基于改进区域生长的木材导管形态特征提取方法

基于图像的智能木材识别方法是通过自动提取木材的识别特征来识别木材,对木材科学和产业具有十分重要的意义。提出了一种基于改进区域生长的木材导管形态特征提取方法:采用分治策略改进区域生长法实现木材横切面显微图像中导管细胞的快速分割,用链码跟踪技术提取了10个导管细胞的形态特征;选取了6种阔叶材树种的横切面显微图像进行仿真实验。实验结果显示:本文方法能提高导管细胞的分割速度;所提取的10个形态特征在给定的树种显微图像上具有较高的区分度,说明将本文方法用于阔叶材树种智能识别具有较强的可行性。      

一种基于形态学的木材导管图像分割方法

木材识别对木材科学和产业具有重要的意义,微观识别方法准确性高但过程繁琐,只有木材专家才能掌握。基于图像的智能木材识别方法是通过自动提取木材的识别特征来识别木材。该文提出了一种基于显微结构图像的木材导管自动提取方法,运用数学形态学的腐蚀、膨胀及开、闭运算进行去噪处理和边缘增强,将导管形态从阔叶材横切面显微图像中成功地提取出来。该方法为定量分析和提取阔叶材管孔式特征奠定了基础,是对基于图像的智能木材识别技术的有益探索。大量的试验表明,该方法是有效的。      

基于机器视觉的田间水稻苗列识别算法的研究

利用YUV色彩空间模型,以完全查表法对水稻秧苗列图像进行灰度化,通过基于傅里叶变换指导生成图像形态学运算的结构元素,提出一种结合傅里叶变换进行膨胀和腐蚀的方法,提取秧苗列轮廓,采用改良的逆投影变换对苗列图像进行垂直俯视投影,得到实际田间苗列位置,进而利用苗列实际走向信息,实现机器视觉导航系统跟踪苗列行进。对摄像机不同角度获取的苗列图像的处理结果表明,在容许识别定位误差小于50像素点、角度偏差小于6°的前提下,对苗列中心线识别与提取导航基准线的准确率为95.2%,可较好地实现田间自然环境下秧苗图像背景分割和苗列中心线提取。     

傅立叶变换图像处理方法在木材解剖特征研究上的应用

快速傅立叶变换（ＦＦＴ）图像处理方法是近几年来应用于木材解剖特征研究上的一种先进技术。木材横切面细胞排列具有显著的规律性和周期性,用ＦＦＴ方法得到的ＦＦＴ图谱可以将这些周期性的特征量化提取出来,以便于定量地比较、识别和分类等。因此,木材解剖特征ＦＦＴ图谱的研究对于木材的鉴别、分类及演化规律的研究都具有十分重要的意义。本文总结了ＦＦＴ方法在木材科学领域中的应用,并简要介绍了ＦＦＴ用于木材解剖研究的一般方法。     

木材横切面显微图像特征参数的主成分分析

提取了230种木材横切面的21项显微构造特征参数及11项图像纹理特征参数，采用SPSS软件对这32项特征参数进行主成分分析，得出前7个主成分集中了32个变量的80％以上的信息；在相关分析的基础上，筛选出能基本表达木材横切面显微图像主要特征，且相对独立的13项，表征了横切面上主要细胞的形态特征与尺寸大小、主要组分的含量及横切面显微图像主要纹理特征（对比度、周期大小与复杂度等）。     

基于KL变换的汽车车型的识别方法

提出了一种基于KL变换的汽车车型的识别方法．首先对车辆图像进行预处理，然后通过KL变换构造特征车，将样本投影到特征车子空间，得到的投影系数即为待识别车型的代数特征．最后利用K近邻法进行车型识别．实验结果表明了中提出的车辆识别方法是简便、快捷、有效的。     

基于分块LBP的树种识别研究

本文基于获取便捷的木材体视图进行木材树种自动识别研究。首先对木材图像进行标准化预处理,然后采用分块LBP提取特征,分别使用欧式、卡方、衰减3种不同的距离进行分类,最后采用最近邻进行识别。讨论了木材图像特征分块方式对识别结果的影响,并比较了在不同距离下的识别效果。结果表明：采取不同的分块方式对最终的分类影响较大,其中沿着...     

