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.     

医学图像精细化分割方法研究

指出了深度学习方法在医学图像分割中取得较大的进展,但医学图像处理的复杂性使得全自动分割方法难以取得较好的分割效果。在卷积网络分割的基础上,结合应用场景使用适当的后处理手段来提升图像的分割效果是一种比较有临床意义的研究方法。主要研究了基于概率图的全连接条件随机场模型和基于用户交互的深度编辑网络,并分析总结了这两种方法的实现原理和各自优势,并对未来的研究工作进行了一些展望。     

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。     

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YOLOv5的多传感器可迁移林火检测模型

快速准确地检测森林火灾中的火点对于减轻火灾损失和开展有效的灭火救援工作至关重要。深度学习技术可以自动学习并提取不同传感器获取的林火特征。无人机搭载不同类型的传感器可以快速获取森林实时图像,但不同传感器获取的图像特征不同,导致深度学习模型在不同图像中的迁移性较差。本研究基于YOLOv5预训练模型,使用286张可见光和红外图像进行迁移学习,以增强模型对不同图像类型的适用性。迁移学习后,模型对可见光图像测试集的检测精度提升了6%,对红外图像测试集的检测精度达到0.952,证明模型对两种传感器图像数据均具有较强的检测能力。相比可见光模型,多模态模型在包含可见光和红外图像的测试集上的mAP50达到0.914,表明模型成功地提高了对红外图像的检测能力,并保留了对可见光图像的良好检测性能。综上,本研究采用少量图像进行迁移学习,取得了较好结果。迁移学习可以使YOLOv5火灾检测模型适配红外图像,在保留可见光图像检测能力的同时,增强其对火情的检测准确性与环境适应性。这为实现基于多源数据的森林火灾检测奠定了基础,为提高森林火灾检测系统的智能化与自适应提供了思路。     

基于射线分割的林木应力波断层成像算法

【目的】提出一种基于射线分割的林木应力波断层成像算法,研究应力波在林木横截面上的信号分布情况,提高应力波断层成像精度,准确反映林木内部缺陷的位置、大小和腐朽程度。【方法】选取4株原木样本(松树、乌桕)和4株活树样本(香樟、圆柏、柳树)进行应力波断层成像试验,利用FAKOPP应力波检测仪采集样本横截面应力波数据。首先校正采集的应力波速度,绘制应力波传播射线图,对成像区域进行网格划分;然后分割每一条应力波传播射线,基于已知射线传播速度估算待分割射线上多条线段的速度,增加应力波信号量,得到改进的应力波传播射线图;最后根据改进的应力波传播射线图估算成像区域内网格单元的速度,结合图像处理方法,生成断层图像。为验证算法的可行性,使用Resistograph微钻阻力仪评估活树内部健康状况。【结果】基于射线分割的林木应力波断层成像算法能够较准确地重建4株原木样本的断层图像。使用Resistograph微钻阻力仪对活树进行多路径钻探,与阻力曲线图相比发现,基于射线分割的林木应力波断层成像算法生成的断层成像具有较高精度。【结论】基于射线分割的林木应力波断层成像算法可提高初始网格单元速度的准确性和相关性,能够实现林木内部缺陷的高精度成像,适用于林木无损检测。     

基于SPOT5图像分割的森林小班边界自动提取

以SPOT5图像为研究对象,试验了4种图像分割方案,采用基于最终测量精度准则的多指标评价和基于欧氏距离的相似度综合评价两种方法,对分割效果进行评价,其中多指标包括圆度(RO)、紧致度(CO)、形状指数(SI)、最小包络椭圆短半径(RE)、椭圆度(EF)、形状因子(P2A)、面积相对误差(RA)、周长相对误差(RP)、中心位置绝对位移(DC)9个指标,相似度采用面积(A)、周长(P)、RO、CO、SI、RE、EF、P2A等8个因子计算。结果表明,原始图像直接用于分割的效果远好于经直方图均衡化后的图像。在图像分割过程中,输入图层的权重很大程度上影响分割效果,根据各输入图层标准差设置权重的分割效果,略好于根据图层信息量设置权重的分割效果。采用图像分割的方法自动提取小班边界,经适当后处理后编制工作手图用于森林资源规划设计调查,不但大量节省野外小班勾绘工作时间、降低劳动强度、提高工作效率,而且大幅度地提高了小班勾绘的准确性,确保面积调查精度。     

