向+东++陈+宇++陈广胜

摘要：针对传统木材纹理分类的准确率低且难度大的问题，依据LBP（局部二值）算子和AD-ABOOST（自适应增强）算法理论，提出了LBP-ADABOOST模型对木材纹理进行识别分类，通过均匀旋转不变特性与原始LBP算子相融合，提取纹理的特征值，结合自适应增强算法，从而训练得到每类纹理所对应的分类器模型参数，构造分类器，实现对木材纹理准确高效分类，实验结果表明相比于BP神经网络，SVM支持向量机等分类算法，该模型的实验结果误差率为4%左右，准确率高，实用性强，

关键词：木材纹理分类；LBP算子；ADABOOST算法；分类器

DOI：IO.15938/j.jhust.2015.02.011

中图分类号：TP391.4

文献标志码：A

文章编号：1007-2683（2015）02-0057-06

0 引 言

木材纹理分类是木材优化利用过程的重要部分，木材纹理结构精细复杂、无规律的天然属性，使得纹理分类一直是木材学的前沿课题.针对不同的研究，国内外学者提出了不同的特征提取及纹理分类算法，非负矩阵分解，灰度共生矩阵法，马尔可夫随机场，尺度不变特征变换法等存特征提取方面取得了一定的突破，而常用的分类算法有BP神经网络，SVM支持向量机，决策树，极限学习机等.大多纹理分类模型基于以上算法的结合，且取得了一定的成果，此外，我国对于木材纹理分类的研究起步较晚，初期主要是对国外的经验总结，优化传统的分类算法，现阶段我国的纹理分类技术发展较好，但也存在一定缺陷，主要由于实际应用的训练样本在个体之间存在着差异，导致分类算法对分类结果的差异……