细胞特征参数计算机的提取理论

介绍3种细胞轮廓提取方法,提出利用链码技术提取细胞的边界轮廓信息.结果表明,该方法具有计算速度快和精确度高等优点.论述计算细胞周长、个数、面积、圆形度和重心等特征参数的多种方法,这些细胞特征参数可为木材材种识别提供重要的依据.     

基于矛盾解决理论与物质——场分析的实木地板节子识别新方法研究

针对传统区域生长方法识别实木地板节子存在准确率低且速度慢的问题,运用TRIZ中矛盾解决理论分析与物质——场分析,提出一种结合分水岭、区域生长以及边缘检测的新的实木地板节子识别算法。算法首先将原图像转换为灰度图像;其次,运用形态学分水岭的方法对灰度图像进行分割;再次,选取满足条件的种子区域进行区域生长,得到节子区域;最后,运用Sobel算子对图像进行梯度运算,并找到节子的边缘。仿真实验表明,该算法较传统方法能够找到更合适的种子区域和区域生长的阈值,实现了对节子的快速、完整提取,节子分割平均用时60ms,平均辨识准确率在90％以上。     

基于FCM的木材X射线图像缺陷分割

在用X射线检测木材缺陷的过程中,很重要的一步就是对图像中的缺陷的提取和分割,其处理的效果直接影响到后面的缺陷识别的正确性。主要是针对木材X射线图像对比度差的特点和固有的模糊性,利用模糊C均值聚类的方法对木材X射线图像进行分割处理,为后续的提取出木材缺陷工作打下基础。     

基于数字图像处理技术实现木材横纹压缩过程中构造学形态特征的研究

根据计算机视觉技术,结合横纹压缩木材构造形态特征,提出了适合于木材横纹压缩过程中构造形态特征的图像处理方法。对图像质量的完善较全面地进行了量化,充分表露出计算机视觉技术在实现木材横纹压缩过程中构造学形态特征动态变化分析中的优越性,实现了木材细胞边缘轮廓的跟踪,形态特征的提取,为木材科学的再发展奠定了理论基础。     

数学形态学在木材表面缺陷图像分割后处理中的应用

介绍了数学形态学的基本思想和运算。针对木材表面缺陷图像分割效果不完善的问题,提出基于数学形态学的图像后处理方法,包括应用数学形态学的填充操作、形态滤波以及形态梯度边缘检测等。经实验验证,应用数学形态学进行图像后处理,增强了木材缺陷图像分割结果的可视性和准确性。     

Classification of thermally modified wood by FT-NIR spectroscopy and SIMCA

Quality assessment of thermally modified wood has evolved as one of the major fields in the research on thermal modification of wood. This study investigates NIR spectroscopy in combination with the pattern recognition method of soft independent modeling of class analogies (SIMCA). Focus is put on identifying different treatment intensities of thermally modified samples of beech, ash, and Norway spruce. The results indicate that SIMCA classification based on NIR spectroscopy could be used for quality control of thermally modified wood. The method might be applicable for producers (pre-delivery checks) and customers (reception control). However, transfer from laboratory to industrial conditions needs further investigation.     

Multi-Objective Genetic Based Pore Combination Recognition

This paper proposes an automatic method of pore combination recognition,which is an important feature to hardwood recognition.After extracting edge from wood microscopic cross-section, based on area histogram of the similar circle regions,the method classifies all regions into two classes with maximum between-class variance,so as to distinguish the pore from other textures,which are similar in shapes but different in sizes.Meanwhile, second objective function about average area of closed regions is used to improve the pore segmentation performance.At last,the method uses adjacency degree of pore set to judge pore combination.The experiments demonstrate that the task of pore segmentation can be completed successfully for all kinds of pore distribution and combination,and also the correct combinations of pores are given.     

