基于深度学习的木材死节缺陷图像分割方法

摘要：深度学习是当前机器学习的研究热点之一,针对木材表面死节缺陷图像,提出一种基于自动编码器(Autoencoder,AE)与长短期记忆网络(Long Short-Term Memory,LSTM)的深度学习图像分割方法。将RGB彩色图像转换成灰度图像,对灰度图像进行分块,同时将块变换成行向量,所有行向量组成矩阵并采用AE进行深度学习,通过设置多层深度学习结构,实现行向量维数约减。最后采用LSTM对约减后的死节和背景特征进行训练与测试并得到分类结果。试验结果表明,提出的算法的分割效果好,能很好地提取木材表面死节缺陷。