彩色树木图像分割算法的研究

树木图像分割是将树木与其周围景物分离的技术,是虚拟现实和计算机仿真等学科在林业应用的核心技术,也是机器视觉领域的重要研究方向,拓宽了计算机技术在林业中的应用。本项研究基于树木图像形状复杂的特点,设计并实现了一种结合C-V模型水平集及形态学处理的彩色树木图像分割算法。运用改进的最小化能量函数作为水平集的演化曲线,可以更加自然地改变曲线拓扑结构,对含有分裂、合并、形成尖角等复杂形状的目标对象分割更为有效。如果再结合形态学后处理算法,将初次分割图像中非目标区的细密纹理和噪声剔除,可以快速准确地得到全局最优的图像分割效果。同时进行了与基于梯度变换的改进分水岭树木图像分割和基于灰度-梯度最大熵的树木图像分割算法的对比试验,试验表明,结合C-V模型水平集和形态学算法对树木图像分割效果更为有效。     

岩石骨料图像阈值分割算法的比较研究

通过对"基于灰度直方图"和"基于梯度直方图"两类典型的阈值分割算法进行比较和研究,得出背景一致的岩石骨料图像适合于采用最优阈值算法与最大类间方差法进行分割的结论.     

随机森林算法在树木年轮图像分割中的应用

年轮图像早晚材的准确分割是树木年轮计数和间距测量的前提条件。为解决年轮本身生长的复杂性、采伐过程中的锯痕干扰、早晚材图像灰度差别较小等因素造成的分割难题,提出了一种基于随机森林(random forest,RF)算法的分类模型,可实现年轮图像的准确分割。首先,通过变换图像的颜色域空间,提取出样本图像在RGB、HSV和L*a*b*模型下的9个颜色分量,基于灰度共生矩阵提取样本图像的对比度、相关性、能量和熵的均值与标准差共8个纹理特征。然后,根据早晚材颜色与纹理特征的差异,基于随机森林算法构建像素分类器,实现年轮图像的早晚材的初步分割。为了提高分割图像的质量和准确度,对分割后的图像使用形态学方法消除孤立和黏连噪声,以得到最终分割图像。最后,将该方法与K-均值聚类(K-means)算法和支持向量机(support vector machine,SVM)算法进行对比。结果表明:所采用基于RF算法的分类模型分割年轮晚材的正确识别率为95%左右,错误识别率在6%左右,图像分割效果明显优于其他两种算法。     

基于影像分割的树木特征点提取方法研究

树木处于复杂的自然环境中,加之其本身的不规则性,使得影响树木影像检测和识别质量的参数难以确定.采用一种基于集群聚类的方法对树木影像进行影像分割,在聚类中心的定义方式上不是简单地以各类的灰度重心作为聚类中心,而是采用了一种最大—最小距离法进行聚类中心的动态选择.在聚类过程中除了合并过程还加入了类别分裂处理,对每一次迭代过程中标准差最大的类别分裂成新类,并将新类中的像元重新加入到距离判别过程中,成功地将树木从背景影像中分离出来.在此基础上选择合适的特征提取算法,分别对原始影像和分割结果进行特征点的提取,对提取结果进行比较,得到了更好的特征点提取结果,为后续的树木影像匹配等研究工作提供可靠的数据基元.     

基于灰度-梯度共生矩阵的木材表面缺陷分割方法

根据木材表面缺陷图像的特点，提出了基于灰度-梯度共生矩阵模型和最大熵原理的木材缺陷图像自动阈值化技术。并且利用形态学运算对分割后的二值图像进行后期处理。经实验验证，该方法提取的木材表面缺陷图像效果良好：     

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。     

一种对年轮图像双边滤波增强的树龄测量方法

树木圆盘年轮图像分析是一种具有较强实用价值的树龄测量方法,但树木横截面上的色斑、锯痕、木材组织中的粗大管孔等都会导致年轮图像发生灰度变化,降低树龄检测精度。为此,提出了一种新的树木年轮图像增强的树龄测量方法:首先采用双边滤波对树木年轮图像进行图像增强,在保留年轮边缘信息的同时抑制锯痕、色斑等导致的灰度变化;然后采用改进的Canny算法对年轮图像进行边缘检测,为了克服传统Canny算子对噪声敏感的缺点,在求取年轮图像的梯度时,计算水平、垂直、45°、135°等4个方向的梯度分量;最后根据多数投票原则,统计年轮图像中的边缘数量,实现树龄测量。实验结果表明,提出的方法能够有效抑制色斑、锯痕、粗大管孔等因素的干扰,得到的年轮边缘图像光滑、清晰,统计得到的树龄与真实情况一致。     

