随着经济的发展和生活质量的提高,人们在装修以及装饰房屋的时候越来越喜欢采用各种石材铺设及工艺制品。但我国石材产品种类逐年上升,且这些石材的外观图案也趋于多样化,因此对于石材识别分类难度也越来越大。传统的石材加工及销售过程中,基本采取的还是人工的方式进行石材品种的识别,但该识别方式受人为因素影响比较大,容易出现主观性误判,影响分类速度和分类准确率。与纹理相关的研究,国内外在纺织品、工业零件缺损检测,医学病理诊断已展开研究,但在石材纹理图像分类识别方面鲜有研究。本文以提高石材纹理图像识别准确率为出发点,借鉴近年来较为成熟的纹理图像识别技术,针对石材图像特征的提取,分类器的设计展开研究。主要内容如下:1、针对石材表面纹理图像的子图像能够包含其原始图像纹理构造的特点,本文采用分块训练思想以成倍获取训练样本数。2、由于石材图像的纹理种类多且复杂,石材纹理图像识别方法的难点在于如果提取有效的石材图像纹理特征。Gabor小波同人体大脑皮层中简单细胞的视觉响应及其相似,本文通过设置Gabor滤波器组的频率与方向以提取石材纹理信息的方向和结构特征。另外,本文还提取灰度共生矩阵,并计算出能量、熵、对比度、逆差矩等统计量,以描述石材图像纹理的空间位置特征。3、考虑到颜色作为石材最直接的视觉特征,本文提取了石材图像的HSV颜色特征,并将其与纹理特征进行融合。另外,我们采用遗传算法进行分类器的参数寻优。4、由于本文融合多种图像特征表征石材图像,但简单的特征组合并没有考虑不同的图像特征对当前任务的贡献大小。因此本文采用多核学习方法来衡量不同图像特征重要性,对不同的图像视觉特征给予不同的权值。实验结果表明多核学习方法相比于单核学习方法能够取得更好的分类准确度。本文采用福建晋江水头某石材贸易企业提供的石材纹理图像作为数据集,对提出的石材纹理图像识别方法进行实验分析。实验结果表明:本文提出的石材纹理识别方法能准确地识别石材图像。本文方法可运用于手机APP开发。