数学形态学与Canny算子在木材腐朽图像特征提取中的应用

根据数学形态学和边缘检测算子以及木材腐朽图像的特征,选择多尺度多结构的形态学算法,首先对图像进行交替顺序多尺度结构元素的膨胀、腐蚀滤波;再用多结构元素对图像进行开闭运算达到去除噪声,保留图像细节的目的;最后利用Canny算子提取图像的边缘特征。实验结果表明该方法抗噪能力强,能有效提取图像的边缘特征。     

多尺度数学形态学在木材图像边缘检测中的应用

提出一种基于多尺度结构元的数学形态学图像边缘检测算法.针对图像中噪声和边缘形态不同,定义了多尺度的形态学结构元素,并通过形态学运算的加权组合,构造了多尺度的边缘检测算法.在针对木材缺陷图像的仿真试验中,该方法与经典的边缘检测算子相比不仅具有很好的边缘提取能力,而且还有很强的抗噪性.     

基于全方位和多尺度结构元数学形态学的木材缺陷图像边缘检测

提出一种基于全方位、多尺度结构元的数学形态学图像边缘检测算法。针对图像中噪声和边缘形态不同，定义了全方位、多尺度的形态学结构元素，并通过形态学运算的加权组合，构造了全方位、多尺度的边缘检测算法。在针对木材缺陷图像的仿真实验中，该方法与经典的边缘检测算子相比不仅具有很好的边缘提取能力，而且有很强的抗噪性。     

基于多尺度柔性形态学的医学超声图像增强

本文提出了一种基于多尺度柔性形态学医学超声图像增强方法。在研究中使用柔性形态学的tophat变换,从递归开运算后图像中提取亮特征;然后对多个特征层采用加法运算进行对比度拉伸。用本算法对医学超声图像进行了测试,并与已有的传统基于多尺度形态学方法进行比较。与普通形态学方法相比,本文方法的结构元素更灵活,可以更灵活的实现局部对比度增强。     

基于形态学梯度算法的木材缺陷图像边缘检测

根据形态学梯度算法的思想,选取平坦的菱形为结构元素,通过腐蚀、膨胀、开与闭运算的加权组合,构造出一种形态学优化算法,并将它应用于木材缺陷图像的边缘检测中,使提取的图像边缘更加准确、完整和连续.通过与经典边缘检测算法对比,该方法有更好的抗噪能力和边缘检测能力,实验结果也验证了该方法的可行性与有效性.     

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.     

基于林内图像的单位面积碳储量估计方法

【目的】针对森林碳储量估算工作量大、成本高等问题,提出一种基于林内图像简洁高效且满足精度要求的单位面积森林碳储量估计方法。【方法】林分纵断面图像隐式包含林分密度和高度2类复合信息,与林地上对应的林木碳储量直接相关。以此为突破口,首先,分析林木图像分类算法,提出在全局阈值基础上结合邻域像素属性来决定焦点像素归属,以消弱因林内光线不均对图像灰度造成的影响;然后,提出一个与林木碳储量关系紧密的参数并给出其图像计算方法;最后,以该参数为自变量,建立预估模型,实现对碳储量的估计。【结果】在以焦点像素为中心的3×3的邻域内,如果有大于6个相似像素出现,则将焦点像素归为该类,这种利用与邻域像素关系以决定当前像素归属的方法具有膨胀和腐蚀双重特性,即当焦点像素处于树体内部时容易将该点归为树体,当焦点像素处于树体外部时容易将该点归为背景,相比单纯全局阈值方法更能提高林分图像分类的准确性。碳储量预估模型方面,2参数的直线方程估计精度与3参数的逻辑斯蒂模型接近;如果在普通模型基础上增加代表海拔的虚拟变量,则能使碳储量估计精度得到较大程度提高。以兴安落叶松为例,验证基于林内纵断面图像能够实现对单位面积碳储量的较高精度估计这一假设。【结论】在林木图像提取过程中,继承对称交叉熵法泛用性强、效率高的优点,同时针对该算法容易将树体内部部分像素分割成背景、树体外部部分像素归并于树体内部的缺点,采用兼顾像素邻近关系的方法对其进行改进,取得良好结果,且该算法对林内光线不均表现出迟钝特性。在基于林内图像的碳储量预估模型方面,逻辑斯蒂模型表现出良好适应性,由于考虑海拔因素能降低估计误差,因此在实际应用中有必要分海拔段进行预估。     

