的局限性,本文利用模式识别方法探讨树种识别的可行性,并取得以下研究成果:(1)融合主成分分析法(PCA)和费舍尔树法(FisherTrees),把训练样本投影到PCA和FisherTrees空间,得到PCA特征和FisherTrees特征,通过算术均值、交换转置均值和加权均值进行特征融合,融合后的特征更适合于针叶材树种的分类。(2)对株杨Tacamahaca、云杉Picea asperata等24种常见树种进行的实验发现:以核主成分分析方法提取的木材特征,自适应增强(AdaBoost)分类器比支持向量机(SVM)分类器的分类能力强,前者对树种分类效率达到90.13%,而后者却只有78.32%。(3)以日本香柏Thujastandishii、黄山松Pinustaiwanensis、日本扁柏Chamaecyp aris obtusa、棘柏Juniperus formosana、马尾松Pinus massoniana、水杉Metasequoia glyptostroboides、江南油杉Keteleeria cyclolopis和雪松Cedrus deodara8类针叶材为样本,以核主成分分析法提取特征,并采用线性核函数的SVM作为AdaBoost.M2的基分类器,当迭代次数超过100次时,可以准确区分这些树种。论文应用模式识别技术验证了库内树种分类的可行性,而且可以判别出传统方法无法区分的树种。因此,模式识别技术必将成为木材树种识别的一种重要的新方法,是对传统木材鉴定方法的重要辅助。

全文目录


摘要  4-5
ABSTRACT  5-12
1 绪论  12-22
  1.1 研究背景和意义  12-13
  1.2 木材识别技术  13-16
    1.2.1 木材识别技术基本概念  13
    1.2.2 木材识别方法  13-15
    1.2.3 基于计算机智能和图像处理技术的木材识别  15-16
  1.3 国内外研究状况  16-20
    1.3.1 基于子空间特征的智能识别国内外研究状况  16-17
    1.3.2 多特征融合技术国内外研究状况  17
    1.3.3 分类技术国内外研究状况  17-18
    1.3.4 木材识别技术国内外研究状况  18-20
  1.4 本研究主要内容和创新点  20
  1.5 论文的组织结构  20-22
2 用于微机识别的木材图像获取与预处理  22-46
  2.1 木材微观图像的获取  23-27
    2.1.1 木材微观图像的获取的过程和具体的实施步骤  23-24
    2.1.2 木材早晚材显微数据库  24-25
    2.1.3 木材体视图数据库  25-26
    2.1.4 木材显微数据库  26-27
  2.2 木材微观图像的预处理  27-45
    2.2.1 彩色图像的灰度与二值化处理  28-29
    2.2.2 灰度直方图与直方图均衡化处理  29-31
      2.2.2.1 灰度直方图  29-30
      2.2.2.2 直方图均衡化  30-31
    2.2.3 降噪处理  31-39
      2.2.3.1 领域平滑滤波去噪  32-34
      2.2.3.2 图像中值滤波  34-37
      2.2.3.3 图像空间滤波  37-39
    2.2.4 图像失真复原  39-41
      2.2.4.1 运动图像失真复原  39-40
      2.2.4.2 图像倾斜校正  40-41
    2.2.5 图像归一化处理  41-45
      2.2.5.1 木材图像尺寸归一化  41-42
      2.2.5.2 木材图像放缩方法  42-44
      2.2.5.3 图像剪切处理  44-45
  2.4 小结  45-46
3 基于子空间的木材微观特征提取与融合  46-68
  3.1 经典子空间算法  46-52
    3.1.1 主成分分析法  46-47
    3.1.2 线性判别分析法  47-50
    3.1.3 二维线性判别分析法  50-51
    3.1.4 二维线性判别分析法(2DLDA)  51-52
  3.2 子空间优化算法  52-60
    3.2.1 FisherTrees算法  52-55
    3.2.2 优化FisherTrees算法  55-57
      3.2.2.1 FisherTrees优化策略  55-56
      3.2.2.2 特征融合算法步骤  56-57
    3.2.3 优化2DLDA算法  57-60
  3.3 实验结果及分析  60-66
    3.3.1 优化FisherTrees实验结果分析  60-64
      3.3.1.1 实验条件  60
      3.3.1.2 PCA和FisherTrees图像重构能力对比  60-61
      3.3.1.3 优化FisherTrees的不同融合策略的比较与分析  61-64
    3.3.2 优化2DLDA实验结果分析  64-66
      3.3.2.1 实验条件  64
      3.3.2.2 优化2DLDA的不同特征融合方式的比较与分析  64-66
  3.4 本章小结  66-68
4 基于核方法的木材特征提取与分类  68-80
  4.1 核方法简介  68-69
  4.2 核主成分分析木材特征提取  69-71
  4.3 基于支持向量机(SVM)的木材分类  71-73
    4.3.1 线性可分的二分类问题  71-72
    4.3.2 线性不可分问题  72-73
  4.4 实验结果以及分析  73-79
    4.4.1 图像大小与识别率之间的关系  73-75
    4.4.2 SVM中核参数与识别率之间的关系  75-79
      4.4.2.1 v-支持向量机分类器+线性核函数核参数与识别率的关系(s1,t0)  75-76
      4.4.2.2 线性软间隔分类器+多项式核函数核参数与识别率的关系(s0,t1)  76-77
      4.4.2.3 线性软间隔分类器+径向核函数核参数与识别率的关系(s0,t2,t3)  77-78
      4.4.2.4 自定义核函数核参数与识别率的关系(s0,t4)  78-79
  4.5 本章总结  79-80
5 基于AdaBoost的木材分类算法研究  80-96
  5.1 基于PAC弱学习理论的Boosting算法  80-81
  5.2 弱分类算法  81-83
    5.2.1 最近邻分类器  81-82
      5.2.1.1 基于欧式距离的最近邻  81-82
      5.2.1.2 基于余弦角距离的最近邻  82
      5.2.1.3 基于相关系数距离的最近邻  82
    5.2.2 贝叶斯分类器(Bayes)  82-83
    5.2.3 决策树分类器(ID3)  83
  5.3 基于PAC理论的AdaBoost算法  83-87
    5.3.1 二分类的AdaBoost算法  84
    5.3.2 多分类的AdaBoost算法  84-87
      5.3.2.1 AdaBoostM2算法  84-86
      5.3.2.2 GentleAdaBoost算法  86-87
  5.4 实验结果及其分析  87-94
    5.4.1 AdaBoost.M2算法的实验结果及其分析  87-90
    5.4.2 GentleAdaBoost算法的实验结果及其分析  90-94
      5.4.2.1 不同算法对应的识别率和时间的比较  90-93
      5.4.2.2 识别率与图像尺寸的关系  93-94
  5.5 本章小结  94-96
6 总结和展望  96-98
  6.1 本文结论  96-97
  6.2 下一步研究方向  97-98
参考文献  98-106
个人简介  106-107
致谢  107-108
附录  108

