張怡卓、李超、曹軍編著的《實木智能化在線檢
測與分選》繫統地闡述了實木智能化在線檢測與分選
的技術方法，包括實木板材圖像的獲取、運動圖像的
預處理、缺陷和紋理的特征提取與分類器設計等。全
書共11章，第1章是緒論，介紹研究背景和研究現狀
；第2章介紹板材圖像預處理，是實木圖像研究的前
期準備；第3～6章介紹實木表面缺陷識別與分類方法
；第7～10章介紹實木表面紋理識別與分類方法；第
11章介紹板材表面多目標柔性分選技術。
本書可供高等院校模式識別與智能繫統、控制科
學與工程、電氣工程及其自動化等相關專業的本科生
、研究生參考閱讀。

前言
第1章 緒論
1.1 實木在線檢測與分選的研究背景和意義
1.1.1 研究背景
1.1.2 研究意義
1.2 實木檢測的概述
1.2.1 研究對像
1.2.2 實木板材檢測的主要研究手段
1.2.3 基於圖像處理的板材檢測發展歷程
1.3 **外研究現狀
1.3.1 國外研究現狀
1.3.2 **研究現狀
1.4 本書的主要研究內容與結構
1.4.1 主要研究內容
1.4.2 本書結構
1.5 本章小結
第2章 板材圖像預處理
2.1 圖像灰度化
2.2 圖像增強
2.2.1 直方圖均衡化
2.2.2 圖像灰度變換
2.3 圖像平滑
2.3.1 鄰域平均法
2.3.2 中值濾波法
2.3.3 圖像平滑算法選擇
2.4 圖像銳化
2.4.1 微分銳化算法
2.4.2 拉氏銳化算法
2.4.3 Sobel銳化算法
2.4.4 圖像銳化及邊緣檢測實驗
2.5 板材原始圖像的剪切與預處理
2.6 本章小結
第3章 基於閾值融合的缺陷分割方法
3.1 基於灰度閾值的圖像分割的原理
3.1.1 圖像灰度閾值
3.1.2 傳統的全局閾值處理算法
3.1.3 Otsu閾值分割
3.2 板材圖像的梯度分割基本原理
3.3 梯度算子與Otsu閾值分割
3.4 本章小結
第4章 基於形態學的板材缺陷分割與SOM分類
4.1 數學形態學的原理
4.1.1 數學形態學的基本概念
4.1.2 二值形態學基本操作
4.1.3 形態學重構
4.2 基於R分量的形態學分割方法
4.2.1 R分量提取
4.2.2 數學形態學分割步驟
4.3 缺陷特征提取與分類器設計
4.3.1 缺陷特征表達及選取
4.3.2 特征提取步驟
4.3.3 基於SOM神經網絡的缺陷分類
4.3.4 基於BP-SOM的缺陷分類
4.4 實驗結果與分析
4.4.1 形態學分割結果
4.4.2 特征提取
4.4.3 SOM神經網絡設計
4.4.4 BP-SOM混合神經網絡分類的測試結果
4.5 本章小結
第5章 基於圖像融合的缺陷分割方法
5.1 區域生長與禁忌搜索
5.1.1 區域生長算法
5.1.2 禁忌搜索
5.2 基於圖像融合的缺陷分割方法與步驟
5.2.1 實木表面缺陷分割方法
5.2.2 實木表面缺陷分割步驟
5.3 缺陷特征選擇與分類器設計
5.3.1 缺陷特征選擇
5.3.2 分類器設計
5.4 實驗結果與分析
5.4.1 實驗步驟
5.4.2 噪聲實驗分析
5.4.3 分割時間分析
5.5 本章小結
第6章 基於LDA特征融合的壓縮感知缺陷識別方法
6.1 基於LDA的缺陷特征降維
6.1.1 LDA理論
6.1.2 Fisher線性判別分析
6.1.3 實木板材缺陷特征的LDA融合
6.2 基於壓縮感知理論的板材缺陷識別
6.2.1 壓縮感知理論
6.2.2 信號的稀疏表示
6.2.3 觀測矩陣的設計
6.2.4 信號重構
6.2.5 基於壓縮感知的分類算法
6.3 基於壓縮感知的缺陷識別步驟
6.4 實驗結果及分析
6.4.1 缺陷識別實驗過程
6.4.2 對比實驗及結果分析
6.5 本章小結
第7章 基於灰度共生矩陣及模糊理論的紋理分類
7.1 紋理特征
7.1.1 紋理特征的定義
7.1.2 紋理特征的表達方法
7.1.3 木材圖像紋理特征及分類
7.2 灰度共生矩陣及其紋理特征選擇
7.2.1 灰度共生矩陣
7.2.2 灰度共生矩陣的主要特征值
7.2.3 木材圖像灰度共生矩陣及特征
7.3 模糊理論及分類器設計
7.3.1 模糊集合的定義及特征
7.3.2 模糊距離度量
7.3.3 基於模糊理論的圖像處理理論
7.4 板材紋理模糊分類器設計
7.5 實驗結果及分析
7.6 本章小結
第8章 基於PCA與SVM的紋理分類方法
8.1 圖像紋理特征的提取
8.1.1 圖像基本統計量
8.1.2 Tamura紋理特征
8.2 基於PCA特征融合算法及應用
8.2.1 PCA的概念和原理
8.2.2 基於PCA的板材紋理特征融合
8.3 基於SVM的紋理特征分類
8.3.
8.3.2 板材紋理SVM分類參數優化
8.4 分類結果與分析
8.5 本章小結
第9章 基於多尺度變換的特征提取與紋理分類
9.1 基於小波變換的特征提取與紋理識別
9.1.1 小波變換簡介
9.1.2 小波的特征提取
9.2 基於曲波變換的特征提取及紋理識別
9.2.1 **代曲波變換
9.2.2 第二代曲波變換
9.2.3 曲波的特征提取
9.3 基於雙樹復小波的特征提取與識別
9.3.1 雙樹復小波變換
9.3.2 雙樹復小波變換的性質
9.3.3 雙樹復小波的特征提取
9.3.4 仿真實驗結果
9.4 本章小結
**0章 基於多尺度變換特征融合的紋理分類
10.1 基於小波曲波特征融合的紋理分類
10.1.1 特征融合的準備
10.1.2 基於遺傳算法的特征融合
10.1.3 實驗結果與分析
10.2 基於雙樹復小波特征融合的紋理分類
10.2.1 基於粒子群算法的特征優選
10.2.2 實驗及分析
10.3 基於曲波與雙樹復小波的紋理分類
10.3.1 基於混沌粒子群的特征優選
10.3.2 實驗結果與分析
10.4 板材表面缺陷、紋理協同分選方法
10.4.1 缺陷、紋理繫統分選介紹
10.4.2 協同分選算法及實現
10.4.3 仿真實驗
10.5 本章小結
**1章 板材表面多目標柔性分選技術
11.1 柔性分選技術
11.2 顏色分類算法
11.3 樣本優選
11.4 實驗結果及分析
11.4.1 實驗材料及仿真環境
11.4.2 顏色特征分析
11.4.3 紋理樣本優選
11.4.4 用戶滿意度實驗
11.5 本章小結
參考文獻