基于k-mean聚类与灰度梯度最大熵的树木图像分割

提出一种基于k-mean聚类与灰度-梯度最大熵的树木图像分割算法,将要处理的树木彩色图像在RGB颜色空间下进行基k-mean聚类,通过选取合适的类参数实现初分割.由于灰度-梯度空间清晰地描绘图像中各个像素点的灰度、梯度的分布规律及图像目标与背景之间的边缘情况,采用灰度-梯度最大熵算法进行精分割,结合形态学后处理提取图像边缘最终将获得更理想的独立目标图像.与二维最大熵分割方法比较的实验结果表明,灰度-梯度最大熵算法提高了树木图像分割的准确度.     

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。     

林木害虫天牛的图像检索方法研究

天牛是林木的毁灭性害虫,制约着杨树、白桦和糖槭树等阔叶树种的生长,在天牛虫图像检索方面仍然很欠缺,在分析现有特征提取的各种算法优缺点的基础上,提出一种有效的综合利用图像纹理特征和颜色特征进行天牛虫图像检索的方法。该方法计算图像的灰度共生矩阵,以及共生矩阵的能量、熵、相关、惯性矩,取其平均数和标准差作为纹理特征,然后利用将图像转化到HSV颜色空间,运用矩形重叠式分块策略对图像进行分块,提取每个分块的颜色矩作为颜色特征,为了提高检索速度,降低特征向量的维数,采用PCA进行降维。通过实验的证明,该方法能够有效地实现检索,在查准率、查全率和响应时间方面都有提高。     

结合图像纹理特征的森林郁闭度遥感估测

在光谱等传统特征的基础上,结合遥感图像的纹理特征估测郁闭度:首先基于面向地块的方法计算图像的灰度共生矩阵纹理特征,然后用主成分方法分析相关性并降维,最后将图像纹理特征和光谱地形等特征一起作为自变量引入到郁闭度估测的逐步回归模型中。结果表明:结合图像纹理特征的方法比传统的只基于光谱或地形特征的方法在估测精度上有较大提高,判别系数R珔2从0.737提高到0.805,估测精度从81.03%提高到84.32%。     

基于CNN的木材内部CT图像缺陷辨识

【目的】为获取木材内部构造形态,提高木材内部缺陷识别率,依据获得的计算机断层扫描图像,提出一种基于卷积神经网络(CNN)的木材内部缺陷辨识方法,以实现木材的高效化自动分类。【方法】首先,利用课题组自行开发的计算机断层扫描系统,采集样本木材内部CT图像800幅;然后,对样本图像进行处理,随机选取700幅原始样本图像,从中截取出单个缺陷区域和正常木材断层区域样本图像20 000幅,并利用图像增强等算法将数据集扩充到70 000幅,标准化图像大小为28×28像素,分为正常、裂纹、虫眼和节子图像共4类,取60 000幅图像作为训练集,10 000幅图像作为测试集,剩余的100幅原始样本图像用于试验验证。【结果】通过60 000幅图像来训练网络模型,对测试集10 000幅图像进行分类,分类正确率达99.3%;利用训练得到的网络模型对100幅原始样本图像进行验证,平均分类正确率为95.87%。【结论】基于卷积神经网络的木材内部CT图像缺陷辨识算法,克服了传统识别方法图像预处理繁琐、训练方法复杂、训练参数过多、耗时过多等问题,具有精度高、复杂度小、鲁棒性较好等优点,且辨识正确率和辨识时间都比现行常规算法精准并用时短,是一种无损、高效、准确的辨识分类方法。     