基于扇形X射线束的立木CT成像系统

【目的】研制一套基于扇形X射线束的立木CT成像系统,将计算机层析成像技术应用于对立木的扫描,实现立木的高分辨率断层成像,便于科研人员全面、准确了解木材的内部结构与缺陷特征,为木材科学研究提供技术支撑。【方法】立木CT成像是根据木材不同构造对X射线的吸收程度不同,通过测定X射线在木材内的衰减系数,求解衰减系数值在立木断层上的二维分布矩阵,并将其变换为人眼可见的灰度图像,实现立木断层图像的成像。立木CT成像系统包括X射线源、X射线探测器、电动旋转台和中控计算机等,中控计算机作为控制处理单元对系统进行整体控制。在对立木进行扫描的过程中,X射线源与X射线探测器保持静止,被测立木置于电动旋转台的旋转中心,并随电动旋转台旋转;X射线源向被测立木投射出扇形X射线束,X射线探测器采集立木在不同旋转角度时透过立木的X射线强度;控制计算机通过USB总线向探测器下发数据采集命令,探测器将采集到的X射线强度数据转化为数字电信号上传给控制计算机,保存为数据库文件。为使探测器采集的X射线强度数据满足计算机层析图像重建的要求,需对采集的数据进行预处理,包括探测器的暗场去除、探测器中响应异常坏道的补偿、通道响应一致性的校正以及立木断层线积分投影值的求取。立木CT成像系统采用的图像重建算法是基于扇形束等距离探测器的滤波反投影重建算法。【结果】立木CT成像系统的空间分辨率为0.4 mm,能够检测立木的最大直径为29.5 cm。采用扇形X射线束分别对崖柏、红松和胶合板立木进行360°扫描试验,试验一验证了立木断层各角度下投影数据的有效性以及CT重建图像的合理性,试验二将立木横断面的实际图像与立木断层的重建图像进行对比,验证了立木断层重建图像的正确性。【结论】立木断层重建图像可清晰反映出立木断层的形状、内裂、年轮以及髓心等结构特征,图像质量能够满足科研人员对木材内部构造检测的要求。     

基于计算机视觉的针叶材木射线特征提取方法

木射线作为木材显微构造中的一个重要特征,在木材构造和树种识别的研究中具有重要意义。以针叶材为研究对象,基于计算机视觉技术对木射线特征快速提取方法展开研究,最终构建一套完整的算法,从而使研究人员在向计算机传入针叶材的弦切面图像和比例尺后,即可快速得到木射线细胞数和高度的微观特征。首先对50种针叶材树种的弦切面图像数据集构建U-Net网络模型进行语义分割,对比了在不同放大倍数下木射线的分割效果,发现放大倍数大于10倍时分割效果较好;在此基础上,设计和编写计算分割后图像中的木射线最小覆盖圆算法,可以快速提取木射线的高度,进而得到射线平均高度;再将分割后的木射线图像数据集进行目标检测模型训练,实现射线细胞的目标检测及自动计数功能,并将二值图像阈值分割法和YOLOv3、YOLOv5算法进行比较。结果表明,YOLOv5对射线细胞的检测效果最好。采用本研究方法所提取的木射线高度和细胞数与人工实测结果相比,木射线高度值的偏差不超过4%,细胞计数误差不超过6%。     

基于区域生长的林区遥感图像分割方法

依据林区遥感图像的特点,利用区域生长法对高分辨率遥感图像进行分割。首先将图像看作多维矩阵结构,建立种子标记矩阵,以标记未处理的像素点作为种子,合并其周围连通像素;其次建立连续自动种子选取机制,遍历整个图像区域,将图像分割为若干区域;最后,采用最小欧氏距离方法合并较小的破碎区域,有效地解决了区域生长对种子点依赖性强,并且容易过度分割的问题。通过实地对比验证评价,分割效果较好。     

基于深度学习的心脏磁共振图像分割

针对分割心脏图像中半自动分割方法存在分割精度较低、计算复杂度较高等问题,提出了采用改进的全卷积神经网络(Fully Convolutional Networks,FCN)来自动分割心脏左、右心室及心肌。在初始训练前对原始心脏影像作预处理,对处理后的图像进行模型训练,在网络下采样与上采样过程中加入批归一化层(Batch Normalization,BN),加速网络收敛,降低网络过拟合,实验选择加权交叉熵损失函数,用于提升网络性能,经过softmax分类器得到分割结果。实验结果表明:该方法能够较好地分割出左心室等结构,具有较高的分割精度。     

人造板表面缺陷检测图像自适应快速阈值分割算法

【目的】提出一种自适应快速阈值图像分割算法,为人造板表面缺陷在线检测提供支持。【方法】首先将整幅图像划分成若干子区域,通过计算子区域的方差对缺陷进行定位,提取出缺陷所在区域,只对缺陷区域进行图像分割,解决小面积目标难以准确分割的问题。然后对缺陷区域的一维灰度直方图进行处理,直方图平滑后去除掉不显著波峰,根据处理后保留的主要波峰数量和位置自适应地确定分割阈值个数以及每个阈值的分割区间,实现当图像中出现多种类型缺陷时算法自动确定分割阈值个数。最后,通过分析Otsu算法,将阈值穷举搜索改进为条件搜索并限定搜索方向,在每个分割区间内使用改进的Otsu算法对阈值进行搜索,提高搜索速度。【结果】对板面存在油污、大刨花、胶斑、杂物、松软5种类型缺陷的人造板表面图像进行分割,在板面缺陷数量、类型不固定的情况下,算法可以自适应地确定分割阈值个数,在15 ms内将各种类型缺陷从人造板表面图像中分割出来,平均分割准确率达97%。【结论】自适应快速阈值分割算法能够快速、准确将缺陷从人造板表面图像中分离出来,在执行速度和分割效果上均满足在线缺陷检测系统的要求,可为人造板表面缺陷在线检测提供新思路。     

