【正文】 2f(i,j)]/μ7 =[f(i,j+1)+f(i+1,j)+(i+1,j+1)+(i+2,j+2)+2f(i,j)]/μ8 =[f(i,j1)+(i+1,j1)+f(i+1,j)+(i+2,j2)+2f(i,j)]/ 即：若dmin =dx，且dmin =d，則僅計(jì)算μx（下標(biāo)x均為模板序號(hào)），令f(i,j)=INT[μx]進(jìn)行平滑濾波。對于孤立噪聲點(diǎn)，直接用模板0除待處理點(diǎn)外各點(diǎn)灰度均值（取整）代替該像素點(diǎn)的灰度值，該孤立噪聲點(diǎn)對圖像的影響就能被完全消除。即取dmin = min{d0 ,d1 ,…,d8},若dmin = dx ，下標(biāo)則為相應(yīng)模板的序號(hào)。令f(i,j)為坐標(biāo) (i,j)的點(diǎn)的像素的灰度值，設(shè)定一用于判斷待處理點(diǎn)是否為孤立噪聲點(diǎn)的灰度閾值d。設(shè)待處理像素的灰度的權(quán)值為2，與待處理像素距離為1的像素的灰度的權(quán)值為1/1=1，與待處理像素距離為sqr(2)的像素的灰度權(quán)值為1/sqr(2)≈，與待處理像素距離為2sqr(2)，各模板中像素點(diǎn)的權(quán)值如圖28所示。因此我們用模板中各像素與待處理像素之間的距離的倒數(shù)作為該像素的權(quán)值。為此，我們引入了如圖28所示的1個(gè)無向加權(quán)模板（加權(quán)模板0）和8個(gè)有向加權(quán)模板（加權(quán)模板1至8）進(jìn)行平滑濾波，即待處理像素的灰度值由相應(yīng)加權(quán)模板中各像素灰度值的加權(quán)平均值代替。（2）若待處理像素不是孤立噪聲點(diǎn)，則待處理像素屬于該像素點(diǎn)灰度值與模板內(nèi)其它所有像素點(diǎn)灰度均值的差值的絕對值為最小的模板。我們根據(jù)以下兩條規(guī)則，先判斷出待處理像素的隸屬情況。圖27是為了判斷待處理像素的隸屬情況而引入的8個(gè)有向模板和1個(gè)無向模板。前面提到的常用的空域平滑算法因?yàn)闆]有細(xì)分這3種情況，所以在去除噪聲的同時(shí)也模糊了邊界和細(xì)節(jié)。鑒于此，在本課題研究中，提出一種加權(quán)有向平滑濾波算法。 另外，為了在一定的條件下對某些圖像盡可能濾除噪聲，同時(shí)又能較好地保持圖像細(xì)節(jié)，可以對中值濾波器參數(shù)進(jìn)行修正，如加權(quán)中值濾波，即對輸入窗口中的像素灰度進(jìn)行某種加權(quán)，也可以對中值濾波器的使用方法進(jìn)行變化。在一定條件下，中值濾波可以克服線性濾波器所帶來的圖像細(xì)節(jié)模糊，而且對濾除脈沖干擾也很有效。它是基于圖像的這樣一種特性：噪聲往往以孤立的點(diǎn)的形式出現(xiàn)，這些點(diǎn)對應(yīng)的像素?cái)?shù)很少，而圖像則是由像素?cái)?shù)較多、面積較大的小塊構(gòu)成。用數(shù)學(xué)表達(dá)式為 gi=Med(fiv ,… ,fi ,… ,fi+v) i∈Z , v = （）式中：Med(…)表示取序列中值。對此序列進(jìn)行中值濾波，就是從輸入序列中順序取出m個(gè)元素，其中i為窗口的中心位置，v = (m1)/2。 中值濾波 中值濾波是采用一個(gè)含有奇數(shù)個(gè)點(diǎn)的滑動(dòng)窗口，用窗口中各點(diǎn)灰度值的中值來代替窗口中心點(diǎn)像素的灰度值。