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：     

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。     

基于无人机高分辨率影像的油松新造林健康树冠提取

【目的】基于新造林健康树冠的光谱特征和空间交错情况,探讨复杂地面植被条件下健康树冠的光谱增强方式和多尺度分割阈值,为造林核查的日常监测工作提供技术支撑。【方法】以冬奥核心区新造林地无人机航拍影像为试验数据,首先,基于健康树冠与其他干扰地物的不同颜色特征,采用同态滤波增强影像并使用ExG光谱指数进行变换;然后,采用最大类间方差方法得到二值图像,并使用多尺度形态学滤波方法进行分割并融合分割结果,以分割交错的树冠区域对应提取原始图像中可能的健康树冠区域;最后,基于颜色向量、灰度共生矩阵和局部二值模式共同构建的特征向量,采用随机森林识别提取区域,从而检测图像中的健康树冠。【结果】基于光谱指数变换、多尺度形态学滤波方法能够有效分割交错连续的树冠区域,排除与健康树冠颜色相近的地物干扰,较为准确提取出可能为树冠的区域。采用该方法对不同造林密度、光照条件下的17幅无人机正射图像进行试验,使用目视解译方式标记出树冠中心,运用精确度、召回率和F1分数3个评价指标对随机森林和支持向量机的识别效果进行定量对比分析,结果表明,多尺度形态学滤波方法可提取96.78%的树冠,随机森林的F1分数高于97%,而支持向量...     

基于可变阈值图像平滑算法研究

基于整幅图像灰度值的方差与局部图像灰度值的方差的线性关系，结合新型的模板，提出一种阈值可变的图像平滑算法。在MATLAB中运用该算法及中值滤波、均值滤波分别对含有椒盐噪声、高斯噪声、乘性噪声的图像进行平滑处理比较。实验结果表明，本文提出的这种改进算法较传统算法均有性能上的提高，既可有效去除噪声，又能较好地保持边缘纹理等细节特征。     

薄壳山核桃不同品种光响应过程及模型拟合

为了探讨不同光响应模型对于薄壳山核桃光合作用的适用性,以‘Mahan’、‘Stuart’、和‘Kanza’3个薄壳山核桃品种为研究对象,建立了5种光响应模型(直角双曲线模型、非直角双曲线模型、直角双曲线修正模型、指数模型和指数修正模型),分别对各薄壳山核桃品种的光响应过程进行了拟合。结果表明:1)5种光响应模型对薄壳山核桃的光响应拟合效果突出,决定系数均在0.9以上,其中非直角双曲线模型拟合效果最优,R^2达到了0.99,并且AIC值最低,直角双曲线模型σ及AIC最高,表现最差。2)通过与实测值相比较,直角双曲线修正模型对于光响应特征参数的求解效果最好,求解出的AQY、R_d、LSP和Pn_max最准确,非直角双曲线模型求解LCP最佳。3)‘Mahan’在3个品种中光照生态幅最宽,利用光能能力最强;‘Stuart’在各模型中的R^2均达到0.99,运用光响应模型拟合效果最好。     

幼龄降香黄檀冠层叶片全磷含量的无损估计

【目的】以树木图像为数据源,采用图像理解方法估算幼龄降香黄檀单位质量叶片的全磷含量,为林农在施肥时间与数量方面经营该树种提供参考。【方法】首先提出从图像中分割降香黄檀树木冠层的算法;然后构建用于估计叶片全磷含量的统计模型形式和有效图像参数;最后采用混合模型方法,引入随机效应,建立以图像参数为自变量的植物叶片全磷含量预测模型,实现基于图像的叶片全磷含量预测。【结果】由于森林图像的自然属性,林木分类提取成为图像处理中的难点问题,利用林木前景与背景存在颜色差异这一特性,提出简洁的绿率树冠图像提取方法,通过大量图像测试,获知当绿率取035～042时,能够有效屏蔽背景保留树冠;进一步组合分析图像参数构建养分含量计算模型,确定将标准化灰度值作为指数并用暖距进行调整的二元叶片全磷含量预测模型,该模型能够实现对树冠叶片单位质量全磷含量的较高精度估算;同时,在模型参数估计时引入随机效应,对于各地区土壤条件等存在差异的降香黄檀全磷含量预测表现出较好适应性。【结论】对于与背景存在一定差异的林木图像,绿率是一种很好的树冠图像分割提取方法;在全磷含量预测模型中,双图像参数模型能够有效提高估计精度;对于各地区土壤或环境等存在差异的降香黄檀冠层叶片全磷含量预测,混合效应模型有效融合差异到一个模型中,表现出强大的适应性。     

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。     

基于融合彩色特征木材表面颜色分类的研究

针对木材表面颜色自动分类的难题,在RGB颜色空间,将R、G、B三个颜色矩阵融合成一个特征矩阵,再对这个特征矩阵提取颜色三阶矩参数作为木材表面颜色分类的特征参数,设计了适合木材表面颜色分类的BP神经网络分类器,分类识别率达到98.67%,验证了提取特征参数的有效性。     