无人机影像树冠信息提取研究

【目的】树冠是林木长势监测、树种识别、蓄积量估测等森林调查中的重要森林参数,对森林资源调查和生态研究等具有重要意义,相比于传统的人工实地调查的方法,通过无人机影像提取树冠信息,具有高效、准确和低成本等优势。【方法】以湖南衡山森林生态系统定位观测研究站实验样地为研究对象,以无人机影像为数据源,采用阈值法和K邻近法,分别对正射影像和冠层高度模型进行图像二值化,取其交集得到树冠区域图;利用数学形态学开闭重建滤波对树冠区域图进行去噪处理,有效平滑影像,避免影像对象边缘轮廓偏移;采用局部最大值法和最大类间方差法进行前景背景标记,根据影像标记修正梯度图像;利用分水岭分割算法提取树冠信息。【结果】在树冠区域提取中,基于阈值法和K邻近算法成功分割出树冠区域与背景区域,确定树冠分割范围。通过数学形态学滤波,有效地去除了由噪声及树冠内部的纹理信息所造成的伪局部极值,减少了分水岭分割算法的过分割现象,同时保护了树冠边缘轮廓及其位置信息。【结论】单木尺度上,树冠信息提取的F测度为75.98%;样地尺度上,提取的树冠面积相对误差为13.3%。基于无人机影像提取树冠信息的方法是可行的,能够快速准确地提取较高郁闭度林分的树冠信息。     

形态学双梯度算子在木材腐朽图像边缘检测中的应用

根据数学形态学的思想和木材图像的特性,选取适当的结构元素,通过腐蚀、膨胀、开与闭运算的加权组合,构造出形态学双梯度算法,并将它应用于木材腐朽图像的边缘检测。通过与经典边缘检测算法对比,该方法提取的图像边缘更加的准确、完整和连续;显现出更好的抗噪声能力和边缘检测能力,实验结果验证了该方法的可行性与有效性。     

基于TWSVM和模糊的木质采暖地板蓄热温度预测模型

【目的】围绕木质地板蓄热特性,针对木质地板蓄热后生成的温度场分布建立基于孪生支持向量机(TWSVM)和模糊算法的温度组合预测模型,为后续研究木质地板的蓄热规律提供有效分析手段。【方法】首先,将加热到设定温度的木质地板样本推送至地采暖地板蓄热性能检测仪器的检测腔内自由放热,利用仪器内呈多层环状分布的温度传感器阵列在时间和空间维度上动态提取温度值,并进行滤波降噪和归一化处理。其次,针对建模数据过多导致的TWSVM计算复杂度迅速膨胀问题,将试验数据均匀分块,每个分块数据中的验证集样本随机提取,剩余为训练集样本,采用TWSVM分别训练每个训练集样本,并用对应样本中的验证集进行泛化性验证,运用网格搜索法对TWSVM模型的核函数参数σ、惩罚参数γ和松弛因子ξ进行寻优。最后,基于模糊原理,对验证样本的输入空间构建高斯隶属度函数,并应用隶属度函数将模型预测结果进行模糊叠加,叠加后的输出作为模型最终训练结果。【结果】基于模糊的TWSVM方法预测时间维度下不同样本温度值的最大拟合度为99.59%,最小为98.92%,最长建模时间为186.90 s,最短建模时间为64.39 s;预测空间维度下不同样本温度值的最大拟合度为99.23%,最小为98.96%,最长建模时间为274.37 s,最短建模时间为93.30 s。【结论】TWSVM在计算中涉及矩阵求逆问题,适合对维数较小的数据样本进行建模,由于本研究木质地板蓄热特性需要的温度数据量较大,因此采用TWSVM直接对该试验数据进行建模具有较大局限性;引入模糊方法后,先将温度数据分别在时间和空间维度上分割成多个小的训练样本,然后对每个训练样本分别采用TWSVM建模和训练,根据模糊规则,以每个温度点在模糊函数上的隶属度叠加值来确定最终预测结果,可提高TWSVM方法建模的适应范围,并充分发挥其快速性和泛化性优势。     

