基于横切面微观构造图像的木材识别方法

doi:10.11707/j.1001-7488.20131116

林业科学 ›› 2013, Vol. 49 ›› Issue (11): 116-121.doi: 10.11707/j.1001-7488.20131116

基于横切面微观构造图像的木材识别方法

刘子豪¹, 祁亨年¹, 张广群¹, 汪杭军²

1. 浙江农林大学信息工程学院临安 311300;
2. 浙江农林大学天目学院临安 311300

收稿日期:2012-12-19 修回日期:2013-06-21 出版日期:2013-11-25 发布日期:2013-11-26
通讯作者: 汪杭军
基金资助:
国家自然科学基金项目（60970082）；浙江农林大学人才启动项目（2013FR059）；浙江农林大学研究生科研创新项目（3122013240224）。

Wood Identification Method Based on Microstructure Images in Cross-Section

Liu Zihao¹, Qi Hengnian¹, Zhang Guangqun¹, Wang Hangjun²

1. School of Information Engineering, Zhejiang A & F University Lin'an 311300;
2. Tianmu College, Zhejiang A & F University Lin'an 311300

Received:2012-12-19 Revised:2013-06-21 Online:2013-11-25 Published:2013-11-26

摘要/Abstract

摘要：

提出一种基于核主成分分析（KPCA）和自适应增强（AdaBoost）的木材识别算法。通过把图像投影到KPCA高维空间，利用PCA方法对该空间中的数据进行特征提取和压缩，使用Gentle AdaBoost进行分类。结果表明：本方法对基于横切面微观构造图像的木材识别，具有较高的识别率和算法鲁棒性且运行时间快的特点。

关键词: 核主成分分析, 自适应增强, 图像压缩, 木材识别, 计算机视觉

Abstract:

In this paper, a new method based on kernel principle component analysis(KPCA) and AdaBoost was proposed for wood identification. After wood images projecting into a high-dimensional space of KPCA, PCA method was used to extract features and compress those features. Then these well-prepared features were classified with Gentle AdaBoost. The experimental results showed that our method based on microstructure images in cross section had some good performances, such as higher discrimination, robustness and efficiency in running time.

Key words: kernel principle component analysis(KPCA), AdaBoost, image compression, wood identification, computer vision

中图分类号:

S781
TP391

刘子豪, 祁亨年, 张广群, 汪杭军. 基于横切面微观构造图像的木材识别方法[J]. 林业科学, 2013, 49(11): 116-121.

Liu Zihao, Qi Hengnian, Zhang Guangqun, Wang Hangjun. Wood Identification Method Based on Microstructure Images in Cross-Section[J]. Scientia Silvae Sinicae, 2013, 49(11): 116-121.

参考文献

方益明, 郑红平, 冯海林. 2011. 基于傅里叶变换和独立成分分析的木材显微图像特征提取与识别.浙江农林大学学报, 27(6): 826-830.
管雪梅. 2006.基于计算机视觉技术的木材细胞图像分割的研究.哈尔滨:东北林业大学硕士学位论文.
何涛,张世禄,汪杭军. 2009.基于两方向二维主成分分析木材识别的研究.林业机械与木工设备,37(10): 13-14.
黄慧.2006. 基于木材组织构造的数字图像处理系统研究.南京: 南京林业大学硕士学位论文.
刘镇波. 2004.木材显微图像特征参数提取与树种判别方法研究. 哈尔滨:东北林业大学硕士学位论文.
汪杭军, 汪碧辉. 2011. 一种新的针叶材自动识别方法. 林业科学, 47(10): 141-145.
王秀华. 2005. 木材横切面构造特征计算机视觉分析与树种分类识别研究. 哈尔滨: 东北林业大学硕士学位论文.
吴燕茹, 程咏梅, 赵永强,等.2011.利用KPCA特征提取的Adaboost红外目标检测. 红外与激光工程,40(2):339-343.
Freund Y, Schapire R E. 1997. A decision-theoretic generalization of on-line learning and an application to boosting. Journal of Computer and System Sciences, 13(55): 119-139.
Friedman J, Hastie T, Tibshirani R. 2000. Additive logistic regression:a statistical view of boosting. Annals of Statistics, 28(2):
337-407.
Lienhart R, Kuranov A, Pisarevsky V. 2002. Empirical analysis of detection cascades of boosted classifiers for rapid object detection. MRL Technical Report.
Lienhart R, Maydt J. 2003. Empirical analysis of detection cascades of boosted classifiers for rapid object detection. Pattern Recognition, 2781:297-304.
Scholkopf B, Smola A, Muller K R. 1998. Nonlinear component analysis as a kernel eigenvalue problem. Neural Computation, 10(5): 1299-1319.
Scholkopf B, Mika S, Burges C J C. 1999. Input space versus feature space in kernel-based methods. IEEE Trans on Neural Networks, 10(5): 1001-1016.
Yang P, Shan S, Chen X. 2005. AdaBoost gabor fisher classifier for face recognition. IEEE Trans Image Processing, 17(7):278-291.
Zeng X, Martinez T R. 1999. Distribution-balanced stratified cross-validation for accuracy estimation. Journal of Experimental & Theoretical Artifical Intelligence, 12(1):1-12.

[1]	刘子豪, 汪杭军. 基于PCA+FisherTrees特征融合的木材识别[J]. 林业科学, 2013, 49(6): 122-128.
[2]	汪杭军;汪碧辉. 一种新的针叶材自动识别方法[J]. 林业科学, 2011, 47(10): 141-145.
[3]	赵学增杨延竹王伟杰吴羡. 计算机技术在苗木自动分级中的应用发展概况[J]. 林业科学, 2004, 40(3): 162-166.
[4]	张立非姜笑梅周崟. 国产阔叶树材晶体的研究[J]. , 1993, 29(5): 424-428.
[5]	微机识别木材课题组. 微机识别国产阔叶树材的研究[J]. , 1989, 25(3): 236-242.

基于横切面微观构造图像的木材识别方法

Wood Identification Method Based on Microstructure Images in Cross-Section

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 5

编辑推荐

Metrics

本文评价

作者中心

期刊获奖

引证指标

联系方式