采用颜色纹理及光谱特征的木材树种分类识别-天津大学期刊中心.PDFVIP

第 48 卷 第 2 期 天津大学学报 (自然科学与工程技术版) Vol.48 No.2 2015 年 2 月 Journal of Tianjin University (Science and Technology) Feb. 2015 DOI:10.11784/tdxbz201407025 采用颜色纹理及光谱特征的木材树种分类识别 窦 刚，陈广胜，赵 鹏 (东北林业大学信息与计算机工程学院，哈尔滨 150040) 摘 要 ：针对木材分类特征的繁多，同科属木材种间差异小，单纯依靠一种特征分类易误识等特点，提出了一种基 于模糊 BP 综合神经网络的新型木材树种分类识别方法．该方法使用分类特征的模糊化处理，充分考虑木材的分类 特征本身存在的不确定性；同时使用一种特征级数据融合方法 ，该综合神经网络包括颜色特征、主要和次要纹理特 征和光谱特征 4 个 BP 子网络；并用散度进行光谱特征波段的特征选择 ，还运用遗传算法对网络结构进行优化处 理，提高了该综合神经网络的收敛性和稳定性．实验时针对东北地区常见的 5 种树种 (白松、樟子松、落叶松、杨 木和桦木)木材进行分类测试，实验结果表明，5 种树种木材的混合识别率达到 89%，具有较好的分类识别精度． 关键词 ：模式识别；树种识别；特征选择；数据融合；光谱分析 中图分类号：O439 文献标志码 ：A 文章编号 ：0493-2137 (2015)02-0147-08 Wood Species Recognition Using Color Texture and Spectral Features Dou Gang ，Chen Guangsheng ，Zhao Peng (College of Information and Computer Engineering ，Northeast Forestry University ，Harbin 150040 ，China) Wood species identification with only one feature lacks accuracy since the difference is small for many Abstract ： features of the same wood species. A novel wood recognition scheme was proposed based on fuzzy BP overall neural network ，which had the following advantages. First ，the classification features were blurred to deal with the uncer- tainty of wood features. Second ，a feature-level data fusion scheme was used so that the neural network consisted of 4 BP sub-networks concerning color feature ，texture feature and spectral feature. Finally ，a feature selection procedure on the spectral feature interval was applied by use of divergence and the genetic algorithm was used to optimize th