木材缺陷的阈值分割算法研究

阈值分割算法包括迭代阈值分割、最大方差阈值分割、最大熵阈值分割等,使用3种阈值分割算法进行木材缺陷图像分割,多次实验证明,最大方差阈值分割算法的分割效果最好.在此基础上,对最大方差阈值分割算法进行增强,调整灰度级,增大目标和背景区域的对比度.实验表明,该方法可以明显改善最大方差阈值分割的分割效果.     

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。     

林木幼苗根系CT序列图像分割

图像分割技术一直都是图像处理中的难题,原位根系CT图像的分割结果影响后续的三维重建工作,选取合适的分割算法十分关键.通过对根系CT图像分割算法以及根系CT图像特点的的研究,选择阈值分割、区域生长和FCM聚类的方法对序列图像进行分割,并将区域生长方法进行优化,减少分割时计算的步骤,同时改进f cm聚类方法,将空间信息融入到FCM目标函数中.结果表明,阈值法仅对序列初始的简单图像处理效果理想,改进的区域生长法对分割目标连续的图像分割效果好,分割速度达到0.6s.而改进的FCM虽然需要花费23 s的时间,但对不连续的分割目标分割效果明显.三种方法均体现出分割的准确度,后两者能有效提升分割的效率.适当选取以上三种分割方法,即可快速准确的完成林木幼苗CT序列图像的分割.     

自然背景下基于反射模型的树叶彩色图像分割

为实现固碳释氧测量中叶片图像的高精度分割,提出一种基于反射模型的树叶彩色图像分割算法.首先,在RGB颜色空间中,针对光照对于叶片颜色不一致的影响,采用改进的白平衡方法进行滤波;其次,针对RGB颜色空间的非均匀性、色域窄、亮度分量混合的问题,将其变换到Lab颜色空间,去除亮度分量,消除光照对于叶片分割的影响;然后,依据Lab颜色空间的均匀性,定义颜色特征的欧氏距离为聚类准则;最后采用最小分类器进行聚类分割.实验结果的对比分析表明该方法是有效的.     

基于遗传算法的强化木地板表面缺陷的图像分割

强化木地板表面质量的图像检测技术在我国尚属空白.本文将遗传算法应用于强化木地板表面缺陷的图像分割,利用最大熵准则作为算法的适应度函数.实验表明,该算法可较准确地分割出强化木地板的表面缺陷,是一种有效的图像分割方法.     

改进的区域生长算法在彩色年轮图像分割中的应用

提出了一种基于分水岭算法和区域生长算法相结合的彩色年轮图像分割算法,首先采用分水岭算法检测边缘,得到彩色年轮图像的大致区域分布,然后结合区域颜色和空间信息自动获得种子点,实现区域生长。分割结果表明,该方法能够更加快速地获得清晰的年轮边缘。     

基于线性谱聚类的林地图像中枯死树监测

【目的】将基于线性谱聚类超像素的方法应用在森林病虫害防治领域,可智能监测无人机森林虫害图像中的枯死树,为森林有害生物的监测工作提供技术支撑。【方法】分别以湖北省受松材线虫与辽宁省受红脂大小蠹侵害的松林无人机图像为试验数据,首先使用线性谱聚类超像素分割算法将图像划分为多个超像素;然后基于枯死树木的颜色特征,初步提取可能为枯死树的超像素区域;最后基于枯死树木与其他干扰地物具有不同的纹理特征,计算超像素的区域密度和缝隙量,利用支持向量机对初步提取的超像素进行分类,从而检测出图像中的枯死树。【结果】基于线性谱聚类超像素和支持向量机的枯死树监测方法可有效排除与枯死树木颜色相近的其他干扰地物,较准确地提取出枯死树木。使用该方法与基于植被颜色指数的阈值分割方法、基于简单线性迭代聚类超像素和随机森林的方法,对35幅受灾松林无人机图像进行试验,并选用交并比、虚警率和漏检率3个评价指标对3种方法进行定量对比分析。结果表明,基于线性谱聚类超像素的方法监测出的枯死树区域最精确,其监测结果与人工检测结果的交并比均值大于58%,且虚警率和漏检率均优于另外2种方法。【结论】基于线性谱聚类超像素的枯死树监测方法能实现松林中枯死树的快速、准确检测及定位。     

