板材心理感知顏色在線模糊分類器設(shè)計(jì)

常湛源， 曹軍， 張怡卓

(東北林業(yè)大學(xué)機(jī)電工程學(xué)院，黑龍江哈爾濱 150040)

0 引言

木材工業(yè)是一項(xiàng)綠色朝陽產(chǎn)業(yè)，作為林業(yè)產(chǎn)業(yè)的支柱，近年來保持了高速的增長。多數(shù)生產(chǎn)企業(yè)在對木材原材進(jìn)行分類時(shí)，采用人工分選的方法，由于人的認(rèn)識能力的有限，對于同一類別板材的判斷會(huì)因環(huán)境因素的變化而產(chǎn)生完全不同的結(jié)果，只能做到一定程度上的分選。采用機(jī)器分選的方法可以很好的解決上述問題，保證了板材分選的連續(xù)、穩(wěn)定、可靠［1-2］。顏色作為板材的主要特征之一，對其進(jìn)行分類有著重要意義。板材顏色由樹種、樹齡、切割方式等因素決定，其顏色以紅色、黃色為主［3-4］。對于板材顏色，紅色色度量高的木材其高檔評價(jià)程度明顯提高;黃色色度與明快呈顯著正相關(guān)，與沉穩(wěn)、仿古呈負(fù)相關(guān);色彩飽和度越高溫暖感越強(qiáng);視覺物理量影響視覺心理量的主要量詞為明快、溫暖、上乘、仿古等［5-6］。

HSV顏色空間對于色度和飽和度的定義與人類對顏色的感知有著直觀的聯(lián)系，其色度分量H、飽和度分量S能夠直接與人類對顏色的心理感知相對應(yīng)，被廣泛應(yīng)用于顏色分類的研究中［7］。由于人眼觀察木材顏色數(shù)目不是很多，以及板材本身的特點(diǎn)，基于HSV空間來探討板材顏色和紋理的分級情況是有效的［8］。同時(shí)，根據(jù)顏色直方圖位移、旋轉(zhuǎn)不變的特性，采用HSV顏色空間3個(gè)分量的直方圖統(tǒng)計(jì)特征能夠表達(dá)木材表面顏色信息［9-11］。在討論對比多個(gè)顏色空間的特性后，HSV空間在進(jìn)行板材顏色的研究中優(yōu)勢明顯［12］。顏色作為一種需要人進(jìn)行心理感知的模糊量，通過模糊集的相關(guān)定義來描述特征提取目標(biāo)的顏色信息是很好的選擇。同時(shí)，模糊分類方法作為一種準(zhǔn)確率較高的機(jī)器識別方法，通過建立適當(dāng)?shù)哪：蛹?、隸屬度函數(shù)與模糊規(guī)則，可以生成模糊規(guī)則查詢表，從而進(jìn)行快速的在線分選［13-17］。運(yùn)用模糊分類器，提取樣本顏色的特征量，對特征量進(jìn)行模糊規(guī)則設(shè)計(jì)，將模糊分類器的結(jié)果與神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和K近鄰分類器等多種分類方法結(jié)果做比較，模糊分類器的準(zhǔn)確度高、速度快［18-19］。

