【摘要】：為了提高機器識別木材的準確性,從木材圖像預處理的角度出發(fā),以復原木材圖像紋理細節(jié)為目標,提出了基于SCN-MSE的木材圖像超分辨率重建方法。將高分辨率圖像經離散小波變換,把4個子帶中相應位置、大小相同的碎片組成模塊,再利用局部二值模式的鄰域強度建立訓練數據庫;將低分辨率圖像中的低頻子帶碎片,與數據庫同類模塊中的低頻碎片進行比較,通過去除領域中心的均方差,尋找相似度最大的高頻碎片,保留低分辨率圖像的低頻子帶;再經小波逆變換得到超分辨率圖像。選取樟子松及其樹皮為識別對象,將基于SCN-MSE的超分辨率重建圖像與經過傳統(tǒng)預處理圖像,利用SVM多項式核函數進行識別。識別結果表明,本研究提出的方法提高了樟子松及其樹皮的識別率。
[Abstract]:In order to improve the accuracy of wood recognition by machine, a super-resolution reconstruction method of wood image based on SCN-MSE is proposed, which aims at restoring the texture details of wood image from the point of view of wood image preprocessing. The high resolution image is transformed by discrete wavelet transform, the corresponding position of the four sub-bands and the same size fragments are formed into the module, and then the training database is established by using the neighborhood strength of the local binary mode, and the low frequency sub-band fragments in the low-resolution image are taken into account. Compared with the low-frequency fragments in the same module of the database, by removing the mean square error of the domain center, the high frequency fragments with the largest similarity are found, and the low-frequency sub-bands of the low-resolution images are preserved, and then the super-resolution images are obtained by inverse wavelet transform. Selecting Pinus sylvestris var. mongolica and its bark as the recognition object, the super-resolution reconstruction image based on SCN-MSE and the traditional preprocessed image are used to recognize the image by using the kernel function of SVM polynomial. The recognition results show that the proposed method improves the recognition rate of Pinus sylvestris var. mongolica and its bark.
【作者單位】： 內蒙古林業(yè)廳退耕還林工程管理辦公室;內蒙古農業(yè)大學材料科學與藝術設計學院;
【基金】：國家自然科學基金(31460168) 內蒙古農業(yè)大學博士啟動基金(BJ09-29)
【分類號】：S781.1;TP391.41

【相似文獻】

相關期刊論文 前6條

1 鐘鑫;;基于超分辨率技術的圖像增強技術的應用[J];中國安防;2013年09期

2 汪燕;路錦正;吳樂南;;亞采樣JPEG壓縮圖像的超分辨率重建[J];安防科技;2008年01期

3 戴光智;陳鐵群;薛家祥;姚屏;;MAG焊熔池圖像的超分辨率分析[J];焊接學報;2008年04期

4 陳奎;徐釗;;井下頻域超分辨率TOA定位算法[J];工礦自動化;2009年06期

5 ;研究速遞[J];中國印刷與包裝研究;2012年04期

6 ;[J];;年期

相關會議論文 前10條

1 潘明海;劉永坦;趙淑清;徐佳祥;干恒富;;一種多運動目標的超分辨率檢測算法[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

2 李兵兵;陸耀;王曉明;李勁嫻;;基于金字塔回歸策略的人臉超分辨率[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

3 戴光智;陳鐵群;薛家祥;;基于微掃描技術焊縫超聲圖像的超分辨率重建[A];第十七屆全國測控計量儀器儀表學術年會（MCMI'2007）論文集（上冊）[C];2007年

4 鄭杰;韓梅;;基于微位移的超分辨率重建技術[A];2008'中國信息技術與應用學術論壇論文集（一）[C];2008年

5 張光昭;胡敬爐;謝澤明;;超分辨率亞毫米波付里葉變換譜[A];第四屆全國波譜學學術會議論文摘要集[C];1986年

6 繆泓;徐海明;;微平移序列圖像的超分辨率重建技術[A];中國力學學會學術大會'2009論文摘要集[C];2009年

7 徐啟飛;顏剛;陳武凡;;關于序列圖像的超分辨率重建算法[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯合學術年會論文集（上冊）[C];2007年

8 徐忠強;朱秀昌;;基于正則算法的壓縮視頻超分辨率重建[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

9 池小梅;馬建偉;黃景濤;;基于壓縮傳感的超分辨率紅外成像研究[A];中國自動化學會中南六省（區(qū)）2010年第28屆年會·論文集[C];2010年

10 黃華;何惠婷;;一種基于CCA空間超分辨率的人臉識別方法[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

相關博士學位論文 前10條

1 傅罡;多源遙感數據的道路提取方法研究[D];清華大學;2014年

2 巴拉卡，，雅各布Maiseli（Baraka Jacob Maiseli）;基于正則化的非線性擴散模型的超分辨率方法[D];哈爾濱工業(yè)大學;2015年

3 王曉峰;基于樣本學習的人臉超分辨率重建技術研究[D];華中科技大學;2015年

4 岳煥景;面向云媒體的圖像處理研究[D];天津大學;2015年

5 楊琛;提高集成成像與集成全息系統(tǒng)成像質量方法的研究[D];西安電子科技大學;2015年

6 何蕾;基于稀疏表達的連分式插值核的圖像/視頻超分辨率重建方法研究[D];合肥工業(yè)大學;2015年

7 樊程廣;超聲相控陣超分辨率成像方法研究[D];國防科學技術大學;2014年

8 袁建華;超分辨率重建中若干問題的研究[D];中國科學院研究生院（電子學研究所）;2006年

9 范沖;三線陣影像超分辨率重建[D];中南大學;2007年

10 張小紅;視頻去運動模糊及超分辨率研究[D];浙江大學;2012年

相關碩士學位論文 前10條

1 李智盛;壓縮傳感在超分辨率中的應用[D];清華大學;2011年

2 劉鵬;壓縮自編碼字典下的多機制鄰域嵌入超分辨率重建算法[D];華南理工大學;2015年

3 蔣曉慧;自適應正則化超分辨率重建方法的研究[D];蘇州大學;2015年

4 楊國珂;基于壓縮傳感的圖像分辨率重構方法和應用[D];江西理工大學;2015年

5 周才發(fā);基于流形對齊的WLAN室內定位方法研究[D];哈爾濱工業(yè)大學;2015年

6 陳果;單一醫(yī)學視頻時空超分辨率算法研究[D];北京理工大學;2015年

7 李靖;基于壓縮感知的超分辨率理論與技術研究[D];電子科技大學;2015年

8 黎媛;基于超分辨率的多視角混合分辨率視頻描述的關鍵技術研究[D];電子科技大學;2015年

9 羅國中;面向低質量視頻的目標對象的超分辨率重建技術研究[D];國防科學技術大學;2013年

10 李華陽;手部深度圖像去噪與超分辨率方法研究[D];北京工業(yè)大學;2015年

本文編號：2206585