基于COV-LBPD纹理描述子的木材图像分类研究
目的：纹理是分析和识别木材的重要依据,根据纹理为木材进行分类对提升木材产品质量有着积极的意义. 方法：本文提出基于局部二值模式差异协方差矩阵(Covari-ance and Local Binary Pattern Difference,COV-LBPD)及最近邻分类器的木材分类算法.首先,提取图像特征.接着,为不同特征通道分别计算其LBPD(LBP Difference)特征.然后,整合所有LBPD特征,计算得到COV-LBPD矩阵.最后,以图像间COV-LBPD的距离为依据,采用最近邻分类器对进行木材图像进行分类. 结果：在木材图像数据集上测试,实验数据表明COV-LBPD结合最近邻分类器能够取得平均81％的分类准确率,相比局部二值模式协方差阵(Covariance of Local Binary Pattern,COV-LBP)结合最近邻分类器的方法提高了17.15％. 结论：COV-LBPD描述符结合最近邻分类器的木材分类算法是木材分类的优选方法,具有实际应用价值.
木材图像 分类算法 纹理特征 差异协方差矩阵 局部二值模式
晁晓菲 蔡骋 李书琴
西北农林科技大学信息工程学院,杨凌712100
国内会议
珠海
中文
114-118
2014-11-14（万方平台首次上网日期，不代表论文的发表时间）