木材纹理美学的数字化表征

针对木材纹理美学数字化表征的理论不足，本研究以木材纹理美学为出发点，利用数字图像处理技术系统研究与木材纹理美学相关的表征参数体系，采用不同的表征参数算法对与木材纹理美学相关的空域内的表征参数，即颜色表征参数、形状表征参数、灰度表征参数等进行研究，通过对圆盘点图（DCDM）和线段点图（LCDM）进行傅立叶变换（FFT），将所得的能量光谱图（PSP）、角度分布图和频率分布图进行分析、归纳，筛选出在频域内与木材纹理美学相关的数字化表征参数，建立木材纹理美学数字化表征参数体系；研究数字化表征参数在木材纹理美学中的变化规律，对木材纹理美学加以识别。通过对木材纹理美学的数字化表征，为木材纹理美学实现自动识别提供新的思路和理论依据，并为木制品从设计、生产、销售与使用等全过程充分体现其美学功能提供理论性指导，从而提升木制产品的附加值，满足人们对美的需求。

本文利用数字图像处理技术，首先采用不同的小波变换，筛选木材纹理最佳分解尺度和木材纹理方向性特征参数；其次根据参照物、鲁棒估计灭点分层对图像进行重建；第三基于Contourlet变换和非负矩阵分解(NMF)的图像识别研究；最后在频域内对木材进行美化研究。. 研究主要在以下方面取得结果：.（1）利用实数9/7小波变换、整数5/3小波变换，对木材纹理图像进行多尺度分解，分析木材纹理频率分布特征，比较了针叶材与阔叶材、径向与弦向切面的木材纹理的差异。筛选出木材纹理最佳分解尺度和木材纹理方向性参数。.（2）采用一种由图像中特征显著的参照物作为标尺进而对待测物体进行重建，首先采用水平集分割算法分割出作为参照物物体特征点集，然后采用GASAC遗传算法估计基础矩阵，从而完成目标物体或全景的三维重建，避免了误差特征点的干扰，可应用于一些复杂情况下的重建，能获得理想的重建效果。.（3）灭点是分层重建过程的重要信息，其求解准确程度直接关系到最后三维重建的效果。基于hough算法的直线聚类检测方法求取图像中的直线信息，对检测到的直线进行处理并按照角度自动分组聚类；然后基于ransac的由直线信息估计灭点信息的改进算法，提高了灭点估计的鲁棒性。.（4）首先将掌纹图像用5个尺度4个方向的2DGabor滤波器组对图像进行滤波并采样得到Gabor特征矩阵，之后用二维主成分分析(two-dimensional principle component analysis，2DPCA)进行降维，最后将得到的特征向量送进支持向量机(support vector machine，SVM)进行分类。.（5）首先按照特征值将获得的角点进行最优分组，然后采用单演相位或NCC算法与Ransac估计算法进行正式的分组匹配和剔除外点。能有效的去除误匹配点，同时减少了验证时间。.（6）基于Contourlet变换和非负矩阵分解(NMF)的掌纹识别算法，通过对源图像Contourlet进行小波变换，将提取出的低频分量用NMF法提取特征值，用最近邻方法进行分类。该算法较单纯的NMF和2DPCA等算法识别性能有较大提高。