地板表面缺陷检测算法及研究
摘要：地板表面缺陷直接影响着地板的产品等级，因此，地板表面缺陷信息的检测已经成为地板加工的重要过程之一。长期以来用人工检测的方法来检测地板缺陷，但检测过程大大降低了生产效率, 增加了生产成本, 而且具有人的主观意识，漏洞较多。原来靠手工实现的检测过程现在都可由计算机来实现, 从而将工人从繁重的工作中解放出来, 降低了生产成本，提高木材的加工生产效率和自动化程度，所以基于计算机视觉的地板表面缺陷检测，对地板的产品等级自动分类具有重要的现实意义。本次研究的课题是对地板缺陷的检测。首先采用图像分割对图像进行初步处理，将实木地板表面缺陷图像部分与背景分离。将图像分割的结果进行具体的特征提取与特征计算，这一步骤中要尽可能的多的提取出有价值的图像特征。计算提取的全部特征的方差，根据同种缺陷样本方差尽可能小，非同类缺陷样本方差尽可能大的原则，进行特征的选择，选择出含有相对较多信息、干扰相对较小的有价值特征；再运用主成分分析的方法将这些特征降维，以提高分类器的运算速度。设计有效的分类模型,从而对输入的地板表面图像特征完成识别和分类功能。
关键词：特征提取；图像处理；主成分分析；缺陷检测
- 前言
1.1引言
实木地板表面缺陷直接影响其质量与等级，因此，表面缺陷信息的检测已成为实木地板加工的重要工艺过程。作为简单检测方法的人工目测，虽然在中小型地板加工企业中仍在沿用，但其检测过程具有费时耗力、主观性强、误识率高的弊端［1 － 2］，因此难以保证在线生产的速度与分选质量。
基于数字图像处理的表面缺陷自动检测是确保自动化生产中产品质量的一个非常重要的环节，其广泛地应用在织物表面检测、食品表面检测、钢表面检测、木头和瓷砖表面检测等领域，并在多晶硅太阳能电池表面检测等生产领域具有广阔的应用前景[1- 4]。
地板表面缺陷检测，在实际研究中，缺陷检测特征提取是模式识别中最基本的问题之一，提取有效的鉴别特征是解决目标识别问题的先决条件。图像分割是图像识别和图像理解的基本前提步骤，图像分割质量的好坏直接影响后续图像处理的效果，甚至决定其成败，因此，图像分割的作用是至关重要的。图像特征提取就是从图像中提取出目标隐藏的结构或性方面有意义的特征。
地板表面缺陷提取对木地板产品的分级以及提高其生产自动化程度都有着重要的意义。
1.2选题的背景和意义
