您好!欢迎您进入佛山市顺德区新欧木工机械有限公司官网!

销售热线:

13590540108  欧阳宾华

13923118491  欧阳涌

技术咨询 :13923113308
电 话1:0757-27883075
电 话2:0757-27730550
QQ:2589965398
邮箱:xomj27725447@163.com
地址:佛山市顺德区勒流江村工业大道东四路3号

形态特征及神经网络在木材横纹压缩中的应用研究
日期:2015-09-26 09:09:13 阅读量:
计算机应用研究形态特征及神经网络在木材横纹压缩中的应用研究>曹军,张冬妍(东北林业大学,黑龙江哈尔滨150043)链码实现木材细胞形态特征的定量分析,这些特征量的提取为从微观角度分析横纹压缩过程中木材产生的强度变化提供了重要的理论依据。同时在此基础上,基于神经网络对信息处理的自组织、自学习功能,采用前馈BP网对木材细胞进行了自动识别分析,通过。
 
  图像获取模图像处理结果输出模块|计算机分析系统应用软件流程通过对提取的木材细胞图像进行预处理、图像分割等操作,实现“感兴趣‘目标对象的提取;而分析模块中的特征提取成为研宄中的重点之一。目标信息的准确获取是模式特征统计分析和细胞识别的必要条件,也是实现微观构造变异的重要前提。因此,本文米用Fretman链码技术对木材细胞边缘轮廓进行检测,从而实现形态特征提取和定量分析。并在此基础上,运用神经网络理论,构建细胞识别BP网络模型,通过其识别预测与联想记忆功能实现不同木材细胞的自动识别分类。
 
  基金项目:黑龙江省杰出青年基金项目(“优质建筑用材一压密2形态特征描述目标对象的形态特征是研宄中借以识别对象的重要依据之一。随着计算机技术的发展,对形态特征的描述己由定性描述转变为精确的定量研宄。本文研宄中的目标对象是经图像处理后的细胞边缘二值图像,在此采用了常用的目标边缘表示法中的链码表示。该方法表示简单节省存储空间,有利于计算。同时,利用”最左跟踪算法‘实现木材细胞边缘轮廓检测。
 
  2.1木材细胞边缘轮廓检测在图像处理中,链码一般用来描绘区域的边界或用于图像编码。本文米用了美国学者Freeman提出的Freeman链码,跟踪二值图像中值为0(或1)的边界点,并赋给每两个相邻像素的连线1个方向值而构成连通路径。常用的有4-和8-方向链码。针对本研宄中的边缘二值图像,我们采用8连通链码表示边缘。由于细胞边缘描述‘路径“是闭合的,一旦起始点坐标确定,就可以唯一决定描述目标边界的链码表示。
 
  研宄中采用‘最左跟踪算法“作为边缘轮廓跟踪方法,实现细胞边缘检测。其算法基本思想是:根据Freman链码的定义决定搜索的次序,即按P0P1P7,P2P3,P4PsP6优先级形式(其中,P=Q…,7代表八个基本方向的像素点),对木材细材应用基础研宄*2001- 12)国家自然科学基金资助项目(”木质材料表面缺陷模式特征的研宄“描的办法,从上到下,从左到右,一旦发现-曹军等:形态特征及神经网络在木材横纹压缩中的应用研究个细胞边缘点(灰度值为1否则灰度值为0)首先记录该点的坐标值,并以此为链码链的起点;然后再按优先级判断以该起点为中心的八个方向的像素点是否为边缘点,如果找到了一个码值。
 
  (6)细胞的延伸率木材细胞的延伸率是用来度量细胞长扁程度的特征量,它边缘像素点,便将其链码值记录下来;再将此像素点作为中心可用于对木材早晚材和木射线细胞的自动识别。细胞的长宽点,同时置前一中心点的灰度值为0重复上述过程,直到在中比用l来表示,其具体定义如下:心点八个方向的像素点中找不到边缘点为止,这样便完整地跟踪了一个细胞的边缘;接下来继续扫描图像,把所有细胞的边缘链码都记录下来,直到在图像中扫描不到边缘点为止。
 
  22木材细胞形态特征提取形态特征可以作为目标的一种描述,是因为它可以用较少的特征矢量来表达,所以能够实现较显著的数据压缩。形态特征可分为两大类:边界特征和区域特征。为了对木材细胞进行定量分析,本文提出了13个用于细胞结构描述和细胞识别的形态特征,其中,7个为边界特征,6个为区域特征(1)木材细胞腔的总面积通过求取细胞腔总面积可以实现二值图像细胞胞壁率的统计分析。对于NXM的细胞二值图像,可通过对该图像进行逐行扫描并计算灰度值为1的像素点总数来获取细胞腔的总面积,其具体算法如下:其中,xy分别为像素点的横。竖坐标,f(x,y)为像素点的归一其中,w,h分别为目标的宽度和高度。在这里,我们用细胞的径/弦向直径来度量细胞的延伸率(7)细胞的径/弦向收缩率细胞的径/弦向收缩率是用来描述木材压缩前后细胞径弦向直径变化程度的特征量。通过它们可对横纹压缩过程木材产生的各向异性给予定量的分析。细胞的径/弦向收缩率分别定义为卜D0其中,DrDd和DsDo分别为压缩前和压缩后木材细胞的径/弦向直径。
 
