[发明专利]一种基于MMI的木材图像纹理分析与识别方法

说明书

技术领域

本发明涉及一种木材图像纹理分析与识别方法，尤其是一种基于模板匹配图（MMI）的木材图像纹理分析与识别方法。

背景技术

纹理是一种重要的视觉线索，是图像中普遍存在而又难以描述的特征。纹理分析技术作为计算机视觉、图像处理、图像分析、图像检索等应用的基础性研究领域之一，其研究内容主要包括：纹理分类和分割、纹理合成、纹理检索和由纹理恢复形状。这些研究内容的一个最基本的问题则是纹理特征提取。纹理特征提取的目标是：提取的纹理特征维数不大、鉴别能力强、稳定性好，提取过程中，计算量小，能够指导实际应用。

按照纹理特征提取方法所基于的方法所基于的基础理论和研究思路的不同，纹理特征提取的方法可以分为四大类，分别是统计类方法、模型类方法、信号处理类方法和结构类方法，具体的说：

统计类方法是基于像元及邻域的灰度属性，研究纹理区域中的统计特性，或像元及其邻域内的灰度一阶、二阶或高阶统计特性，具有思想简单，易于实现的优点，具有代表性的为GLCM方法和半方差图方法；

模型类方法是从纹理图像的实现来估计计算模型参数，将纹理特征提取归结为参数估计问题，以参数为特征或采用分类策略进行图像分割，因此如何采用各种优化参数估计的方法进行模型参数的估计是该类方法的核心问题，主要包括随机场方法和分形方法；

信号处理类方法是建立在时、域分析与多尺度分析基础之上，对纹理图像中某个区域内实行某种变换后，在提取保持相对平稳的特征值，依次特征值作为特征表示区域内的一致性以及区域间的相异性，其共同之处在于用某种线性变换、滤波器或滤波器组将纹理转到变换域，然后应用某种能量准则提取纹理特征，主要包括数字图像变换方法、小波变换方法；

结构类方法基于“纹理基元”分析纹理特征，着力找出纹理基元，认为纹理由许多纹理基元组成，不同类型的纹理基元、不同的方向及数目等，决定了纹理的表现形式，其中具有代表性的是句法纹理描述方法和数学形态学方法。

高阶局部自相关（HLAC）是一种比较有效的纹理分析方法，以统计HLAC模板在图中出现的个数作为图片的特征。但是这种方法也存在着缺陷，例如，它所提取的特征仅能反映出图像的局部结构特征，而且只记录了模板出现的次数或符合模板的灰度值做简单的累积求和，无法获得更多、更有效的表达图像的特征，特别是空间关系的结构特征。

发明内容

本发明的内容在于克服现有技术中HLAC及其扩展方法的不足，提出一种基于模板匹配图（MMI）的图像纹理分析与识别方法，由于模板匹配图包含了该模板下的图像的所有信息，所以，在此基础上进行的特征提取，能够有效地对图像进行纹理分析，更易于后续的分类和识别的应用。

为达到上述目的，本发明所采用的技术方案是：

一种基于MMI的木材图像纹理分析和识别方法，包括如下步骤：

（1）在给定木材图像的特征明显部位选取一块子区域，得到该区域的二值图；

（2）用HLAC模板取二值图的匹配图；

（3）在匹配图上提取连通区域特征、直方图特征和区域矩特征；

（4）重复步骤（1）～（3），形成训练样本集；

（5）对待识别木材图像重复上述步骤（1）～（3），基于提取到的特征集与训练样本集采用SVM进行分类，得出识别结果。

本发明提出了一种基于模板匹配图（MMI）的图像纹理分析与识别方法，由于模板匹配图包含了该模板下的图像的所有信息，所以，在匹配图基础上进行的特征提取包含了木材图像上丰富的纹理特征（包括统计和几何特征），如连通区域特征、直方图特征、区域矩特征等，集成上述几类提取到的特征能够有效表达图像的纹理结构和空间关系，能够有效地对图像进行纹理分析，更易于后续的分类和识别的应用。

上述技术方案还可以进一步完善：

作为优选，特征明显部位为木材上两个年轮线之间的部位。

作为优选，对子区域图像进行灰度转化和二值化处理，得到二值图。

作为优选，在步骤（2）中，如果二值图上的任意一点与HLAC模板匹配，则将当前点赋为黑色，否则将当前点赋为白色。

作为优选，在步骤（2）中应用多个HLAC模板，每一个HLAC模板得到一幅匹配图。

作为优选，连通区域特性包括连通度、黑点总数、连通区域的像素最大值和最小值，包括如下步骤：（1）用广搜的方法统计匹配图，图片中黑色点连通区域的个数即为连通度；（2）统计每块连通区域中黑点的个数，得到连通区域的像素最大值和最小值。

作为优选，直方图特征的提取包括如下步骤：