目錄
前言
第1章 引論 1
1.1 木材質量檢測的意義 1
1.2 木材樹種及常見缺陷的定義說明 1
1.3 木材樹種及缺陷檢測的研究發展概述 2
參考文獻 3
第2章 板材樹種顯微細胞圖像分類識別 4
2.1 概述 4
2.1.1 國內研究概述 4
2.1.2 國外研究概述 5
2.1.3 板材材種分類識別 5
2.2 繫統硬件及軟件構成 7
2.2.1 繫統硬件組成與配置 7
2.2.2 繫統軟件設計 8
2.3 板材細胞形狀特征提取與分類識別 10
2.3.1 細胞圖像預處理 10
2.3.2 板材細胞圖像分割 14
2.3.3 細胞外輪廓定型 21
2.3.4 基準細胞模擬 33
2.4 細胞紋理特征提取與分類識別 36
2.4.1 紋理圖像研究方法 37
2.4.2 Contourlet變換理論 40
2.4.3 板材細胞圖像分類識別 48
參考文獻 53
第3章 木材樹種顏色特征分類識別 55
3.1 顏色空間和顏色特征 55
3.1.1 顏色空間 55
3.1.2 顏色特征 59
3.2 基於CIE 1976 L*a*b*色差的木材分類識別 61
3.2.1 基於CIE 1976 L*a*b*色差的木材顏色特征提取 61
3.2.2 基於CIE 1976 L*a*b*色差的木材分類測試結果 63
3.3 基於顏色矩的分類識別 64
3.3.1 顏色矩特征的選取 64
3.3.2 基於顏色矩特征的分類實驗結果 65
3.4 基於直方圖的分類識別 65
3.4.1 顏色直方圖特征的選取 65
3.4.2 基於顏色直方圖特征的分類實驗結果 66
3.5 基於主顏色的分類識別 67
3.5.1 主顏色的概念 67
3.5.2 主顏色的特征提取及分類結果 68
參考文獻 70
第4章 木材樹種紋理特征分類識別 71
4.1 木材紋理特點及定量化 71
4.1.1 木材紋理的特點 71
4.1.2 木材紋理定量化分析的意義 71
4.2 木材紋理特征量檢測 71
4.2.1 木材紋理灰度的自相關特性 72
4.2.2 木材紋理灰度差值的變動特征 73
4.2.3 木材紋理的灰度差分統計 75
4.2.4 小結 76
4.3 木材紋理空域特征分析 77
4.3.1 木材紋理特征的空間灰度共生矩陣分析 77
4.3.2 紋理特征參數的篩選與歸類 78
4.3.3 木材紋理特征主成分的分級統計 80
4.4 木材紋理頻域特征分析 83
4.4.1 快速傅裡葉變換功率譜 83
4.4.2 應用快速傅裡葉變換分析木材紋理特征 85
4.5 基於木材紋理的樹種識別 87
4.5.1 模式分類的基本原理和過程 87
4.5.2 人工神經網絡 88
4.5.3 木材分類判別的網絡設計及效果測試 88
4.6 木材紋理的檢索匹配 90
4.6.1 基於圖像內容檢索匹配算法的優點 90
4.6.2 基於昀大相似原理的判別方法 91
4.6.3 木材紋理內容相似性檢索實例及分析 93
4.7 基於紋理特征融合的木材樹種分類識別 98
參考文獻 99
第5章 采用光譜特征進行木材樹種分類識別 101
5.1 利用近紅外光譜進行紅木種類識別 101
5.1.1 儀器設備與數據采集 101
5.1.2 實驗結果討論與分析 102
5.2 利用近紅外光譜進行針葉材和闊葉材分類識別 104
5.2.1 儀器設備與數據采集 104
5.2.2 實驗結果討論與分析 105
5.3 采用光譜反射率特征和特征選擇進行木材樹種分類識別 107
5.3.1 實驗繫統與材料 108
5.3.2 光譜反射率曲線的濾波和采樣波長特征選擇 108
5.3.3 室內照明光源的昀優化設計 110
5.3.4 分類器設計 112
5.3.5 實驗結果與分析 113
5.3.6 結論及後期工作 114
5.4 采用高光譜遙感技術進行森林樹種分類識別 115
5.4.1 光譜特征法 115
5.4.2 光譜匹配法 119
5.4.3 統計分析法 119
參考文獻 120
第6章 基於多特征融合的木材樹種分類識別研究 121
6.1 數據融合引言 121
6.2 融合處理中需要考慮的問題 121
6.3 融合方法概論 123
6.3.1 信號級融合方法 123
6.3.2 像素級融合方法 125
6.3.3 特征級融合方法 133
6.3.4 決策級融合方法 134
6.4 模式識別與信息融合 136
6.4.1 視覺信息融合 136
6.4.2 視覺與觸覺融合 137
6.4.3 視覺與紅外信息融合 138
6.4.4 自動目標識別 138
6.4.5 移動機器人的感知信息融合 139
6.5 采用顏色紋理及光譜特征進行木材樹種的分類識別 140
6.5.1 木材表面分類特征提取 140
6.5.2 模糊BP神經網絡設計 142
6.5.3 實驗分析與討論 144
參考文獻 149
第7章 采用顯微高光譜成像技術進行木材樹種分類識別 151
7.1 基於支持向量機復合核函數的高光譜顯微成像木材樹種分類 151
7.1.1 引言 151
7.1.2 材料與方法 152
7.1.3 實驗結果與討論 154
7.1.4 結論 158
7.2 基於闊葉木材橫截面微觀結構的高光譜圖像木材樹種識別方法 159
7.2.1 引言 159
7.2.2 材料與方法 161
7.2.3 實驗結果與討論 165
7.2.4 結論 171
7.3 對光照變化不敏感的微觀高光譜圖像木材樹種識別算法研究 172
7.3.1 引言 172
7.3.2 材料與方法 172
7.3.3 實驗結果與討論 179
7.3.4 結論 188
參考文獻 188
第8章 基於聲波處理的木材樹種分類識別 191
8.1 基於超聲波信號的木材樹種分類識別 191
8.2 基於應力波的木材樹種分類識別 192
參考文獻 203
第9章 木材缺陷的定性檢測 204
9.1 基於光譜特征的木材缺陷種類識別 204
9.2 采用層析成像法進行木材缺陷檢測 208
9.3 基於圖像處理的木材缺陷檢測識別 213
參考文獻 219
第10章 木材缺陷的定量檢測 221
10.1 采用3D掃描技術進行木材凹陷類缺陷的定量檢測 221
10.1.1 木材缺陷的 3D掃描和處理 221
10.1.2 缺陷分割 223
10.1.3 木材缺陷定量計算 224
10.1.4 實驗結果與分析 226
10.2 基於超聲和小波變換的木材缺陷定性和定量檢測 228
10.3 采用超聲波傳播場進行木材缺陷定量檢測 232
10.4 木材樹種及缺陷檢測的總結與展望 236
參考文獻 237