基于词袋模型的木材分类的研究

发布时间：2024-02-28 03:56

　　在现代化生产过程中,一些自动化程度较低的生产厂家,木材分类的大部分工作是人工完成的,普遍存在分类精度不高和效率低下的问题。为了提高市场上常见的木材分类的分类准确率,文章引入了一种在图像分类领域,发展快速并且分类效果较好的词袋模型,用此模型解决木材分类的问题。同时,将直方图交叉核和空间金字塔匹配引入到词袋模型中,以词袋模型和直方图交叉核、空间金字塔匹配的遍历组合,即词袋模型(BOW)、基于直方图交叉核的词袋模型(BOW-H)、基于空间金字塔匹配的词袋模型(BOW-P)、基于空间金字塔匹配和直方图交叉核的词袋模型(BOW-HP)共四种分类方法进行分类测试。用以上方法与BP神经网络和K-近邻的分类方法作比较,相同实验环境下得到的实验数据进行对比分析。东北五种常见树木即白桦径切(bh-r)、白桦弦切(bh-t)、红松径切(hs-r)、红松弦切(hs-t)、落叶松径切(lys-r)、落叶松弦切(lys-t)、水曲柳径切(sql-r)、水曲柳弦切(sql-t)、柞木径切(zm-r)、柞木弦切(zm-t)共十类图像,每类100幅,共1000幅图像作为样本。利用SIFT算法提取图像特征,用K-mean...

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

图2-2高斯金字塔表示尺度空间本是连续的，待处理图像进行高斯平滑，这个操作会造成高频信息无故失踪的后果，为了解决这个问题，将待处理图像在运算之前先扩充比例是必要的

2词袋模型的基本理论方法高斯金字塔是具有尺度连续性的模型，假如高斯滤波进行降采样，做法是次上具有尺度差异的所有图片都进行高斯模糊，结果是每个层次上都会有不同张高斯模糊图像。这里出现了一个概念(Octave)组，金字塔每层的所有图像(Octave)，并且每组图像都是具有唯一性的。....

图2-3关于极值点检测

图2-3关于极值点检测尺度空间DOG的曲线拟合来提高关键点稳定性。利用D级数展开，如下式(2-5)：XXDXXXDDXDTT2221()T(x,y,)。求导，并使方程等式两边值为零，可获得极值点的偏移量XDXDX221点方程的值为....

图2-4梯度分布特性

图2-4梯度分布特性，是将图像采集中的2即360度的方向信息分bins10度。特征关键点的主方向由直方图的峰特征点的邻域梯度的方向。为使匹配的鲁棒性值大于主方向80%的方向作为关键点的辅助方域对直方图构建的贡献也随之减小。虽然只有赋予几个方向，但对于提高关键....

图2-5特征描述子构建过程

程中只是保留峰值大于主方向80%的方向作为关键点的辅助方向，随着与中心逐渐远离，该领域对直方图构建的贡献也随之减小。虽然只有15%的关键点在图的过程中被赋予几个方向，但对于提高关键点的稳定性起到了至关重要的4)关键点特征描述成了以上步骤后，每个关键点的信息就是就是之前步骤中，....

本文编号：3913438