半徑越大，平滑圖像的模糊程度越大，鄰域平均法的優(yōu)點(diǎn)在于算法簡單，計(jì)算速度快，主要缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別是在邊緣和細(xì)節(jié)處，鄰域越大，模糊越厲害。鄰域平均法的關(guān)鍵是設(shè)計(jì)合理的鄰域點(diǎn)的集合。 鄰域平滑鄰域平滑法是一種空間域局部處理算法。經(jīng)典的平滑技術(shù)對噪聲圖像使用局部算子，當(dāng)對某一個(gè)像素進(jìn)行平滑處理時(shí)，僅對它的局部小鄰域內(nèi)的一些像素進(jìn)行處理，其優(yōu)點(diǎn)是計(jì)算效率高，而且可以對多個(gè)像素并行處理。圖像平滑的處理方式有基于空域和頻域兩種。這些噪聲惡化了圖像質(zhì)量，是圖像模糊，甚至淹沒其特征，給分析帶來困難。引起噪聲的原因有很多，如敏感元器件的內(nèi)部噪聲、感光材料的顆粒噪聲、熱噪聲、電器機(jī)械運(yùn)動(dòng)產(chǎn)生的抖動(dòng)噪聲、傳輸信道的干擾噪聲、量化噪聲等。木材缺陷圖像灰度變換前圖片如圖26(a)所示，經(jīng)線性灰度變換后效果如圖26(b)所示，經(jīng)分段線性變換后效果如圖26(c)所示： (a)原圖 (b)線性灰度變換 (c) 分段線性灰度變換圖26 分段線性變換效果圖分別采用線性灰度變換及分段線性變換兩種方法對缺陷圖像進(jìn)行處理，如圖26(a)、圖26(b)，經(jīng)比較，分段線性灰度變換的效果較好。其數(shù)學(xué)表達(dá)式如下： （）木材缺陷灰度變換分段線性變換是為了突出人們感興趣的目標(biāo)或亮度值區(qū)間，要求局部擴(kuò)展亮度值范圍。常用的事三段式分段線性變換，如圖25所示。假定原圖像f(x, y)的灰度范圍為［a, b］，希望變換后圖像g(x, y)的灰度范圍擴(kuò)展至［c, d］，則線性變換可表示為 （） （）如圖24所示： 圖24 線性變換示意圖分段線性灰度變換分段線性變換是將圖像灰度分布區(qū)間分隔成兩段乃至多段分別進(jìn)行線性變換。線性灰度變換在圖像采集過程中，如果亮度不足或者亮度太大，采集得到的圖像灰度可能會(huì)局限在一個(gè)很小的范圍內(nèi)，這時(shí)在顯示器上看到的圖像模糊不清，沒有灰度層次感。它是將原圖像的灰度f(x,y)經(jīng)過一個(gè)變換函數(shù)g=T(f)轉(zhuǎn)換成一個(gè)新的灰度g(x,y)，即 g(x,y)=T[f(x,y)] （）灰度變換可使圖像灰度動(dòng)態(tài)范圍加大，圖像對比度得到擴(kuò)展，圖像變得清晰，特征更加明顯，是圖像增強(qiáng)的重要手段。幾種灰度化效果見圖23。本論文中選用的就是加權(quán)平均法。顯然，當(dāng)WR、WG、WB不同的值時(shí)，得到的灰度圖像將不同。加權(quán)平均值法：根據(jù)重要性及其它指標(biāo)，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。平均值法：將彩色圖像中的三分量亮度求平均得到一個(gè)灰度圖。圖像灰度化處理的方法主要有三種：最大值法：將彩色圖像中的三分量亮度的最大值作為灰度圖的灰度值。而灰度圖像是R、G、B三個(gè)分量相同的一種特殊的彩色圖像，其一個(gè)像素點(diǎn)的變化范圍為256（0～255）種。 