基于空频变换的木材缺陷图像分割

针对木材缺陷这一自然纹理型事物,为了提取出其缺陷目标部分,进行下一步的分析和识别,采用一种空频变换方法对缺陷图像进行分割。选取虫眼、死节、活节3类木材缺陷图像样本各50个,构造一组多通道的Gabor滤波器对缺陷图像进行滤波,并提取出图像的多方向Gabor能量特征。最后结合模糊聚类算法和数学形态学后处理操作对缺陷图像进行了成功的分割。实验结果表明,此方法对3种木材缺陷图像的平均分割正确率分别达到了95.81%、94.58%、96.52%,证明了该方法的有效性。     

基于连续投影算法-遗传算法-BP神经网络的可见/近红外光谱木材识别

  目的  基于可见/近红外光谱技术,以10种木材为研究对象,探索不同预处理和特征提取方法下BP神经网络识别木材的效果。  方法  利用美国ASD公司生产的LabSpec 5000光谱仪采集10种木材的光谱图,分别进行移动平均法处理、移动平均法+多元散射校正(MSC)、移动平均法＋标准正态变量变换(SNV)、Savitzky-Golay卷积平滑算法(S-G滤波器)、S-G滤波器+MSC和S-G滤波器+SNV的预处理,运用主成分分析法(PCA)、连续投影算法(SPA)、SPA和遗传算法(GA)联合分别进行特征提取,将提取的特征结合BP神经网络进行木材识别试验。  结果  以SPA和GA联合提取光谱特征时,移动平均法+SNV的预处理效果最佳,以吸收峰为起始波段(W_initial=1 445 nm)、吸收峰个数为特征个数(N_tot=9)时,识别率较高,特征个数大部分减少为SPA提取特征值个数的一半左右。BP神经网络的平均识别速度提升明显。10种木材的平均识别率为98.0%,其中7种木材的识别率达到了100.0%。  结论  在移动平均法+SNV的预处理下,SPA和GA联合提取光谱图的特征,既可提高BP神经网络识别木材的正确率,又可提升识别速度。图3表6参23     

基于权重系数的木材图像增强及识别

为了进一步提高机器识别木材的准确性,提出基于权重系数的木材图像增强方法。将采集的图像利用离散小波变换分为4个不同的子带,对LL子带采用权重系数检测相似的像素点,对LH、HL和HH子带利用局部方差法进行定向筛选,对上述子带均采用傅里叶系数作差法,同时结合阈值进行混淆判断;对LL子带采用方向自适应滤波消除混淆,对LH、HL和HH子带采用自适应小波收缩消除混淆,最后经过小波逆变换得到增强后的重建图像。选取榆木木片和树皮为识别对象,对其图像进行增强处理,然后利用BP神经网络进行识别。结果表明,本研究方法较传统的图像增强方法提高了榆木木片和树皮的识别率。     

计算机断层扫描技术（CT）在木材无损检测中的应用与发展

 介绍了计算机断层扫描技术（CT）技术在木材无损检测领域中的发展情况和独特优势,从方法应用、结果判定、测试范围等方面详细阐述了国内外木材计算机层析成像检测的研究现状,着重指出它在木材宏观构造识别、早晚材密度判定、木材内部缺陷预测、裂纹扩展过程的超高速扫描以及微观构造分辨等方面取得的技术成果。最后强调结合木竹材材性特征开发相应的CT无损检测技术,为木竹基础科学研究以及高效利用提供技术支持。参37     

基于加速鲁棒特征的木材显微图像自动配准方法

针对显微镜观测视野狭小而难以采集到全局图像的问题,提出了一种基于加速鲁棒特征(SURF)的木材显微图像自动配准方法.首先使用SURF检测并描述兴趣点,通过最近邻匹配得到匹配点对后,用双向匹配和RANSAC算法剔除错误匹配.然后利用最小二乘法和匹配结果进行模型参数估计,最后通过插值获得配准图像.对阔叶材显微图像配准实验结果表明,该方法具有较好的鲁棒性,无论图像是否有旋转,都可以实现自动的配准.比起尺度不变特征转换(SWT),由于用SURF得到的兴趣点数量更少,运算速度更快,总的匹配速度提升了5倍左右,缩短了整个配准过程的时间,算法更具有实时性.     

木材识别方法研究综述

介绍了人工知识、对分检索和穿孔卡片检索等3种传统木材识别方法和数据库检索识别方法。指出基于计算机视觉的木材识别方法的优点,它将成为木材识别的一种趋势。根据识别过程将该方法按照给定木材的类型、识别的特征和分类器等3种方式进行分类．并给出了每种类型详细的分类和当前研究的进展。最后,对今后木材识别研究在语义特征提取、语义特征与纹理特征的结合、树种指纹挖掘、无切片识别和设备研制等5个方面提出了自己的看法。     