相似论文

  1. 基于流形学习的高维流场数据分类研究,V231.3
  2. 基于仿生模式识别的文本分类技术研究,TP391.1
  3. 基于学习的低阶视觉问题研究,TP391.41
  4. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  5. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  6. 基于回波包络的超声波入侵探测在军队警戒巡逻中的应用,E919
  7. 基于计算机视觉对“次郎”甜柿外部品质检测与分级的研究,S665.2
  8. 基于计算机视觉的脱水蒜片检测与分级研究,TP391.41
  9. 基于运动目标轨迹分析的智能交通监控系统,TP277
  10. 声表面波气体传感器阵列模式识别技术的研究,TP212
  11. 基于计算机视觉的手写输入法研究,TP391.14
  12. 基于仿生模式识别的三维人脸识别研究,TP391.41
  13. 基于改进的SVM模型的肝癌识别方法的研究与实现,TP391.41
  14. 人脸分形特征提取与识别算法研究,TP391.41
  15. 基于完全二叉树SVM烧结工况多类识别的研究与实现,TP391.41
  16. 基于SVM和PSO的烧结工况预报方法的研究与实现,TF821
  17. 基于纹理特征的煤炭发热量研究,TP391.41
  18. 人脸识别系统中关键技术研究,TP391.41
  19. 基于计算机视觉的浇注流量的间接测量方法研究,TP274
  20. 空间信息处理中基于模糊技术的数学模型的改进,O159
  21. 基于多视角的分类器设计与权值优化方法研究,TP18

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置
© 2012 www.xueweilunwen.com