圖22 圖像增強(qiáng)主要方法 木材缺陷圖像灰度變換 木材缺陷圖像灰度化處理圖像灰度化就是指由彩色圖像轉(zhuǎn)化為灰度圖像的過程。而變換域方法中通常我們都用頻域法進(jìn)行圖像處理?？臻g域方法直接對圖像像素的灰度進(jìn)行處理。圖21是木材缺陷特征提取的圖像預(yù)處理過程。其目的主要有兩個(gè)：一是采用一系列技術(shù)改善圖像的視覺效果，提高圖的清晰度；二是將圖像轉(zhuǎn)換成一種更適合于人或機(jī)器進(jìn)行解譯和分析處理的形式。下面將從圖像增強(qiáng)算法方面研究木材表面缺陷圖像中的有效處理方法。因木材表面缺陷的形狀、大小、數(shù)量和出現(xiàn)的位置等都具有不確定性，而且缺陷圖像的信噪比較低。通常，圖像需要經(jīng)過幾個(gè)步驟來處理：圖像增強(qiáng)、圖像分割、特征提取和模式識(shí)別與理解。最后對全文的主要工作和取得的研究成果進(jìn)行總結(jié)，并就下一步研究提出展望。最終采用基于徑向基核函數(shù)的向量機(jī)分類模型。第五章研究了基于支持向量機(jī)的缺陷檢測。提出了基于小波變換數(shù)據(jù)融合的邊緣檢測算法和基于融合技術(shù)的小波變換和形態(tài)學(xué)邊緣檢測算法進(jìn)行缺陷圖像分割，為后面的圖像特征提取、圖像識(shí)別提供了前期處理。結(jié)合木材缺陷圖像特點(diǎn)，提出了一系列圖像平滑和圖像銳化的有關(guān)有效算法，為圖像的分割提供前期處理。對本課題的研究工作簡單介紹。三、各章內(nèi)容本論文的研究涉及圖像處理和分析、機(jī)器視覺、模式識(shí)別、支持向量機(jī)等方面。在對圖像特征提取算法的實(shí)驗(yàn)基礎(chǔ)上，提出了把灰度共生矩陣中的參數(shù)和顏色矩中的參數(shù)相結(jié)合作為特征向量參數(shù)，再用主成分分析法進(jìn)行降維優(yōu)化，從第五章用向量機(jī)對缺陷進(jìn)行識(shí)別分類的效果比較來看，兩者結(jié)合的特征向量更利于識(shí)別，大大提高了識(shí)別率。在對比了三大類圖像分割方法中經(jīng)典算法的基礎(chǔ)上，根據(jù)他們的優(yōu)缺點(diǎn)，提出了一種基于小波變換數(shù)據(jù)融合的邊緣檢測算法和基于融合技術(shù)的小波變換和形態(tài)學(xué)邊緣檢測算法。提取出缺陷特征指標(biāo)的大量數(shù)據(jù)信息用于特征訓(xùn)練支持向量機(jī)，得到木材表面缺陷圖像變化規(guī)律的具體參數(shù)，培養(yǎng)一套成熟的網(wǎng)絡(luò)模型。對現(xiàn)有算法進(jìn)行改進(jìn)，尋找出能集合現(xiàn)有幾種算法優(yōu)點(diǎn)的，效果更好的圖像處理以及識(shí)別算法，以提高木材缺陷的最終識(shí)別精度。一、主要研究內(nèi)容 學(xué)習(xí)目前現(xiàn)有的圖像處理方法以及缺陷識(shí)別的相關(guān)理論算法，并了解國外在木材缺陷識(shí)別方面的先進(jìn)方法。 課題的主要研究內(nèi)容和創(chuàng)新本文將基于機(jī)器視覺對木材表面缺陷的檢測進(jìn)行算法研究。裂紋除對化學(xué)加工用原木無關(guān)外，對于其它用材都有程度不同的影響，尤其在杉木上特別明顯，顯著降低木材的使用價(jià)值和等級(jí)。 裂紋對木材材質(zhì)的影響裂紋破壞木材的完整性，降低木材的強(qiáng)度；在不良的保管條件下，裂隙還能成為變色菌或腐朽菌侵入木材的通路，引起木材的變色和腐朽。