模糊综合评判在板材气味评价中的应用

【目的】室内空气质量对人体健康影响巨大,家具板材是否环保至关重要。【方法】通过对板材气味综合评价,指导消费者对家具板材进行科学选取。以三聚氰胺贴面刨花板与中纤板及其素板为研究对象,用微池萃取仪采集气体,通过GC-MC-O嗅闻气味化合物种类及强度并分析其浓度,将模糊综合评判法应用于以上板材的气味评价。【结果】三聚氰胺贴面刨花板的模糊综合指数为2.885 0,各等级下的隶属度分别为0.208 7、0.225 6、0.207 4、0.188 6、0.169 7。刨花板素板的模糊综合指数为3.058 0,各等级下的隶属度为0.162 0、0.210 5、0.226 1、0.210 3、0.191 1。三聚氰胺贴面刨花板与三聚氰胺贴面中纤板气味评价等级为二级,质量良好,刨花板素板与中纤板素板气味评价等级为三级,质量合格。【结论】两种素板的模糊综合指数均偏高,其中含有危害性物质的释放,对板材进行贴面处理能够降低板材的危害性。本实验选用的中纤板的模糊综合指数稍高于刨花板。模糊综合评判法用科学的定量手段刻画板材气味评价中定性问题,使定性与定量分析融合。模糊综合评判在板材气味评价中考虑了多个气味化合物对板材的综合影响和各种气味化合物的毒性,它引导人们从另一角度客观评价板材质量,是一种可借鉴的好方法。     

基于改进YOLOv5s的CNN-Swin Transformer森林野生动物图像目标检测算法

【目的】为提高野生动物在复杂森林环境中的检测精度,促进森林野生动物保护技术发展,提出一种基于YOLOv5s网络模型、针对陷阱相机所摄取森林野生动物图像的改进检测算法。【方法】以包含湖南壶瓶山国家级自然保护区几种典型森林野生动物在内的数据集为研究对象,首先,对真实标注框图像进行裁剪、归一化和缩放处理,随机将2～4张裁剪图像拼贴组成新的数据集元素,以丰富和增强数据集图像信息;其次,使用一种基于通道注意力思想的加权通道拼接方法,在通道拼接时引入权重改变通道数量,通过反向传播训练方法不断更新权重以增加重要特征信息的通道层数;接着,引入Swin Transformer模块与CNN网络相结合,为卷积神经网络特征提取加入自注意力机制,融合2种网络特征提取层的优势,提高特征提取的感受野;最后,选择更优的α-DIoU损失函数替代GIoU损失函数,针对边界框重叠面积和中心点距离造成的损失,引入新的几何因素惩罚项。【结果】在相同试验条件和数据集下,相比原YOLOv5s网络模型,改进算法极大提高检测的平均准确率和平均回归率,均值平均精度由74.1%提升至88.4%,获得14.3%的精度提升,同时也超过YOLO...     