基于多目标遗传算法的管孔组合特征识别

提出一种管孔组合方式的自动识别方法.提取木材显微横切面的边缘后,基于类圆区域面积直方图,通过最大类间方差将封闭区域分为2类,将导管与其他形状相似、大小不同的组织分开；同时,引入封闭区域平均面积作为另一目标函数.最后采用管孔集邻接度来判断管孔的组合方式.试验表明该方法能够对各种导管的分布和组合获得满意的分割效果,并给出管孔的组合方式.     

Comparison analysis of nonlinear segmentation methods for selected wood features in sugar maple

Two classification methods, a feed-forward neural network and a fuzzy logic algorithm, were used for the automatic identification of CT images for selected wood features in sugar maple, one of the most important hardwoods in eastern Canada. Three wood characteristics were selected for automatic identification together with the background as a default. Local features, such as position and local pixel values were used as the neural networks inputs. The fuzzy sets consisted of four different possible pixel values and four possible distances from the center of the log. The fuzzy method used in this study was of the Mamdani type. Five sugar maple logs were randomly selected for this study. One of the logs is used for the training of the neural network and the others for validation and comparison. The structure of the neural network was optimized and was used for the segmentation of the other logs. An efficiency function, consisting of the number of pixels correctly labeled, was defined for the evaluation of the segmentation process. This study shows that a segmentation based on a fuzzy method has better capabilities for generalization than one based on a feed-forward method.     

ARIMA MODEL ON WOOD PROPERTIES VARIATION PATTERN OF KOREAN LARCH

INTRoDUCTIONItwasfOundthatthegoOdnssoffitwasnotgOodandthecOefficientofcorrelahonwaslowwhileuslngthemethodoflinearregressionanalysistoanalysesthewoodgrOwthnngvanahonpatternofPlantedLanxolgensis.ThewoodpowthringProPenieslnc1udesguwthringdenSty,grOWthringwidthandlatewoodpercentage.AslthewoodPrOpenies'parameters,mentionedasabove,thevariahont6ndencywassindlarwiththeresultsofPreviousresearch,butthedopeeofdjssociahonofadjacenttestpointswasbigrelahvely,andthevanahonten-dencywasinduencedbyran…     

分水岭算法在林业中的应用

随着遥感技术的发展，无人机以及新型遥感数据的出现，越来越多的高分辨率影像被应用于林业资源监测。图像分割作为影像识别应用的基础，大量研究人员在原有的分水岭算法基础上针对不同的区域、背景、目标和研究方向进行了一定的改进，在林木病虫害监测、木材表面缺陷检测、单木冠幅分割、叶片提取等林业领域发展迅速。文中介绍了分水岭算法在林业中的应用，以期为分水岭算法在林业领域的推广以及进一步改进研究提供参考。     

小波分析与人工神经网络在木质材料无损检测中的应用

介绍了小波变换和人工神经网络在无损检测中的工作原理,分析了小波变换处理非平稳信号提取特征值、人工神经网络进行模式识别的优点,并提出小波、人工神经网络以及松散型和紧致型小波神经网络在木质材料的无损检测中的应用。     

基于不变矩特征木材纹理的研究

不变矩是模式识别中的一种重要方法,它具有平移不变性、比例不变性和旋转不变性等优点。本文将其引入到木材纹理的计算机视觉研究领域,提取了木材纹理的不变矩参数,并用提取的特征参数对木材纹理进行了分类研究,最近邻分类器的正确率为86.67%,获得了较高的分类正确率,从而验证了不变矩参数对木材纹理描述的有效性。     

基于改进ResNet-UNet的立木图像分割方法

[目的]针对现有图像处理方法分割立木精度低的问题,提出一种基于改进ResNet-UNet的立木图像分割方法,实现对图像中立木的精确分割.[方法]将拍摄得到的立木图像输入ResNet-UNet深度学习融合网络模型,初步得到较精确的立木分割图;结合自制的后期处理方法对该分割图进行优化处理,准确分割出立木形状.ResNet-...     

