基于Gabor特征的木材表面缺陷的分块检测

提出了一种新的木材表面缺陷的描述和检测方法,首先将木材表面图像划分成互不重叠的矩形块,即将木材图像矩阵进行分块;然后对每一块图像进行多方向多尺度Gabor变换,统计各个矩形块图像在不同尺度和方向上Gabor系数的均值和方差,将这些均值和方差组成一个描述矩形块的特征向量;为实现木材表面缺陷类别的检测,最后将块特征向量归一化后输入LS-SVM分类器,利用特征向量的相似度来进行缺陷的定位和识别。结果表明,该方法避免了传统检测方法需要进行图像分割的复杂性和局限性,它通过一个或多个矩形块的组合来定位缺陷,检测准确率超过91%。