基于深度学习的小目标受灾树木检测方法

【目的】针对无人机森林图像中树木尺度小、生长密集以及分布不规律等问题,提出一种基于深度学习的小目标受灾树木检测方法,以准确识别和定位高分辨率无人机森林图像中的小尺度受灾树木。【方法】以辽宁省凌源县受红脂大小蠹侵害的油松林无人机图像为数据源,利用Label Img开源软件标注拍摄高度为180～240 m的图像,构建无人机森林图像数据集。设计小目标受灾树木检测框架,该框架在轻量级目标检测框架(SSD)基础上,首先从conv3_3开始构建预测模块,并根据图像中目标树木的尺寸删减预测模块,同时优化特征图上默认框生成方式;然后,通过特征增强模块将基础特征图转化为增强特征图,生成基础和增强预测模块;最后,利用基于默认框的双层损失函数训练检测模型以促进特征学习。【结果】基于深度学习的小目标受灾树木检测方法可实现无人机森林虫害远程监测,较准确检测无人机图像中细小密集的受灾树木。采用5组不同结构的SITD模型以及SSD、FSSD和RFBNet目标检测框架对无人机森林图像数据集进行训练和测试,以平均查准率(AP)和Precision-Recall曲线作为评价指标,试验选出最优SITD模型在测试集上的AP为92.62%,相比原始SSD300框架提升69.71%,且优于其他3种目标检测框架。【结论】基于深度学习的小目标受灾树木检测方法可实现对森林中受灾树木的自动化检测,能够简化林业有害生物监测流程,提升对森林虫害的预警能力。     

CT扫描攀爬机器人模糊PID力控制算法

【目的】提出一种CT扫描攀爬机器人水平伸缩关节夹持力模糊PID控制算法,以实现其夹持力的精确控制,增强对古建筑立木柱的安全保护。【方法】首先,使用巴特沃斯二阶低通滤波器对压力传感器输出值进行滤波,减弱噪声等干扰信号对测量值的影响;然后,以力误差和力误差变化率为系统输入,选择三角函数为隶属度函数进行模糊化处理,根据PID整理规则分别建立PID参数的模糊推理规则,利用系数加权平均法对系统输出进行反模糊化处理;最后,对比分析模糊PID控制算法和耦合PD控制算法的力控制效果。【结果】接触过程中,压力传感器信号经滤波处理后,波动明显减小。夹紧过程中,相比耦合PD控制算法,模糊PID控制算法的夹持力控制精度最大可提高51.8%,相对关节力误差最高可提高99.8%,力调节时间也不同程度优化,且模糊PID控制算法还可消除夹持力调节过程中的超调现象。【结论】巴特沃斯二阶低通滤波可有效滤除压力传感器输出值中噪声等信号的干扰,提高接触检测的可靠性;相比耦合PD控制算法,模糊PID控制算法具有更好的夹持力控制效果,不仅可以提高CT扫描攀爬机器人工作的可靠性,而且能够进一步保证古建筑木立柱的安全。     

基于林分内部状态与邻域环境的油松林稳定性评价

【目的】构建林分内部状态与邻域环境相结合的林分稳定性综合评价方法,为林分经营和可持续管理提供理论依据。【方法】在北京、陕西、甘肃和山西等油松分布较广且具有代表性的区域设置油松林固定样地,使用全站仪对样地内胸高直径大于5 cm的林木进行每木定位,调查林分组成、结构、更新特征和相邻环境类型,采用单位圆法分析林分内部状态特征;基于林分空间结构分析"结构单元"原理,定义邻域环境指数(NEI)。将林分内部状态与邻域环境评价方法整合,提出林分稳定性综合评价方法,并应用该方法评价不同类型油松林的稳定性。【结果】林分内部状态单位圆分析结果表明,甘肃小陇山天然油松林内部状态最好,其次为山西运城中条山天然油松林、陕西铜川玉华宫天然油松林、山西太原东山人工油松林和北京九龙山人工油松林,林分内部状态值(FIS)分别为0.605、0.515、0.479、0.453和0.311;甘肃小陇山天然油松林NEI最高(0.75),其次为陕西铜川玉华宫天然油松林(0.40),山西运城中条山天然油松林和北京九龙山人工油松林NEI均为0.25,山西太原东山人工油松林为负效应(-0.25)。林分稳定性综合评价指数(FCS)天然林高于人工林,其中,甘肃小陇山天然油松林的稳定性最高(0.653),山西太原东山人工油松林的稳定性最差(0.235),其他林分类型的稳定性介于二者之间。【结论】基于林分内部状态与邻域环境的林分稳定性综合评价方法既可表达林分内部状态特征的差异,也可体现邻域环境对林分稳定性的影响,并能够明确反映出天然林林分稳定性高于人工林的一般规律,评价结果更加清晰、直观,为林分稳定性评价提供了一种新思路,对森林可持续经营具有一定指导意义。     