小蟲眼的蛀孔不深，孔徑小，影響的程度不大。 蟲害對木材材質(zhì)的影響蟲眼對木材強(qiáng)度和裝飾性能等有影響，而最嚴(yán)重處為蟲眼最多的區(qū)段。節(jié)子是確定木材品質(zhì)和評(píng)定木材等級(jí)的主要因子。裂紋是使鋸材降等的第二或第三因素。具體分類和描述如表12所示：表12 蟲眼類型類型類型描述表面蟲眼和蟲溝昆蟲蛀蝕圓材的徑向深度不足10mm的蟲眼和蟲溝小蟲眼蟲孔最小直徑不足3mm的蟲眼大蟲眼蟲孔最小直徑自3mm以上的蟲眼 裂紋木材纖維和纖維之間的分離所形成的裂隙，稱開裂或裂紋。它們在木材內(nèi)部蛀蝕形成坑道，破壞木材的結(jié)構(gòu)，使木材喪失原有的性質(zhì)和使用價(jià)值。節(jié)子與周圍木材局部或全部脫離節(jié)子材質(zhì)健全節(jié)節(jié)子材質(zhì)完好，無腐朽跡象腐朽節(jié)節(jié)子本身已腐朽，但并未透入樹干內(nèi)部漏節(jié)不但節(jié)子本身已經(jīng)腐朽，而且深入樹干內(nèi)部節(jié)子斷面形狀圓形節(jié)包括橢圓形（節(jié)子斷面的長徑與短徑之比不足3者）條狀節(jié)在鋸材的徑切面上呈長條狀掌狀節(jié)在鋸材的徑切面上呈兩相對稱排列的長條狀節(jié)子分布位置散生節(jié)在樹干上成單個(gè)地散生輪生節(jié)圍繞樹干成輪狀排列群生節(jié)兩個(gè)或兩個(gè)以上的節(jié)子簇生在一起岔節(jié)因分岔的梢頭與主干縱軸線成銳角而形成節(jié)子在鋸材上的位置材面節(jié)節(jié)子露在寬材面上材邊節(jié)節(jié)子露在窄材面上材棱節(jié)節(jié)子露在邊棱上貫通節(jié)在相對材面或相鄰材面貫通的節(jié)子 蟲害木材在貯運(yùn)和使用中，經(jīng)常會(huì)受到昆蟲的危害。節(jié)子是樹木生長期中形成的，其分類和主要類型如表11所示：表11 節(jié)子類型分類依據(jù)種類類型描述節(jié)子與周圍木材連生程度活節(jié)由樹木的活枝條所形成。 (a) 活節(jié) (b) 死節(jié) (c) 健全節(jié) (d) 腐朽節(jié) (e) 小蟲眼 (f) 大蟲眼 (g) 徑裂 (h) 環(huán)裂圖11 常見的板材缺陷 節(jié)子節(jié)子是木材中存在的最普遍的一種自然缺陷，是決定木材等級(jí)的主要因子，是造成木材降等的主要缺陷，因此節(jié)子對材質(zhì)的影響甚大。在木材加工中較主要也是較常見的缺陷包括節(jié)子、蟲害和裂紋。國家標(biāo)準(zhǔn)將木材的缺陷共分為10大類：節(jié)子，變色，腐朽，蟲害，裂紋，樹干形狀缺陷，木材構(gòu)造缺陷，傷疤（損傷），木材加工缺陷，變形。因此，在木材表面缺陷檢測方面今后將著重進(jìn)行以下幾個(gè)方面的研究：（1） 針對眾多缺陷類型，確保高可靠性的檢測；（2） 構(gòu)建高速、實(shí)時(shí)的計(jì)算機(jī)體系結(jié)構(gòu)作為海量數(shù)字圖像信息處理的硬件平臺(tái)，同時(shí)設(shè)計(jì)具有更高并行性能的算法及開發(fā)并行圖像處理的專用語言；（3） 設(shè)計(jì)高性能的缺陷自學(xué)習(xí)型分類器以及建立面向缺陷成因的專家系統(tǒng)；（4） 設(shè)計(jì)交互界面友好、易操作和易維護(hù)的人機(jī)交互系統(tǒng)。 