然而，隨著人們對生活品質(zhì)的不斷追求，原木材料在室內(nèi)裝飾中被大量的使用。現(xiàn)有木材顏色分類的結(jié)果不能直接反映板材顏色的心理感知，不便于消費(fèi)者在購買時(shí)進(jìn)行產(chǎn)品選擇;同時(shí)，由于神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等學(xué)習(xí)分類方法需經(jīng)過學(xué)習(xí)樣本訓(xùn)練后才能有效分類，國內(nèi)外學(xué)者多將其用于離線的板材分級研究，有關(guān)板材顏色的在線分類方法研究較少;HSV空間進(jìn)行圖像處理計(jì)算時(shí)，首先需要進(jìn)行歸一化處理，將連續(xù)的H分量映射到［0，1］閉區(qū)間內(nèi)，破壞了H分量對于紅色區(qū)域的連續(xù)表達(dá)，為之后的圖像處理過程造成嚴(yán)重的干擾與誤導(dǎo);與此同時(shí)，能否制定合理的模糊子集隸屬度函數(shù)，會(huì)直接影響到模糊分類結(jié)果是否準(zhǔn)確。針對以上四點(diǎn)問題，本文首先對HSV顏色空間進(jìn)行非線性變換，再通過語言值模糊化推理生成模糊子集隸屬度函數(shù)，將分類結(jié)果設(shè)置為明快、溫馨、奢華3個(gè)產(chǎn)品類別，得到一種新的能夠直接迎合消費(fèi)者購買需求的板材顏色在線模糊分類器。

1 特征值選擇與顏色空間量化

1.1 特征值選取

對一幅圖片而言，其相關(guān)顏色分布的情況可以用圖片的矩來進(jìn)行表示。彩色圖片的低階矩可以在整體上反映一幅圖片的顏色情況。其中，一階矩描述了圖片的平均顏色信息;二階矩闡述了圖片中的顏色方差情況;三階矩表述了圖片中顏色的偏移情況。利用這些低階矩可以表征圖片的顏色分布情況。一階矩直觀反映整幅圖片的顏色情況，同時(shí)在分選過程中保持光照的一致，V分量變化不大。所以，分別采用H、S分量的一階矩作為顏色信息的特征值。

一階矩?cái)?shù)學(xué)定義為

其中:pi，j表示彩色圖像中第i個(gè)顏色通道分量中灰度為j的像素出現(xiàn)的概率;N表示圖像中像素個(gè)數(shù)。

1.2 顏色空間非線性變換

HSV在進(jìn)行色度值運(yùn)算過程中，將H分量由角度值歸一化處理時(shí)會(huì)產(chǎn)生不利于后期運(yùn)算的結(jié)果。這是由于H分量位于0o到360o的圓周上，并且在相鄰角度有色度的過渡。紅顏色的色度位于330°～60°的區(qū)間內(nèi)。如圖1所示，若簡單的將其歸一到［0，1］區(qū)間中，會(huì)造成紅色色度區(qū)域的斷裂，破壞了其在顏色空間內(nèi)的關(guān)聯(lián)關(guān)系。對于整體顏色呈紅色或紋理顏色較深的樣本，在求取H分量一階矩時(shí)會(huì)由于H值歸一化產(chǎn)生失真的結(jié)果。為了解決這一問題對H分量進(jìn)行特殊的歸一化處理，將H分量代入函數(shù)式

經(jīng)過處理后，H分量歸一化的結(jié)果如圖2所示，處理后的歸一化區(qū)間內(nèi)可以得到連續(xù)的紅色色度的區(qū)域，在求取H分量特征值時(shí)，其結(jié)果可以準(zhǔn)確的反映樣本的顏色情況，解決了失真嚴(yán)重的問題。

圖1 H分量直接歸一化后的結(jié)果Fig.1 Frank normalization result of H component

圖2 改進(jìn)后H分量歸一化的結(jié)果Fig.2 Modified normalization result of H component

如圖3所示，經(jīng)過非線性歸一化后的H分量直方圖可以很好地保留紅色區(qū)域的連續(xù)表達(dá)，克服紅色區(qū)域的斷裂和深色紋理的復(fù)雜性對于板材整體顏色的影響，能夠更清晰的通過圖像直方圖和一階矩來表達(dá)板材顏色。

圖3 同一圖片非線性歸一化前后的直方圖結(jié)果對比Fig.3 Histogram of the same image with two normalization approaches

2 模糊分類器設(shè)計(jì)

