(2894)--利用局部二值模式和方向梯度直方图.pdfVIP

利用局部二值模式和方向梯度直方图融合特征 对木材缺陷的支持向量机学习分类1) ， 6 ， 7 ; 摘 要 根据木材缺陷类型及视觉特点的不同 将木材缺陷分为 类 加上正常无缺陷木材共分 类 实验将 680 94 。 图像样本转化为灰度图后生成 个训练样本数据集和 个测试样本数据集 在分析单一方向梯度直方图 (HOG) (LBP) ， 特征及局部二值模式 采用不同核函数对木材缺陷分类性能的基础上 提出局部二值模式和方向梯 。 ， 4 度直方图融合特征对木材缺陷分类 融合特征经主成分分析并降维 利用支持向量机的 种不同核函数分别验证 局部二值模式和方向梯度直方图融合特征对木材缺陷分类的性能。 : 结果表明 利用局部二值模式和方向梯度直方 ; 图融合特征比单一缺陷特征具有更高效的分类性能 采用线性核函数及高斯核函数对局部二值模式和方向梯度直 ， 98．9% 97．8% ， 。 方图融合特征进行支持向量机分类 分类准确率分别可达 和 木材缺陷可实现自动检测分类 ; ; ; ; 关键词 木材 木材缺陷分类 方向梯度直方图 局部二值模式 支持向量机 分类号 S781．5 ;TP274 Wood Defect Detection and Classification by Fusion Feature and Support Vector Machine / / Luo Wei ，Sun Liping (Northeast Forestry University ，Harbin 150040 ，P ． Ｒ． China)/ / Journal of Northeast Forestry University ，20 19 ，47 (6): 70－73． According to the different types of wood defects and visual characteristics ，the defects were divided into seven types ， together with normal non-defective wood． The experiment transforms image samples into gray images and generates 680 training sample data sets and 94 test sample data sets． With the analysis of the characteristics of single histogram of orien- ted gradient (HOG)and local binary pattern (LBP)using different kernels to classify wood defects ，the fusion features of local binary pattern and histogram of oriented gradient were proposed to classify wood defects． By principal