基于PSO优选特征的实木板材缺陷的压缩感知分选方法

• 作者: 于慧伶 刘思佳 张怡卓 曹军 李超
• 来源期刊: 北京林业大学学报
• 学科: 农学
• 关键词: 缺陷识别 双树复小波 粒子群算法 压缩感知
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 林业工程 Forestry Engineering
• 页码范围: 117-122
• 页数: 6页
• 分类号: S781.1|TP391.41
• 语种: 中文
• DOI: 10.13332/j.1000--1522.20140385

摘要

针对实木板材表面缺陷的复杂性与随机性，提出了一种快速、准确的识别方法。首先，对实木板材表面图像进行3级双树复小波分解，提取低频子带、高频子带、原图像的均值、标准差和熵，共40维特征向量；然后，运用粒子群算法( PSO)优选出20个关键特征；最后，采用压缩感知理论将优选后的特征向量作为样本矩阵列，构建训练样本数据字典，通过最小残差完成缺陷识别。对4类柞木样本进行了仿真实验，活结、死结、虫眼、裂纹的分类正确率分别为93.3%、86.7%、100%和93.3%，结果表明：双树复小波良好的方向性能够表达实木板材表面复杂的信息；基于粒子群算法的特征选择能够提高分类效率；压缩感知分类器与传统分类器相比，具有结构简单、分类精度高的特点。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹军	东北林业大学机电工程学院	133	1090	17.0	23.0
2	张怡卓	东北林业大学机电工程学院	52	196	8.0	11.0
3	于慧伶	东北林业大学机电工程学院	39	221	7.0	14.0
4	李超	东北林业大学机电工程学院	46	353	10.0	17.0
8	刘思佳	东北林业大学机电工程学院	3	4	1.0	1.0