成材和人造板等木質(zhì)材料的檢測及應(yīng)力分等改變了傳統(tǒng)分等方法的分等效率低、分等誤差大等缺陷，可快速準(zhǔn)確地對成材和人造板等木質(zhì)材按應(yīng)力或強(qiáng)度水平進(jìn)行區(qū)分、分等，提高了材料的利用率，同時(shí)也避免了因分等不準(zhǔn)造成材料的超值使用所帶來的事故隱患。目前，我國技術(shù)人員主要研究成材和人造板等木質(zhì)材料的檢測及應(yīng)力分等，在幾種檢測方法中探索一個(gè)較佳的方案，為我國的成材和人造板等木質(zhì)材料的檢測及應(yīng)力分等開辟一條新路，填補(bǔ)我國在此技術(shù)領(lǐng)域的空白。 木材檢測技術(shù)的發(fā)展與展望隨著科學(xué)技術(shù)的發(fā)展，對木材、木質(zhì)材料力學(xué)性質(zhì)和材料表面及內(nèi)部的缺陷進(jìn)行檢測，是木材和木質(zhì)材料傳統(tǒng)測試技術(shù)的一次深刻革命。北京林業(yè)大學(xué)的陳永光等應(yīng)用數(shù)學(xué)形態(tài)學(xué)理論對木材表面缺陷邊緣的檢測開展了研究，探討檢測木板材表面缺陷的方法，提供了可快速識(shí)別缺陷邊緣的標(biāo)記分水嶺算法。韓玉杰等采用激光位移傳感器對刨削加工后的木材表面的裂紋及節(jié)子缺陷進(jìn)行在線檢測，不僅可以快速識(shí)別裂紋及節(jié)子缺陷，并從記錄波形上還可計(jì)算出裂紋的寬度和深度等特征。東北林業(yè)大學(xué)的王克奇、于海鵬、劉一星等學(xué)者應(yīng)用小波變換、神經(jīng)網(wǎng)絡(luò)等技術(shù)對木材表面缺陷的檢測、紋理分布的規(guī)律進(jìn)行探索，取得了一定的成果。 我國學(xué)者也利用光學(xué)技術(shù)和計(jì)算機(jī)視覺技術(shù)進(jìn)行了一些木板材表面缺陷識(shí)別方面的基礎(chǔ)及應(yīng)用研究。如利用CCD（Charge Coupled Devices）、激光、CT（Computed Tomography）等采集各種木材缺陷的圖像，并進(jìn)行分類、識(shí)別的研究。在歐美等比較發(fā)達(dá)的國家已經(jīng)應(yīng)用于實(shí)際的生產(chǎn)，檢測精度能夠滿足實(shí)際生產(chǎn)的需要，并且降低了工人的勞動(dòng)強(qiáng)度。由于計(jì)算機(jī)視覺技術(shù)的發(fā)展與普及，為世界各國研究計(jì)算機(jī)視覺技術(shù)在木材學(xué)研究中的應(yīng)用奠定了基礎(chǔ)。（6）計(jì)算機(jī)視覺檢測法：計(jì)算機(jī)視覺是一門邊緣學(xué)科，它是集光學(xué)、電子學(xué)、圖像處理、模式識(shí)別等先進(jìn)技術(shù)為一體的一門新興學(xué)科，是圖像處理和知識(shí)工程學(xué)的交叉點(diǎn)，又是機(jī)器人技術(shù)的一個(gè)分支。（4）激光檢測法：激光檢測是以激光束作為光源，直接照射在掃描鏡上使光束反復(fù)穿過被檢測的木材，通過光電倍增管系統(tǒng)收集從木材上反射回來的激光信號(hào)，掃描頭應(yīng)有數(shù)字信號(hào)處理器（DSP）和計(jì)算機(jī)等配合，DSP收集數(shù)據(jù)并將木材橫斷面圖輸送至計(jì)算機(jī)，由微機(jī)軟件進(jìn)行加工和過濾所有輸入的數(shù)據(jù)，通過圖形處理可獲得原木外形的缺陷，并計(jì)算缺陷的尺寸和位置，這種方法的不足是識(shí)別能