基于FCM和分水岭算法的无人机影像中林分因子提取

【目的】研究高精度小型无人机获取林分调查因子方法,将林分调查因子在低空无人机影像上识别并提取出来,获取树高、冠径等测树因子,建立林分因子测量方法,实现经济、高效、快捷、精准的森林资源调查和监测,及时掌握森林资源及相关林分因子的时空变化特征。【方法】以东北林业大学城市林业示范基地樟子松人工林为研究对象,以多旋翼无人机影像为数据源,基于FCM聚类算法和分水岭分割算法以及形态学运算、阈值分割、图像平滑、灰度化、二值化等一系列数字图像处理技术,提取樟子松人工林林分因子。FCM聚类算法和阈值分割法用于提取树梢标记图像,分水岭分割算法对树梢标记图像进行迭代处理从而获得单木树冠分割图像,根据单木树冠分割结果提取单木特征进而计算各林分因子值。【结果】在林地提取中,根据影像的颜色特征绿度分割成功地将林地部分与非林地部分分离开来,确定单木树冠分割范围。在单木树冠分割中,阈值分割法和FCM聚类算法均可有效将树梢标记从林地图像中提取出来;将基于标记的分水岭分割算法用于单木树冠分割取得较好效果,大多数单木树冠被单独分割出来,但某些区域仍然存在一定的欠分割或过分割问题。在林分因子提取中,提取的林分因子包括林分郁闭度、林地面积、立木株数和平均冠幅,其中林分郁闭度的测量精度为96.67%,林地面积的测量精度为81.23%,立木株数和平均冠幅的测量精度与单木树冠分割中的树梢提取方法(阈值分割法和FCM聚类算法)及分水岭分割中的2个参数(形态学腐蚀的结构元素大小和中值滤波的窗口大小)有关。针对2种树梢提取方法,分别进行参数组合试验,结果显示2种树梢提取方法使用适当参数组合所得各林分因子测量精度均在80%以上,平均测量精度均在90%以上,其中阈值分割法的最高平均测量精度为94.49%,FCM聚类算法的最高平均测量精度为93.17%。【结论】利用无人机拍摄的人工林影像进行森林资源调查,将先进的计算机科学技术和无人机技术应用到林业领域中,可有效提高森林资源调查的效率和精度。本研究提出的林分因子提取方法适用于高郁闭度林分,测量精度满足实际需求。     

基于图像处理的木粉目数检测与分析

为了解决生产中木粉目数传统检测方法存在的问题,结合先进的数字图像处理技术,在分析木粉颗粒形态特征的基础上,提出了一种基于形态学边缘检测和最大Feret直径的目数检测方法。该方法首先进行图像HIS颜色空间转换,基于S分量进行目标提取,应用多尺度形态学边缘检测算子提取边缘,然后根据颗粒形态特征只保留Feret最大方向上的直径,最后通过单位换算实现目数检测。实验结果表明,该方法具有较高的检测精度,可在生产中推广应用。     

基于HSI空间的形态学单板缺陷检测

单板材料在发展中国家的应用日趋广泛,优质的单板可用于模板,胶合板,贴面板等人造版的面板.为了检测并提取单板图像中的缺陷,提高单板质量,基于数学形态学,本文提出一种复合型的彩色图像边缘检测方法.在传统形态学算法的基础上,一是利用开闭运算的迭代提高了抗噪能力;二是利用双结构元分别对H、S、I三个分量进行形态学处理而后融合.与传统算法Canny和Sobel进行比较,结果表明该算法增强了图像分割的精确性和完整性,能够有效提高单板等级.