基于纹理特征的木材年轮图像检测方法研究

针对树木年轮人工检测效率低、劳动负担重的问题,提高木材年轮检测自动化程度显得尤为重要。通过钻孔获取木芯并用电荷耦合器件CCD采集云杉(Picea)年轮扫描图像,提出一种基于纹理特征的木材年轮图像检测算法。首先,将RGB彩色图像转换到HSV空间,利用V分量的梯度值生成结构张量,并构成图像的纹理特征集,并用全变差(Total Variation,TV)模型进行灰度图像去噪,用模糊区域竞争(Fuzzy Region Competition,FRC)模型进行图像分割。最后,对二值图像进行形态学滤波,并利用长宽比和面积特征识别出年轮线。试验结果表明,提出的算法去噪能力强,分割效果好,边界数正确率100%,能很好地提取云杉木材年轮边界。该方法有助于提高木材年轮的自动化检测水平,可拓展应用于其它树种,在林业科学研究和林木生长监测等方面有很好的应用前景。     

基于数学形态学的超声图像增强探析

由于医学成像本身固有的缺陷,会对医生分析和诊断病症造成不利影响．为了提高图像的可读性以及对人体的解剖结构和病变部位进行更有效的观察和诊断,对医学图像进行计算机处理是非常必要的。现有的超声图像增强主要集中在去噪和边缘检测方面。本文提出了一种基于数学形态学的超声图像增强的算法。我们首先对图像进行预处理．使用滤波方法对图像去噪;然后用边缘提取算子,对图像进行边缘检测;使用数学形态学方法对提取边缘进行增强．得到连续的增强后的边缘图像;最后根据得到的边缘图像进行增强。实验表明,本文提出的算法可以有效地增强超声图像,具有一定的实用价值。最后,本文对这项工作做了总结。对未来研究进行了展望。     

基于自学习特征的林业业务图像分类方法

【目的】现代电子和通讯设备的普遍使用,使得林业管理部门可以及时获取和累积大量林业业务图像。对林业业务图像进行自动分类,可使林业各个管理部门,包括林业执法机构和执法队伍能够全面配合、相互协调,增强决策支持和应急处理能力,从而实现有效的森林资源监管。【方法】提出一种基于自学习特征的林业业务图像自动分类方法,该方法采用3层结构来获取图像局部特征的全局语义,并对全局语义进行建模。首先,将图像分块,对图像块采用线性稀疏自动编码器进行自动学习,获取局部特征的权值矩阵;之后,利用权值矩阵对图像进行卷积,获取各种局部特征在图像中的映射,再进行池化与连接形成特征向量;最后,利用特征向量,采用softmax分类方法进行图像类别建模与识别。【结果】确立了林业业务图像的4个类别:动物死亡、森林火灾、采伐和森林病虫害。收集4类图像355幅,每类图像数目不等,并裁剪为统一大小,建立试验用林业业务图像数据集。利用留一法进行多次交叉试验,识别精度达到80%。线性稀疏自动编码器有效地提取出了图像块中的色彩特征、色彩变化特征及不同方向和不同位置的梯度特征等;利用自动学习到的局部权值矩阵卷积整个图像,在每幅特征图像中激活了原图的不同特征,且这些特征是零散的;当被识别图像与同类图像有相似或者局部相似的特征时,其会被正确识别,反映了基于自学习特征的林业业务图像分类方法能联合图像中的局部特征识别全局语义。【结论】林业业务图像分类属于图像场景分类问题,其同一类图像的类内相似性较弱,利用传统的"特征提取+分类建模"方法进行分类,其分类特征的选取难度较大。相较而言,基于自学习特征的林业业务图像分类方法的局部特征是从图像中自动学习得到的,方法泛化性强;而且该方法只有3层,没有全部层的反馈学习过程,比目前流行的基于深度卷积神经网络的图像分类方法效率高;当累积的样本图像增多、更加全面时,可以期望获得更高的识别精度。     