基于机器视觉的实木地板在线分色识别算法

实木地板具有良好的美学性能,是室内装饰的优良材料。为了满足特定的室内装饰要求的艺术效果,实木地板的颜色需要协调,因此在生产过程中需要根据实木地板的颜色进行分类,以满足客户的个性化需求。然而,传统人工识别分选的方法受劳动强度、工作效率等因素制约,难以满足产业的发展需求。本试验基于机器视觉技术,对实木地板颜色的图像采集装置与识别分类算法进行了设计。首先,利用彩色CCD相机对3个颜色等级的实木地板进行图像采集,共获得了150幅木材图像,其中80%用来训练、10%用来测试、10%用来验证。然后,利用极限学习机ELM进行颜色分类,并比较不同优化算法的优化效果,如灰狼优化算法(GWO)、遗传优化算法(GA)、粒子群优化算法(PSO)。结果表明,利用灰狼优化的极限学习机(GWO-ELM)对3个颜色等级实木地板图像的识别准确率最高,分别为88.6%,86%和100%。考虑到实木地板的单块完整性,算法的分类结果能有效满足实际生产需求,为国内实木家居企业的智能化发展提供了一套行之有效的解决方法。     

基于改进差分进化算法的鳞翅目昆虫图像识别方法

【目的】应用计算机图像处理技术提取昆虫图像特征,提出一种新的特征选择技术筛选昆虫识别相关的特征,以准确、快速地识别出鳞翅目昆虫种类。【方法】基于开源的利兹蝴蝶数据集和拍摄的以森林鳞翅目昆虫为主的数据集,采用改进的纹理特征提取算法(DRLBP)提取鳞翅目昆虫图像纹理特征,应用汉明距离计算的粒子间距离度量种群多样性,提出进化过程中自动调整多样性的方法,给出二进制自适应差分进化算法(BADE)。利用BADE算法筛选合适的较小维数的纹理特征子集,并用基于概率协同表示的分类器(PROCRC)进行图像分类。【结果】PROCRC分类器在所有数据集上均展现出良好分类效果,平均识别率分别为81.73%和88.18%。经特征选择后的昆虫的分类精度显著提升,最高提升率达13.49%。BADE的性能高于其他特征选择算法,且经BADE算法特征选择后纹理数据集的维数和分类所需时间均显著下降,其降维率接近50%,时间减少率最高达50%。【结论】BADE算法可有效进行特征选择,提高识别精度,节约模型的识别时间,利用群体智能优化算法对鳞翅目昆虫图像进行特征选择的方法具有可行性,DRLBP和BADE算法相结合的鳞翅目昆虫识别方法在农林昆虫的快速、准确识别中具有广阔应用前景。     

基于图像纹理特征的木材树种识别

利用木材图像的颜色、灰度、纹理等内容实现树种的相似性匹配检索,提取色调、饱和度、亮度、对比度、二阶角矩、方差和、长行程加重因子、分形维数、小波水平能量比重共9个特征参数,依据最大相似性数学原理,基于最小差值参数判别法和综合特征阈值法来检索样本.结果显示:基于图像纹理特征能够实现木材树种的检索和识别,综合特征阈值法的检索正确率与唯一性通常要好于最小差值判别法;但当被检索样本图像的纹理较弱或不呈现纹理特征时,检索结果的唯一性并不理想.综合而言,基于图像纹理特征最大相似性的木材树种检索识别较易实现,是一种值得继续发展和应用推广的木材树种识别方法.     