顏色是人們?nèi)粘Ｉ钪凶畛Ｒ姷囊环N模糊概念。采用模糊邏輯推導(dǎo)的方法，可以得到人們對顏色心理感知的數(shù)學(xué)定義。本節(jié)對所選取的特征值進(jìn)行語言值模糊化處理，確定模糊子集的隸屬度函數(shù)，根據(jù)專家經(jīng)驗(yàn)生成模糊規(guī)則。

2.1 語言值模糊化

在進(jìn)行小數(shù)約減時(shí)，我們通常采用四舍五入的方法。這不僅是為了在實(shí)際生活中更好的解決小數(shù)約減問題，還直接反映了人們對于“大”、“小”這兩個(gè)程度的直接感受。進(jìn)行程度副詞的模糊化推斷。令

X={1，2，…，10}，在其上定義模糊集為

通過模糊集邏輯運(yùn)算得到

得到需要的語言值

特征值飽和度S的一階矩在其論域內(nèi)便可以根據(jù)上述描述分別設(shè)置為小(S1)、偏小(S2)、適中(S3)、偏大(S4)、大(S5)五個(gè)模糊子集。對于特征值色度H的一階矩可以根據(jù)HSV空間對于顏色色度的定義，在其論域內(nèi)設(shè)置黃(Y)、偏黃(PY)、橙色(YR)、淺紅(PR)、紅(R)、深紅(DR)六個(gè)模糊子集，得到人們對板材顏色色度和飽和度心理感知的模糊子集。模糊分類輸出結(jié)果的類別設(shè)置為明快(C1)、溫馨(C2)、奢華(C3)。

2.2 隸屬度函數(shù)確定

根據(jù)2.1的描述制定相應(yīng)模糊子集的隸屬度函數(shù)，如圖4所示。

圖4 H、S分量和輸出結(jié)果的隸屬度函數(shù)Fig.4 Membership functions of fuzzy sets

2.3 設(shè)計(jì)分類器結(jié)構(gòu)

兩個(gè)輸入變量是樣本H分量一階矩、樣本S分量一階矩，輸出變量為所屬的顏色類別。模糊推理方法選擇Mamdani算法，這種方法通過采用最小的運(yùn)算法則從而定義模糊表達(dá)中的模糊關(guān)系。解模糊方法選擇MIN-MAX-重心法，這種方法通過選取模糊集隸屬度函數(shù)曲線與數(shù)軸所圍成面積的重心處所對應(yīng)的變量值作為解模糊后的清晰值。

由于選取的特征值有兩個(gè)，模糊分類器結(jié)構(gòu)確定為兩輸入單輸出的分類器，結(jié)構(gòu)如圖5所示。

圖5 兩輸入單輸出模糊分類器結(jié)構(gòu)Fig.5 Double input and single output fuzzy classifier structure

2.4 設(shè)定模糊規(guī)則

根據(jù)木材學(xué)專家的經(jīng)驗(yàn)，給出以下模糊規(guī)則的語言描述并制定模糊分類規(guī)則:

1)紅色色度高、顏色飽和度高的樣本其奢華評價(jià)程度高;

2)紅色與黃色在一定色度下，飽和度低的樣本其溫馨評價(jià)程度高;

3)木材黃色含量高、顏色飽和度低與明快呈顯著正相關(guān)，與奢華呈負(fù)相關(guān);

