基于顏色特征的小木制品檢測系統(tǒng)研究.pdf

1、顏色作為木制品品質評定的重要指標，直接影響木制品加工生產的效率和效益。應用木制品的表面顏色特征進行等級劃分，是完善小木制品質量檢測手段、提高檢測準確度的最重要的環(huán)節(jié)。本文采用圖像處理和模式識別技術，對小木制品的顏色分類檢測進行研究，為木制品生產顏色檢測自動化的工業(yè)實現提供必要的理論和技術依據。
　　本文選用雪棒條作為研究對象，按照顏色分成兩個級別，建立包含1000個圖像樣本、共兩類的實驗樣本庫，用于顏色的分析與分類。首先用中值濾波

2、法對圖像進行去噪聲處理，再應用閾值法對彩色圖像進行了分割，為顏色特征信息的提取提供必要的基礎圖像。
　　文中分析了常用的幾種顏色空間，通過比較并結合各顏色空間的特點，鑒于HSV空間與人眼感知顏色的方式相接近的優(yōu)點，確定采用HSV顏色空間作為研究小木制品表面顏色的空間模型;針對兩類樣本的顏色分布均勻的特點，只需考慮顏色的全局分布，因此選用了顏色直方圖和顏色矩兩種顏色分析方法，并在HSV顏色空間下分別提取了兩套特征參數:①H、S、V三

3、個顏色分量的共18維顏色直方圖特征參數;②H、S、V三個顏色分量的共9維顏色矩特征參數，以此實現小木制品圖像顏色特征的獲取。
　　本文采用BP神經網絡作為分類識別器，分別將顏色直方圖特征參數和顏色矩特征參數作為輸入量，輸出兩類顏色不同的樣本，選用L-M算法對神經網絡進行訓練，在對500個樣本進行測試時，兩套特征參數下的系統(tǒng)識別準確率分別為98.2％和97％。結果表明兩套特征參數下的分類識別率相差不大，因此選用特征維數小的顏色矩特征