基于Gabor滤波与Tamura纹理特征的板材分类研究

板材表面的纹理特征是木质板材表面最为直观的特性,同时也是建筑装潢质量和木制品品质的重要评价指标。以中国东北部常见的红松、落叶松、白桦、水曲柳和柞木等5种树种的弦切、径切图像作为研究对象,提出一种基于多通道Gabor滤波和Tamura纹理特征的板材纹理特征提取方法,克服了传统方法在提取样本图像的全局特征时对局部纹理特征不敏感的问题。具体是将基于视觉心理学的Tamura纹理特征与Gabor滤波器进行结合,在不同频率、不同方向上共24组滤波器的虚部卷积图像上进行纹理特征参数提取,结合上述的纹理特征参数在BP神经网络、KNN和支持向量机分类器上进行分类试验,最佳特征参数体系的识别率达97.8%。     

长白山林区中国林蛙体内寄生虫感染情况调查

通过解剖镜检分析了长白山地区中国林蛙寄生虫的感染情况.结果表明：长白山林区中国林蛙寄生虫为线虫3种（Rhabdia bufonis、Cosmocercella sp、Oswaldocru sp）、吸虫3种（Rowsbiella tineri、Pelystoma integerimrn、Pelystoma ocellatrm）,分别隶属5科5属;其主要感染肺线虫Rhabdia bufonis和肠道寄生虫Oswaldocru sp,感染率和感染强度分别为56.66%、4.87和67.33%、9.25;不同种类寄生虫在长白山林区林蛙体内分布有一定规律,不同种类寄生在适宜自身的生态环境中,表现出寄生部位及感染寄生虫的专一性;长白山林区林蛙寄生虫的感染率和强度随年龄增加而增大,不同地点中国林蛙的寄生虫感染率及感染强度普遍较高,不同地点不同种类寄生虫的感染率及强度存在差异;雌、雄林蛙体内寄生虫感染情况差异不显著（P〉0.05）.     

人工林红松幼龄材与成熟材力学性质的差异

采用最优分割法划分出人工林红松幼龄材与成熟材的界限,分析了人工林红松幼龄材与成熟材力学性质差异的表现。结果表明：所有力学性质反映的基本趋势是成熟材性质高于幼龄材,其中,人工林红松木材抗弯弹性模量幼龄材与成熟材的差异达0．01水平显著,抗弯强度和弦向横纹抗压强度差异这0、05水平显著。     

基于计算机视觉的实木表面智能化分选系统设计

设计一种集实木传送、图像定位与采集、实木板材表面识别与分选的智能系统,系统通过传送带运送实木板材,CCD摄像头获取板材图像,在触摸屏工控机TPC700-9190T上应用MFC与OpenCV编写分选程序对板材图像进行分析,识别结果通过STM32单片机控制电磁阀完成实木板材的分类。在图像定位与识别算法中,采用积分投影算法确定板材边界,动态采集板材表面图像;在颜色分类方面,利用L*a*b*空间颜色分量的均值、方差和斜度3个低阶矩表达颜色;在缺陷检测方面,提出了基于纹理填充的缺陷分割方法,通过获取纹理掩膜图像,然后利用板材背景颜色淡化纹理,最后应用加权阈值法完成缺陷分割,分割后计算缺陷面积、边缘灰度均值、内部灰度均值和长宽比等特征表达缺陷信息;在纹理识别方面,提出了基于Contourlet变换的纹理特征提取方法,通过对纹理图像进行Contourlet变换3层分解,得到1个低频子带、6个中频子带和8个高频子带,分别计算低频和中频系数矩阵的均值和方差,并与高频系数矩阵的能量组成22个特征表达纹理信息;最后设计SVM分类器,分别对颜色、缺陷和纹理进行识别。采用300个柞木样本进行实验,板材传送速度在小于1.5 m/s范围内,颜色识别准确率为100%;活节、死结和裂纹识别准确率分别为92.2%、95.6%和93.3%;直纹、弯纹识别准确率分别为93.9%、92.8%。实验结果表明,分选系统具有实时、高效、准确的特点。      

松材线虫病病死木木材物理力学性质测定

对当年、前1年受松材线虫病Bursaphelenchus xylophilus危害的病死马尾松Pinus massoniana及健康马尾松木材的物理力学性质进行了测定。结果表明,松材线虫病病死木木材的静曲强度、弹性模量、抗拉强度、抗压强度、冲击韧性和握钉力与健康材差异显著,密度与健康材差异不显著。健康木材的静曲强度比松材线虫病木材高30％;弹性模量比病材高20％;病木的抗拉强度只有健康材的54．1％～76．9％;健康材抗压强度比病材高出26．8％;健康材冲击韧性比病材高21．0％～32．5％;病木的弦向握钉力是健康材的77．3％～91．7％;径向握钉力是健康材的65．9％～70．1％;健康材密度较病材高出15．0％。表3参11     

马尾松木材性状幼成过渡年龄及幼成相关

木材密度和管胞长度的幼成过渡年龄存在较大的种源差异，且相互独立。相关分析结果表明：木材密度和管胞长度的幼成相关显著，木材性状的早期选择是可行和有效的。