基于双树复小波特征提取及压缩感知的实木板材表面纹理与缺陷协同分类方法

摘要

基于双树复小波特征提取及压缩感知的实木板材表面纹理与缺陷协同分类方法，涉及实木板材表面缺陷检测领域。解决了现有的实木板材表面纹理与缺陷分类方法存在的分类精度低、分类效率低等问题。实木板材图像应用双树复小波变换进行特征提取后进行特征降维；基于压缩感知理论对优化后的特征向量进行分类：将优化后的特征向量作为样本列，由训练样本矩阵建立数据字典矩阵；用训练样本线性地表示测量样本，计算测试样本在数据字典上的稀疏表示向量，具有残差最小的类为测试样本的类别。双树复小波良好的方向性能够表达板材表面复杂的信息，基于粒子群算法特征选择能够进一步的提高分类效率，压缩感知分类器与传统分类器相比结构简单且具有较高的分类精度。

主权项

一种基于双树复小波特征提取及压缩感知的实木板材表面纹理与缺陷协同分类方法，其特征在于：所述方法的实现过程为：步骤一、获取的实木板材图像，一部分用作训练样本，另一部分用作测试样本；对获取的实木板材图像应用双树复小波变换进行特征提取(由于双树复小波具有近似的平移不变性和更多的方向选择性，这些特征能较为全面和完整的表征实木板材图像的纹理与缺陷信息)，并选取利用粒子群算法(PSO)优选后的特征作为用于训练及识别的图像特征向量；步骤二、根据压缩感知理论，构建数据字典，将每个训练样本图像优选后的低维特征向量作为数据字典矩阵的一列，形成数据字典矩阵；步骤三、根据测试样本在所述数据字典矩阵上的稀疏表示，用训练样本线性地表示测试样本，并计算未知测试样本的残差，具有残差最小的类即为测试样本的纹理类别或缺陷类别。