4)顏色適中、飽和度一般的板材呈現(xiàn)溫馨的感受。

根據(jù)以上描述制定出30條模糊分類規(guī)則，經(jīng)整理，得到模糊分類規(guī)則表如表1所示。

表1 模糊分類規(guī)則表Table 1 Fuzzy classification rules

3 實(shí)驗(yàn)與分析

3.1 采集設(shè)備

實(shí)驗(yàn)統(tǒng)一采用低角度打光的方式。在拍攝的過程中，嚴(yán)格控制光照條件，保證前后的光照強(qiáng)度盡量的均勻，不出現(xiàn)陰影或使木材表面呈現(xiàn)明暗不均的部分。同時(shí)，保證光照強(qiáng)度充足的前提下，盡量降低了相機(jī)ISO參數(shù)，使所采集的圖片更真實(shí)的反映板材樣本的信息。所拍攝的樣本，盡量保證為一個(gè)完整的木材紋理或豐富過渡的顏色變化，在特征提取時(shí)能夠得到充分的樣本空間。拍攝時(shí)選擇Oscar F810C IRF工業(yè)相機(jī)，接口類型IEEE 1394a-400 Mb/s;最大分辨率3272×2469;最大分辨率下最高幀頻3fps。光源采用低角度放置的LED板，傳送帶速度約為3 m/s，圖像采集設(shè)備如圖6所示。

圖6 圖片采集設(shè)備Fig.6 Facility of image capture

3.2 基本論域映射到論域

基本論域，是指輸入變量（H與S）變化的實(shí)際范圍，基本論域內(nèi)的量為精確量。論域，則是指模糊子集的變化范圍，論域內(nèi)的量為離散量。通過建立這樣一種基本論域到論域的映射可以很好的解決在模糊分類過程中，數(shù)值的有效數(shù)字過多的問題，減少、消除機(jī)器誤差。同時(shí)，也可以更為精確地畫出模糊子集的隸屬度函數(shù)。模糊分類器輸入量與輸出量的論域、基本論域的范圍如表2所示。

表2 特征值的論域與基本論域范圍Table 2 Mapping relation ship and value of the do mai

3.3 分類結(jié)果

模糊分類器進(jìn)行工作時(shí)，對建立的模糊規(guī)則要經(jīng)過模糊推理才能決策出輸出模糊量的一個(gè)模糊子集。當(dāng)經(jīng)歷了所有的輸入模糊變量的論域后，結(jié)合輸出模糊量的清晰化計(jì)算，可以得到查詢表。本文使用M a t l a b中的F I S工具箱實(shí)現(xiàn)，平面輸出查詢表結(jié)果如圖7所示。

圖7 模糊分類器輸出查詢表Fig.7 Lookup table of the fuzzy classification

為了驗(yàn)證所設(shè)計(jì)的模糊分類器的有效性,選取市場上常用的9類樹種構(gòu)成樣本空間:1)紫椴;2)白樺;3)水曲柳;4)五角楓;5)興安落葉松;6)大青楊;7)魚鱗云杉;8)柞木;9)紅松等驗(yàn)證分類器的準(zhǔn)確性與耗時(shí)?總體樣本個(gè)數(shù)為1000個(gè),其中柞木樣本數(shù)量為200個(gè),其他樹種樣本數(shù)均為100個(gè),樣本板材尺寸約為40cm×20cm×2cm?邀請木材學(xué)專家根據(jù)經(jīng)驗(yàn)對樣本所屬類別進(jìn)行確定,以此作為分類結(jié)果正確與否的參考,三個(gè)類別的數(shù)量分別為:明快336個(gè)?溫馨559個(gè)?奢華105個(gè)?所采集的樣本圖像尺寸約為300×300像素?數(shù)據(jù)處理用電腦使用Intel Corei3-2330M處理器2.20GHz,RAM為2GB,操作系統(tǒng)為Win7,軟件環(huán)境為MatlabR2010(b)?得到的分類結(jié)果如表3所示?

表3 模糊分類結(jié)果Table 3 Classification results

對相同的樣本使用相同的分類器與分類方法，使用H分量直接量化后求取的一階矩作為特征值輸入，得到H分量直接提取特征值進(jìn)行模糊分類的結(jié)果如表4所示。

表4 H分量不同量化方法分類結(jié)果比較Table 4 Comparable classification results of two H component normalization approaches