基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法

【目的】提出一种基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法,根据缺陷部分与正常部分纹理特征不同,利用分层聚类算法将缺陷分离出来,以解决板面缺陷检测系统中刨花板表面纹理导致缺陷提取不准确的问题。【方法】将刨花板表面灰度图像划分成若干个窗口,使用灰度共生矩阵的统计特征参数对各窗口纹理进行表征,通过分层聚类算法将纹理特征不同区域区分开。首先确定灰度共生矩阵构造因子的取值,包括窗口大小、灰度级、方向和步长,构建出各个窗口的灰度共生矩阵;使用Fisher准则和线性相关性对灰度共生矩阵14个统计特征参数的表征能力进行度量,选取出分类能力强且相关性低的特征构成特征向量,所有窗口的特征向量构成样本集。然后运用BIRCH分层聚类算法对样本集进行聚类,为使聚类结果更准确,同时加快计算速度,提出一种优化策略,绘制样本集均值和统计直方图,将其波峰数量作为理想的类别数量,当聚类产生的类别数量大于理想类别数量时,将聚类结果中距离近的簇合并,解决聚类精度过高而导致的过分割问题。最后根据聚类结果,对原图像中各窗口进行标记,提取出缺陷区域。【结果】选择大小为512像素×512像素,带有杂物、油污、胶斑、大刨花和松软5种类型缺陷的刨花板表面图像,使用本研究方法能够准确将缺陷区域提取出来,精确度达92.2%,召回率达91.8%。【结论】基于灰度共生矩阵和分层聚类的刨花板表面图像缺陷提取方法,可解决因刨花板表面纹理导致缺陷提取不准确的问题,为机器视觉板面缺陷检测系统的缺陷度量和识别提供良好支撑。     

基于多特征的高分辨率影像松材线虫病树识别

为了提高松材线虫病树的监测效率,减少其对林业生产造成的损失,利用在高分辨率遥感影像上提取松材线虫病树的光谱特征、空间特征等多特征,然后进行Relief特征选择算法,提取的合适特征为归一化植被指数NDVI(Normalized Vegetation Index)、差值植被指数DVI(Difference Vegetation Index)、OHTA颜色模型作为病树与非病树的光谱特征,对目标影像进行自动筛选,得到疑似病树像元。运用DBscan空间聚类算法对疑似病树像元进行聚类,并以周围一定范围内有一定数量的健康树像元为空间分布参考,对拍摄地点30°1′N/111°43′E附近、分辨率为0.1 m的3幅高分辨率遥感影像筛选病树。自动筛选耗时分别是人工筛选的43.99%、51.08%和46.62%,相对于人工筛选的数量准确度分别为79.37%、77.85%和82.56%。结果表明:采用光谱特征与空间特征相结合的方法在高分辨率遥感影像上识别松材线虫病树识别效率更高。     

基于多光谱遥感的松材线虫病受害木识别方法

将双光谱照相机安置于无人机的平台上,利用在其当中可以获得可见光以及红外线的遥感图像,采用加权支持向量分类算法可实现病害松树的识别。根据每个内容图像不同的特点,从双光谱相机中获取的可见光图像以及近红外图像的各颜色分量,将这些颜色分量作为相应像素点的颜色特征,中心像素点可以通过加窗图像块获得的灰度共生矩阵,每类样本可以利用权重系数分别为加权支持向量做出数据描述,进而实现多输出类别识别松树的状态,建立相关训练样本中心距离的权重函数可以确定权重系数。与传统的人工、航空和卫星遥感识别方法不同,利用无人机平台和双光谱相机获取遥感图像,具有可操作性强、费用低廉等优势。     

基于无人机影像的山核桃单木检测及冠幅与树高的提取

针对经济林中树木的生长状况进行调查,有助于农户制定针对性的经营策略,提高经营效率。然而,由于山核桃树通常生长在山地环境下,使用传统的林业调查方法获取树木参数需要的人力资源和时间成本较高,而且在陡峭的山地环境中容易受到地形、植被和气象等因素的干扰。为了解决这一问题,提出了一种新的自动化方法——检测框投影法。该方法基于深度学习的目标检测算法对遥感图像中的树冠进行检测并生成检测框,再依据所得到的检测框获取树木位置和数量,并进一步提取单木的冠幅与树高等参数。在不同环境的山核桃种植林场进行的树冠检测实验结果表明,该方法使用的目标检测算法对山核桃树冠检测的总体平均精度和F1-score分别达到了85.5%与0.84;参数提取方面,在两处不同的山核桃种植林场选取了3处研究样地,并在每处样地选取并实地测量了50棵样本树木的冠幅和树高以验证参数提取精度,结果表明,使用检测框投影法预测冠幅与实测值的均方根误差、平均绝对误差和平均相对误差分别为0.469 m、0.313 m和5.7%,预测树高与实测值的均方根误差、平均绝对误差和平均相对误差分别为0.427 m、0.331 m和6.0%。提出的检测框投影法在...