[发明专利]一种木材质量分级方法

权利要求书

1.一种木材质量分级方法，其特征在于，包括以下步骤：

获取木材表面灰度图像；

建立灰度图像的灰度直方图，计算每个灰度值出现的频率，以出现频率最大的灰度值作为灰度图像的背景灰度值；

计算灰度图像中，灰度值小于背景灰度值的所有像素点的关注度，像素点的灰度值越接近背景灰度值，则其对应的关注度越大，选取关注度大于设定关注度阈值的像素点作为目标像素点；

通过以目标像素点为中心点建立滑窗的方法，计算每个目标像素点的灰度值波动程度，目标像素点的灰度值波动程度越大，则目标像素点为木材活节区域像素点的可能性越大；

在所有目标像素点中随机选取一个目标像素点作为中心点，找出距中心点的距离不大于设定半径的所有其它目标像素点，计算所述其它目标像素点与中心点连线方向上的方向向量，将其作为第一方向向量；计算所述其它目标像素点自身的灰度值变化梯度方向，将其作为第二方向向量，计算所述第一方向向量与所述第二方向向量之间的方向相似性，当所述方向相似性越好，则说明对应的所述其它目标像素点在所述设定半径下为木材活节区域像素点的可能性越大；

将所述灰度值波动程度以及所述方向相似性作为均值漂移聚类的权重，对目标像素点进行聚类，从而确定木材活节的位置、大小以及数量；

根据木材活节的位置、大小以及数量，对木材质量进行分级；

将所述灰度值波动程度以及所述方向相似性作为均值漂移聚类的权重，对目标像素点进行聚类的具体过程包括：

计算对目标像素点进行聚类时的偏移向量：

其中，表示偏移向量，R+γ为所述设定半径，其中R为假设的木材活节半径，γ为容错量，N表示所述中心点和距中心点的距离不大于设定半径的所有其它目标像素点的数量之和，表示半径为R+γ的高维球区域的中心点位置，S_R+γ表示以为中心点，半径为R+γ的高维球区域，表示以为中心点，半径为R+γ的高维球区域内的第k个目标像素点，Z表示所述第一方向向量与所述第二方向向量之间的方向相似性，W表示所述目标像素点的灰度值波动程度；

根据所得偏移向量对中心点位置进行更新：

其中，为t状态下求得的偏移向量，为t状态下的中心点，中心点沿着偏移向量的方向移动，移动距离为偏移向量的模长；

所述根据木材活节的位置、大小以及数量，对木材质量进行分级的方法为：

根据活节数量、大小以及所在位置计算木材质量系数：

其中，T表示木材质量系数，表示活节个数，e表示自然对数的底数，r_b表示第b个活节的半径，h_b表示第b个活节与木材中轴线的垂直距离；

木材质量系数越大，其值越趋近于1，表示该木材质量越好，由质量系数对木材进行质量分级。

2.根据权利要求1所述的木材质量分级方法，其特征在于，还包括聚类结果优化步骤：

对设定半径按照设定半径调整量进行缩小，当设定半径缩小时聚类类别中目标像素点的减少数量小于设定数量时，则在修正后的设定半径基础上继续按照设定半径调整量进行设定半径缩小操作；重复设定半径缩小操作，直至某次设定半径缩小时，聚类类别中目标像素点的减少数量不小于设定数量，则停止缩小操作，此次缩小前的设定半径即为木材活节的准确大小。

3.根据权利要求1所述的木材质量分级方法，其特征在于，建立灰度图像的灰度直方图，确定所述背景灰度值的具体过程为：

计算每个灰度值的出现频率：

其中，表示第i个灰度值出现的频率，表示第i个灰度值对应像素点的数量，B表示灰度图像中所有像素点的总数，选取出现频率最大的灰度值作为背景灰度值P_im。

4.根据权利要求1所述的木材质量分级方法，其特征在于，所述像素点的关注度为：

其中，Q表示第j个像素点的关注度，e表示自然对数的底数，i表示第j个像素点的灰度值，表示木材表面灰度图像中的最小灰度值，P_im表示背景灰度值，为经验阈值，=P_im。

5.根据权利要求4所述的木材质量分级方法，其特征在于，当关注度大于等于0.7时，则对像素点进行标记，将像素点作为目标像素点。