  3基于神经网络的木材细胞识别在木材横纹压缩的研宄中,细胞识别是重要的步骤之一。
 
  化灰度值。
 
  (2)木材的胞壁率一般常用的细胞识别分类器有最小距离分类器、最近邻分类器和神经网络分类器。神经网络是近十年来发展极为迅速的一木材的胞壁率用于描述一幅细胞图像中胞腔和胞壁所占门边缘科学。由于它对众多学科的包容性、应用范围的广泛性比率。此特征量将为从微观角度上定量分析横纹压缩过程木以及理论分析方法的多样性,因而在信号处理、模式识别、智能材产生的强度变化提供重要的理论依据。
 
  假设A为木材细胞图像的总面积(单位:像素)S为此图控制等领域中的应用越来越多。通常神经网络有两种典型的结构:前馈型网络和反馈型网络。本文针对针叶材管胞中的早像视野中细胞腔的总面积,S.w=A-S为细胞壁的总面积,则此晚材、木射线细胞和树脂道的特征,基于神经网络对信息处理视野中的木材胞腔率、胞壁率分别为:的自组织、自学习的功能,运用前馈BP网络对木材细胞进行(3)细胞的周长木材细胞的周长可以根据边缘跟踪的结果来定义。如果X1X2X3…XN是边缘坐标表,那么周长L为:其中N为细胞轮廓的总像素点数;di为边缘各相邻点的单位长度。对于八连通边界di为:f1(:imod=0其中,Ci是对边缘按顺时针方向跟踪时从第i点到下一点的链码值。
 
  自动识别分类。
 
  3.1BP网络的设计和训练神经网络是一个并行和分布式的信息处理网络结构,该网络结构一般由许多个神经元组成,每个神经元有一个单一的输出,它可以连接到很多其他的神经元,其输入有多个连接通路,每个连接通路对应一个连接权系数。我们应用的主要是前馈网络中BP网络EP网络具有很好的逼近非线性映射的能力,它不依赖于模型,其输入与输出之间的关联信息分布地存储于连接权中。由于连接权的个数很多,个别神经元的损坏只对输入/输出关系有较小的影响,因而BP网络显示了较好的容错性。同时,考虑到网络收敛速度问题,本文采用了BP网络改进学习算法对木材细胞类型加以识别。
 
  (4)细胞的圆形因子(1)BP网络的结构设计细胞形状的复杂性可以通过圆形因子来说明,此特征量可BP网络是一种多层(包括输入层、中间层、输出层)前馈网用来对木材的早晚材细胞和树脂道给予识别。细胞的圆形因子或圆度定义为:=:Lr其中L和S分别为目标的周长和面积。
 
  (5)细胞的径/弦向直径木材细胞的径/弦向直径可以从边缘的Freeman链码中提取。径向直径用Dr表示,弦向直径用Ds表示,具体定义如下:其中,N为边缘的总像素点数;对于八连通边缘,wi和hi分别络。其中,中间层可以是多个,但中间层越多,训练时间就会越长,局部最小误差也会增大,这会使网络在训练过程中很容易陷入局部极小而无法摆脱。因而在网络层数的选择上,本文通过大量的。
 
  早材晚材木射线树脂道输出层中间层(隐层)输入层用于木材细胞识别的BP网络结构图(2)现网络的训练BP网络通常有两种训练方式,即有指导的训练和没有指导的训练。有指导的训练是在教师(训练数据本身,包括输入数据和在一定输入条件下的输出数据)指导下进行的。本文采用了此种网络训练方式:在使目标函数为最小的前提下确定输入/输出之间的关系,使未经训练的输入也能给出合适的输出,从而保证网络的泛化能力。
 
  3.2BP网络细胞识别结果分析本文选取了两组针叶材试件,并从中摄取了三组细胞群图像用于BP网络识别……
 
  表1神经网络识别结果统计表细胞类型样本数识别存在数识别不存在数准确率%误识率%早材晚材木射线树脂道从网络识别结果的统计数据分析来看,此网络对早、晚材细胞和木射线细胞的识别准确率较高,特别是通过一定数量样本的学习之后,位于早、晚材交界处的细胞能够给予正确的分类,这对于同一生长轮早、晚材分界线位置的确切定义具有重要的指导意义,同时也为横纹压缩微观构造变异研宄提供了重要的依据。
 
  4结论经实验结果分析,本文所提出的方法具有很好的应用效果,基于Freeman链码技术的“最左跟踪算法”能够准确地检测细胞边缘,提取相关形态特征量;基于神经网络的BP网络具有很好的鲁棒性,实现了不同木材细胞的自动识别分类,为木材横纹压缩微观构造变异研宄提供了可靠而有利的理论依据。
电话:0757-27883075  27730550   传真:0757-27337871
QQ:2589965398     邮箱:xomj27725447@163.com
欧阳宾华:13590540108     欧阳涌:13923118491
技术咨询:13923113308    网址:www.xinoumj.com
地址:佛山市顺德区勒流江村工业大道东四路3号
该网站由赢辉商学院全程策划