Automated image processing for quantification of blue-stain discolouration of Norway spruce wood

Bioincising is a promising method for enhancing liquid uptake (e.g. preservatives or wood-modification agents) in refractory wood. Incubation with the white-rot fungus, Physisporinus vitreus, which selectively degrades pit membranes, results in deeper and more homogeneous penetration of liquids. Conventional methods of assessing the degree of fungal discolouration of wood after treatment with preservatives (e.g. European standard EN 152) are partly based on a subjective rating scale, which gives a rough value of the surface colonisation by blue-stain fungi. Hence, an automated image processing (AIP) procedure was developed for standardised quantification of the segmentation thresholds of discolouration and tested against manual segmentation analysis. Using the red filter in the AIP method revealed high correlation (R ² 0.95) and allowed for more user friendly and objective determination of blue staining of wood.     

基于机器视觉的木材特征提取与树种识别研究综述

我国是木材及木制品加工大国,近年来家具、装修等市场需求的快速增长推动了木材加工行业的发展。由不同树种制作而成的木材材料性质与价值大相径庭,因此准确识别木材树种具有重要意义。相较于传统人工识别,基于机器视觉的木材树种识别大幅度提高了准确率。文中通过分析近5年来木材识别领域的相关文献,总结了木材特征提取的相关技术与树种识别的各种方法,提出要深度融合木材的多个特征并加强各种算法间的配合使用;此外,针对机器视觉在木材树种识别中的应用普遍停留在学术研究阶段的问题,提出木材树种识别应向装备数字化方向发展,以期提高木材树种识别的工作效率。     

基于空间灰度共生矩阵木材纹理分类识别的研究

以10种木材纹理样本为对象,研究了木材纹理参数体系的建立方法,并进行了分类识别的仿真实验。首先,针对木材纹理特点并结合类别可分性判据,构造了适于描述木材的空间灰度共生矩阵,并在此基础上提取了木材的11个纹理特征参数。其次,借助相关性分析对参数进行了特征选择,进而建立了能直接与人的感官对应的木材纹理参数体系。最后,利用 BP 神经网络分类器对木材样本进行了分类识别研究,识别率为87.50%,验证了参数体系的有效性,表明用本文提出的纹理参数体系对木材进行分类识别是可行的。     

基于模糊聚类分析的木材缺陷CT图像分割

为了提高木材的利用率,在木材加工之前对木材缺陷CT图像进行分割,将节子和空洞等缺陷分割出来,通过观察缺陷的位置便于工人师傅下锯。利用计算机断层扫描（CT）技术获取木材缺陷图像,将数字图像处理技术与模糊聚类算法相结合,在标准的模糊C均值算法的基础上改进,采用半模糊聚类的分析方法对木材缺陷图像进行分割检测。实验结果表明：基于半模糊聚类的图像检测方法在木材图像检测上取得了较好的效果,缺陷边缘处很平滑,细节保留完整,更多的保留了边缘上的信息。从而证明了半模糊聚类分析法在木材缺陷CT图像处理方面具有可行性。     

计算机视觉技术在木材工业科研与生产中的应用

本文讨论了计算机视沉技术在木材工业中的应用，介绍了计算机视觉的研究内容及系统的组成，分析了计算机视觉在木材科学，表面粗糙度，制浆，造纸，人造板和制材等加工研究中的应用方法和研究成果，并预测了计算机视觉技术在木材工业科研与生产中应用的发展趋势。     

THE DETECTION OF THE BOUNDARY OF IMAGE OF WOODANATOMICAL STRUCTURE MOLECULAR

INTRODUCTIONWiththedevelopmentofcomputerandseniorthehnology,imagcprocessingtechnol-ogr-hasmadeagreetprogrssandbeenap-pliedtomedicalscience.mechanicalflawde-tection,industrialcontrol,geologicalprosPeCt-ing.archaeology,astronomy'chemisty.'Phys-icsctc.Eventhoughithasjustbeenappliedinwoodscicnceforashorttime'imopprocess-ingtechnologyshowabroadprosPeCts.Thesegmentationofimagepsdthecollcc-tionofimageboundaryisoncofthemostclas-sictasksforstUdyinimageproc6ksing,imagcanal}'sisandcomputcr\,ision.…