马尾松木材内部空洞的雷达检测与定量评估

【目的】研究快速有效的古建筑木柱内部空洞残损评测方法,科学确定木柱内部空洞的存在位置及大小。【方法】以古建筑木构件常用的马尾松木材为研究对象,采取人工模拟方法在木段端部制作不同大小、不同位置和不同形状的空洞残损,利用雷达无损检测技术探测空洞残损,通过分析木材内部残损在雷达检测方法下的表现形态,实现木材内部空洞的快速识别和表征。【结果】雷达无损检测技术可以对木材内部残损进行快速判别,雷达波在木材中探测到空洞时,其交界面会产生强烈反射,对应反射波形为谷-峰-谷,同时检测图像中出现黑-白-黑的特征形态;根据雷达检测图像可以对木材内部残损面积进行大致评估,但依据雷达检测结果生成的残损面积与实际残损面积存在一定偏差;雷达检测方法对木材内部残损形状的预估难度较大,若不经过其他处理难以准确识别三角形、四边形、圆形等各种形状的空洞残损;边缘位置空洞残损雷达检测图像与中心位置空洞残损雷达检测图像明显不同,中心位置空洞残损其交界面在雷达检测图像中波动较为平缓,边缘位置空洞残损其交界面在雷达检测图像中波动较大,利用雷达检测方法能正确区分边缘或中心空洞残损。【结论】雷达无损检测技术是一种基于雷达回波探测目标物的检测方法,该技术应用于木材内部残损评估,可以实现内部空洞残损的快速检出,并可预估残损的存在位置及大小。     

基于限幅模糊PID算法的蓄热性能检测仪密闭绝热双腔体温度控制研究

【目的】地采暖地板蓄热性能检测仪采用密闭绝热双腔体结构,对试件进行检测时要求上腔体在900 s内达到设定温度为T_0的初始检测条件,温度误差小于±0.25℃,均匀度小于±0.20℃。针对检测腔体对初始温度的特殊要求,提出一种限幅模糊PID算法,以实现对密闭绝热双腔体腔内温度的快速、精准控制。【方法】首先建立限幅带,设Δe0,且Δe∈N,当测量值与设定值的偏差ε≤|Δe|时,输出增量由PID算法给出;当εΔe或者ε-Δe时,输出增量由模糊推理给出控制输出量。算法中将温度实际值与设定值的误差以及误差变化率划分为若干个论域中的模糊值,并且建立相应的模糊规则,对于任意一个实时温度采样值,控制系统能够自动求出与目标值的偏差,通过模糊算法给出相应的输出量,从而达到上腔体温度快速调节的目的。【结果】1)限幅模糊PID算法在820 s时,上腔体温度达到稳定状态,与原设计相比提前350 s; 2)温度精度达到±0.15℃; 3)腔体内温度均匀度为±0.15℃。【结论】基于限幅模糊PID算法的地采暖地板蓄热性能检测密闭绝热双腔体温度控制系统,可实现通过调节下腔体温度达到对上腔体温度快速、准确调节的目的,为检测初始条件的设定提供可靠保障,提高了整个设备的可靠性,保证了检测结果的准确性。