迭代阀值分割法的木材分类

官 飞

（福建林业职业技术学院 自动化工程系，福建 南平 353000）

珍贵木材识别的准确率和权威性目前主要依靠存储的样本量和鉴定的经验。实际中由于鉴定水平不同，存在鉴定结果不同的情况，不同检测机构使用的方法不同，也可能导致结果不同。这种传统的依靠专业人员观察、比较和分析木材的主要特征的鉴别手段，需要依靠扎实的木材解剖学知识以及丰富的实践经验来支撑，很大程度上限制了鉴别方法的使用。运用数字图像技术[1]提取珍贵木材图像特征信息，并构建BP神经网络架构，保障了珍贵木材的识别速度和准确率[2-3]。

1 珍贵木材图像特征提取

颜色特征是区分木材的主要特征，在输入神经网络[4]之前，需要提取目标样本的RGB（red,green,blue）值，但是RGB颜色模型和感知上的颜色模型很难建立关系，不能直接做为识别的重要特征。而感知上的模型颜色正是HSV的模型所符合的，适合基于颜色的图像相似比较。因此，需要把目标样片的RGB颜色模型转换成HSV值，再放入构建好的BP神经网络进行比对运算。

1.1 木材图像RGB特征

通过颜色来辨别木材以及它的特征是最为有效和简单的方法。可以描述平移，旋转，缩放等，并且颜色没有变形特性。RGB颜色模型是实际中使用最广泛的模型之一。基于木材颜色特征的R、G、B通道，我们可以得到9个新通道，包括R/G、R/B、B/G、G/R、B/R、G/B、（RG）/（R+G）、（RB）/（R+B）、（GB）/（G+B），然后计算均值、方差与每个像素值的总和，因此总共可以获得24个珍贵木材的颜色特征。

1.2 木材图像HSV特征

进行颜色特征提取时，采用了HSV颜色空间[5]。……