3.4 實(shí)驗(yàn)結(jié)果分析

改進(jìn)量化后的H分量特征提取結(jié)果對深紅色樣本的分類正確率為98.13%，相比采用H分量直接量化提取特征的分類結(jié)果為75.24%，耗時(shí)變化并不明顯但準(zhǔn)確率有了很大提升。分類器分類結(jié)果的平均正確率達(dá)到98.40%，準(zhǔn)確率高。出現(xiàn)誤識別的原因?yàn)榘宀闹写嬖谝欢ㄈ毕?，包括：蟲眼、切割傷痕、活節(jié)等?？蓪@些缺陷的板材視為不合格品或根據(jù)具體的生產(chǎn)需要將其作為一種新的模糊分類器感知量輸出類別。圖像處理及分類過程平均時(shí)耗約為每幅40 ms，能夠匹配相機(jī)幀頻和傳送帶速度，可實(shí)現(xiàn)在線分選的要求。

4 結(jié)語

本文提出的改進(jìn)后H色度歸一量能夠正確反映板材的顏色信息分類準(zhǔn)確率較傳統(tǒng)歸一量化有很大提升。語言值模糊化處理實(shí)現(xiàn)了從物理量出發(fā)，直接反映板材顏色的人類心理感受的目的。模糊分類器分類準(zhǔn)確，分類效果好。圖像處理及分類過程的耗時(shí)滿足在線分選對于時(shí)間的要求，很好的實(shí)現(xiàn)了準(zhǔn)確、快速的在線分選目的。人們對顏色的視覺心理感知是受視覺物理量所影響的，本文探討的基于模糊分類的融入顏色心理感知的分類方法將板材生產(chǎn)與人們的需求結(jié)合起來，能夠更好地為改善人們的居住條件與生活環(huán)境服務(wù)。

［1］汪杭軍，汪碧輝.一種新的針葉材自動(dòng)識別方法［J］.林業(yè)科學(xué)，2011，47(10):141-145.

WANG Hangjun，WANG Bihui.A novel method of softwood recognition［J］.Scientia Silvae Sinicae，2011，47(10):141-145.

［2］張怡卓，馬琳，王鐵濱，等.小波變換的木材紋理在線分選［J］.林業(yè)科技，2012，37(6):21-24.

ZHANG Yizhuo，MA Lin，WANG Tiebin，et al.Wavelet transform of wood texture online classification［J］.Forestry Science＆Technology，2012，37(6):21-24.

［3］劉一星，李堅(jiān)，徐子才，等.我國110個(gè)樹種木材表面視覺物理量的綜合統(tǒng)計(jì)分析［J］.林業(yè)科學(xué)，1995，31(4):353-359.

LIU Yixing，LI Jian，XU Zicai，et al.Synthetical statistics analysis on visual physics magnitude(VPM)of the surface of 110 Chinese wood species［J］.Scientia Silvae Sinicae，1995，31(4):353-359.

［4］于海鵬，劉一星，劉鎮(zhèn)波，等.基于改進(jìn)的視覺物理量預(yù)測木材的環(huán)境學(xué)品質(zhì)［J］.東北林業(yè)大學(xué)學(xué)報(bào)，2004，32(6):39-41.

YU Haipeng，LIU Yixing，LIU Zhenbo，et al.Prediction of wood’s environmental quality by amendatory visual physical parameters［J］.Journal of Northeast Forestry University，2004，32(6):39-41.

［5］李堅(jiān).木材的生態(tài)學(xué)屬性——木材是綠色環(huán)境人體健康的貢獻(xiàn)者［J］.東北林業(yè)大學(xué)學(xué)報(bào)，2010，38(5):1-8.

LI Jian.Ecological properties of wood:wood as the contributor to the green environment and human health［J］.Journal of Northeast Forestry University，2010，38(5):1-8.

［6］武恒，汪佑宏，張令峰，等.不同顏色實(shí)木地板表面視覺物理量與色彩心理特性相關(guān)性分析［J］.安徽農(nóng)業(yè)大學(xué)學(xué)報(bào)，2011，38(4):504-510.

