基于多特征提取和选择的木材分类与识别

摘要

木材与人们的生活息息相关,不同品种木材的用途各不相同.如何快速并正确地识别不同种类的木材是目前亟须解决的问题.纹理是木材表面重要的天然属性,也是区分木材的重要依据,因而如何准确地提取木材的纹理特征是本文研究的重点.本文设计了一种木材自动识别系统,其基本工作流程如下:首先,使用K-means聚类算法,根据图像的纹理采用SPPD(导管分布的统计特性)及BGLAM(基本灰度级氛围矩阵)特征对木材进行预分类,实现对木材数据库的降维,为提高识别效率做好准备;其次,使用GA(遗传算法)挑选出对木材纹理具有较强区分度的LBP(局部二值模式)特征;最后,用KNN(K最近邻)分类器根据挑选出的LBP特征对木材图像进行最终的分类识别.试验结果表明,木材样本类别个数为20时,识别率较高,可以达到98.13％以上;当木材样本类别个数增加为30时,识别率也在95％以上.