木材表面缺陷检测是多学科交叉的技术,该技术对木材生产领域及其深加工等多方面有着较高的应用价值。论文主要围绕分形理论对木材表面缺陷检测进行了深入研究。通过将分形理论、小波多分辨率分析以及人工神经网络模式识别技术相结合,研究了木材表面缺陷的纹理分割、特征提取、模式识别问题。 纹理分割是图像处理的重要问题。论文主要针对传统表面缺陷分割方法的不足,提出了基于分形参数的木材表面缺陷分割方法,并针对分形参数计算方法的缺点做了相应改进,提出了增容矩阵的计算方法。 特征量的提取直接影响木材缺陷检测系统的识别率。本文将木材缺陷图像进行了二维小波二层分解后,对单支重构的八幅图像计算了自相关分形维数,并与未分解前缺陷图像的自相关分形维数共同构成模式识别的特征量。针对这九个特征量的均值和均方差值做了分析,结果表明不同缺陷类别的分形维数有较好的分布性,用这些特征参数描述木材表面缺陷是可行的。 本文以小波多分辨率下自相关分形维数作为木材缺陷类型识别的特征量,以夹皮、腐朽、节子、虫眼四种缺陷作为识别类型输出,选用L-M算法对BP神经网络进行训练。对训练后网络的识别能力做了线性回归分析,目标输出的相关系数都达到了0.9以上。在对200块试件进行测试时,系统平均识别率达96.5%。结果表明:用分形理论进行纹理分割、特征提取,能够高精度的识别木材表面缺陷。