WU Heng，WANG Youhong，ZHANG Lingfeng，et al.Analysis of the relation between surface visual physical magnitude and color psychological characteristics of the solid wood floor［J］.Journal of Anhui Agricultural University，2011，38(4):504-510.

［7］李革，李斌，王瑩，等.基于HIS顏色模型的珍珠顏色分選方法［J］.農(nóng)業(yè)工程學(xué)報(bào)，2008，24(8):284-287.

LI Ge，LI Bin，WANG Ying，et al.Method for classification of pearl color based on HIS model［J］.Transactions of the Chinese Society of Agricultural Engineering，2008，24(8):284-287.

［8］戴天虹，王克奇，楊少春.基于顏色特征對木質(zhì)板材分級的研究［J］.系統(tǒng)仿真學(xué)報(bào)，2008，20(5):1372-1376.

DAI Tianghong，WANG Keqi，YANG Shaochun.Research on wooden board classification based on color and texture features［J］.Journal of System Simulation，2008，20(5):1372-1376.

［9］楊少春，王克奇，戴天虹，等.基于直方圖的木材表面顏色分類研究［J］.森林工程，2008，24(1):34-36.

YANG Shaochun，WANG Keqi，DAI Tianhong，et al.A study of color classification on wood surface based on histogram［J］.Forest Engineering，2008，24(1):34-36.

［10］KURDTHONGMEE W.Colour classification of rubberwood boards for fingerjoint manufacturing using a SOM neural network and image processing［J］.Computers and Electronics in Agriculture，2008，64(2):85-92.

［11］戴天虹，趙貝貝，王玉玨，等.提升小波在木材顏色特征提取上的應(yīng)用［J］.計(jì)算機(jī)應(yīng)用，2009，29(12):218-219，255.

DAI Tianhong，ZHAO Beibei，WANG Yujue，et al.Application of lifting wavelet transform in wood color feature extraction［J］.Journal of Computer Applications，2009，29(12):218-219，255.

［12］王輝，呂艷，張凱.適于木材種類識別顏色空間的研究［J］.林業(yè)機(jī)械與木工設(shè)備，2009，37(1):20-22.

WANG Hui，Lü Yan，ZHANG Kai.Research on color space applicable to wood species recognition［J］.Forestry Machinery＆Woodworking Equipment，2009，37(1):20-22.

［13］LI T-H S，GUO N R，CHENG C P.Design of a two-stage fuzzy classification model［J］.Expert Systems with Applications，2008，35(3):1482-1495.

［14］FERNANDEZ A，GARCIA S，DEL JESUS M J.A study of the behavior of linguistic fuzzy rule based classification system in the framework of imbalanced data-sets［J］.Fuzzy Sets and Systems，2008，159(16):2378-2398.

［15］SANZ J，F(xiàn)ERNANDEZ A，BUSTINCE H.A genetic tuning to improve the performance of fuzzy rule-based classification systems with interval-valued fuzzy sets:degree of ignorance and lateral position［J］.International Journal of Approximate Reasoning，2011，52(6):751-766.

［16］WANG Guixiang，SHI Peng，WEN Chenglin.Fuzzy approximation relations on fuzzy n-cell number space and their applications in classification［J］.Information Science，2011，181(18):3846-3860.

［17］HOHLE U.Fuzzy presubsets as non-idempotent and non-commutative classification of Subalgebras［J］.Fuzzy Sets and Systems，2012，197(16):14-44.

［18］SCHMITT E，BOMBARDIER V，VOGRIG R.Fuzzy linguistic rules classifier for wooden board color sorting［C］//Springer.Advanced Concepts for Intelligent Vision System.Berlin Heidelberg:Springer，2005:154-161.

［19］BOMBARDIER V，SCHMITT E.Fuzzy rule classifier:capability for generalization in wood color recognition［J］.Engineering Applications of Artificial Intelligence，2010，23(6):978-988.