基于单目视觉的立木高度测量方法研究

针对传统立木高度测量方法中存在的测量效率低、设备不易携带等缺点,以摄影测量学、单目视觉测量、图像处理等技术为基础,提出一种基于单目视觉的立木高度测量方法。该方法利用Graph Cut算法对立木图像进行分割,实现图像中立木轮廓的自动获取;通过对相机模型内各个参数进行标定,再结合相机成像原理的几何相似模型,根据相机成像的逆推模型进行求解来获取相机与立木底端间的深度信息,再利用高精度陀螺仪获取相机俯视角,通过深度信息和角度信息实现非接触条件下的树高测量。且该方法无须知道相机的运动信息,仅通过拍摄单张立木图像便可测量立木到相机的距离,并实现立木高度测量。本研究使用型号为MI 2S的小米手机(内置高精度陀螺仪)作为实验设备,验证在任意范围内树高测量模型的精度。结果表明:该方法的树高测量精度可达95.78%,最高相对误差为4.22%,具有较高的精确性和有效性,能够满足国家森林资源连二类调查中树高测量精度的要求。     

基于OTSU算法与数学形态学的木材缺陷图像分割

在木材分选过程中,图像缺陷分割技术占有重要的地位,能否精确提取缺陷轮廓会直接影响到分选的准确率.本文讨论提取木材表面缺陷图像的方法,应用OTSU算法与数学形态学相结合的方法对缺陷图像进行分割,最终提取出缺陷边缘.实验表明,经过OTSU算法和数学形态学进行图像分割,最后得到的木材缺陷图像更加清晰、连贯,提高了图像的可视性和准确性.     

林火图像识别理论研究进展

林火图像识别理论与方法是实现森林火灾视频自动监测的基础。文中从图像预处理、图像分割和特征提取3个方面详细地综述了国内外林火图像识别理论的发展现状,分析了图像颜色处理、图像滤波、图像阈值分割、区域分割、边缘分割以及动静态特征提取理论在林火图像识别应用中的优缺点;针对目前林火图像识别理论研究现状,指出在未来研究中需要解决的问题以及林火图像识别理论的发展方向,以期为图像识别技术在林火图像识别中的应用和进一步研究提供参考。     

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。     

纤维素乙醇炼制残渣中木质素结构的初步研究

针对燃料乙醇行业产生的大量炼制残渣所带来的资源浪费问题,采用了傅里叶红外(FTIR)、差示扫描量热法(DSC)、核磁共振(NMR)等方法,初步研究了纤维素乙醇炼制残渣中木质素的结构。研究发现,纤维素乙醇木质素有明显的酚羟基结构,相对分子质量较小,是一种潜在的重要资源。     

基于遥感OBIA和U-Net的土壤侵蚀监测方法研究

为改善传统土壤监测过程效率低、成本高及扩展性差等缺点,在分析OBIA技术和深度学习图像分割算法基础上,设计了一种端对端的多分辨率遥感土壤监测算法。该算法使用OBIA作为训练标签,通过U-Net提供像素级别属于特定土壤侵蚀类别的概率信息,并结合阈值产生最终分割结果图。仿真结果表明,该方法准确率和召回率结果明显优于传统OBIA方法。     

木材树种计算机视觉识别技术发展与应用

我国是全球林产品生产、贸易和消费第一大国,因此受到国际社会的广泛关注。在木材和木制品贸易流通环节经常出现以假乱真、以次充好的现象,为国际履约执法和林产品产业监管带来严峻挑战。基于木材解剖的传统木材树种识别方法,一般只能识别木材到"属"或"类"。近年来发展的DNA条形码、近红外光谱等木材树种识别新技术虽然可以实现木材"种"的识别,但难以在口岸、现场等多场景下对大批量样本进行自动精准识别。随着计算机技术的快速发展,计算机视觉识别技术可以从不同类别图像中提取关键特征,从而对图像进行分类,为木材树种分类带来新的途径。笔者首先介绍了基于图像采集、特征提取和树种分类的传统木材树种计算机视觉识别技术研究概况,然后从图像数据集构建、模型构建训练与测试以及系统开发等应用等方面介绍了基于深度学习的木材树种计算机视觉识别技术研究应用现状,并结合国内外研究进展对基于深度学习的计算机视觉识别技术在木材树种识别领域的应用进行了展望和提出建议,以期为木材树种自动精准识别研究提供新的思路。     

基于深度学习的木材缺陷图像检测方法

针对木材活节、虫眼、死节等缺陷,提出一种深度学习的木材缺陷图像检测算法。首先构建训练数据库及测试数据库,同时设定卷积神经网络(CNN)的输入层、中间层、输出层等参数,并利用区域建议网络(RPN)反复训练CNN,然后利用训练好的CNN对测试图像进行检测,得到缺陷所在的矩形区域。将此区域作为初始分割范围,再利用CV模型进行图像精细分割。试验结果表明,提出的算法目标定位能力强,能很好地提取木材缺陷目标。