论文题目: 基于计算机视觉木材轴向薄壁组织提取技术研究
1引言
木材识别是合理利用木材的基本前提。计算机技术在木材识别中的应用改善了传统人工识别方法的缺陷[1]。近几年来,相关学者发现木材显微图像中包含着丰富的信息,其中蕴含的细胞排列特征、各种细胞的形态因子等特征具有区别于其他树种的独立性[2]。为了达到高效、自动识别树种的目的,我们必须从显微图像中快速、准确地提取出各种组织细胞的特征参数,因此,基于计算机视觉技术对木材识别的新方法受到了学者们的广泛关注[3]。
很多学者结合木材学领域的特点,将计算机视觉技术应用到木材识别上。例如,于海鹏等[4,5]分别运用空间共生矩阵和小波分析了木材纹理,获得了纹理的特征参数和分频分尺度特性;刘镇波等[6]对针叶材和阔叶材细胞几何量参数、细胞形态量参数、树脂道、木材组织比量参数、薄壁率、构造分子分布密度进行研究;黄慧[7]采用数学形态学研究了阔叶材中的导管、弦切面上木射线特征;祁亨年等[8]研究了基于形态学的木材导管图像分割方法;汪杭军等[9]采用遗传算法研究了阔叶材导管的自动分割方法;计智伟等[3]研究了基于改进区域生长的木材导管形态特征提取方法。
以上可以看到目前大多研究集中在对木材切片的微观研究中,而且主要是在语义特征的测量、特取和分析上,包括导管(管孔)、木射线等不同组织细胞[10]。这些都是木材识别的重要特征。然而,轴向薄壁组织也是阔叶材树种显微图像中显著的对象之一,不同的阔叶材树种显微图像中轴向薄壁组织特征有很大的差别,因此轴向薄壁组织特征也是阔叶材树种判别的一个重要的依据。
基于此,本项目将以木材显微图像作为研究对象,探索出一种木材轴向薄壁组织的提取方法,对研究基于轴向薄壁组织的阔叶材树种的识别具有重要的意义,同时也对计算机学科与木材学科的交叉研究具有积极的推动作用。
2 国内外研究现状
2.1 木材识别特征提取
20世纪80年代初计算机图像处理技术开始应用于木材解剖学的研究,McMillin[11]利用图像处理和分析技术测量了木材细胞率、纤维长度、细胞腔面积和径向细胞腔直径以及纤维板剪切过程中的木材破损率。Hie和Hillis[12]所开发的图像处理分析系统对细胞管腔面积及不同细胞类型所占面积比例等特征进行了量化分析。Diao等[13-14]应用能量光谱方法分析确定了木材细胞形状,并用快速傅立叶变换(FFT)检测了10种针叶材横断面细胞排列及形状的周期性,测量了细胞的径弦向直径和径弦壁角度,同时他们还对18种针叶材横切面上的管胞形态学指标进行量化测定以确定不同树种的管胞形态参数。Fujita用FFT分析了32种日本阔叶材横切面的导管分布[15]。曲艳杰等[16]利用FFT方法进行了木材细胞排列的图像分析研究,利用得到的木材解剖特征的波动性和周期性,以解决传统木材解剖方法难以做到的演化规律的研究问题。Masako KINO等[17]也通过图像方式精确测定了木材细胞壁厚度。保昆雁等[18]开发了木材解剖特征量的处理系统,可提取细胞数目、胞腔面积及其分布、胞腔直径、胞壁厚度、胞壁率、壁腔比等木材解剖特征参数。
以上的研究较多关注于细胞形态比量等特征的测量,图像处理技术用作辅助测量的方法为定量化研究提供了有力的手段,解决了以往人工无法测量的问题,但尚未对传统木材识别中的定性描述的识别特征如管孔式、木射线、轴向薄壁组织等木材图像中的特有对象特征(以下这类识别特征均称为对象特征)的研究,也未涉及对这类对象特征的自动提取。
有别于传统计算机视觉中对象处理时所遇到的诸如光照、遮挡、变形及对象本身高度复杂的挑战,木材显微图像构成中的对象相对稳定,仅存在如导管、木射线、薄壁组织等若干种稳定的对象,在标准约束条件下获取的图像也排除了光照等影响因素,因此特征提取仅需关注对象本身的特点。本论文的前期研究中,祁亨年、汪杭军等 [19-21]分别利用数学形态学、遗传算法、改进的OTSU方法等完成了木材横切面显微图像中导管对象的分割,从而可以获得导管的直径、面积、圆形度等特征。
2.2木材图像纹理特征分析与提取
木材图像纹理特征分析的研究始于上世纪90年代。Huang[22]利用FFT功率谱图分析了木材砂光表面的粗糙度。赵学增[23]对木质材料表面粗糙度测量进行了研究。王克奇等选取9幅木材纹理图计算分形维数,提供了描述木材纹理粗糙度的一种定性度量方法[24]。王晗等[25]将高斯—马尔可夫随机场(GMRF)引入木材纹理的研究,提取样本的低阶和高阶GMRF参数,分析表明通过指定的参数可判断纹理的主方向、区分开木材的弦切和径切纹理。谢永华[26]将不变矩方法引入木材纹理的计算机视觉研究领域。王晗[27]利用灰度共生矩阵法建立了木材纹理参数。
以上研究以木材宏观的径切面和弦切面图像纹理为研究对象,基于显微构造纹理特征研究尚未涉及。对于木材识别而言,宏观特征变异性较大,而显微结构特征相对稳定,所以对识别来说显微木纹更加值得研究。
显微木纹图像纹理(简记为显微木纹)主要包含两类。一类是基于像素点的统计的全局性纹理,目前木材学研究已经表明根据不同的全局性纹理特征可以确定树种大类,如带状花纹的有红松、落叶松、檫木、山枣等,交错花纹有香樟、麻栋、大叶桉、桃花蕊木等;这类全局性纹理与木材的生长过程相关,有分类和识别价值,但还不能充分反映木材本身的特性,还无法完全满足木材识别的需求。另一类纹理是以木材显微图像中特有的对象形态及其分布和结构性约束而形成的可微结构性纹理,这类纹理反映了对象如导管、木射线等的上下文(context)关系,与木材本身的生长特性密切相关,有较强的分类能力,成为木材识别的热点和难点问题。
2.3 基于计算机视觉木材识别的研究
王金满(1993)也研究了计算机视觉分析在木材解剖构造当中的应用,并利用计算机视觉技术对长白落叶松人工林木材解剖特征及其生长轮材性变异规律进行了分析,之后又探讨了应用FFT变换图像处理木材解剖构造的图像处理方法[28-33];孙丽萍等(1995,2000)利用模式识别技术来实现木材细胞图象边缘跟踪,并提出了适合于木材横纹构造形态特征的图象处理方法[34,35]。保昆雁(2003)基于计算机视觉和图像处理技术,利用Matlab编制了相应的软件,实现了木材切片图像读入、变换、增强、边缘探测和二值化处理等,在此基础上提取木材横截面切片图像所反应的木材相关解剖特征量[36]。刘镇波在2004年研究了通过对木材横切面显微图像量化特征参数的提取与分析、基于图像分析的判别匹配算法和判别程序的建立,最后论证了以基于图像分析的方法达到木材判别的目的是基本可行的[37].杨家驹[38]在1990首次提出了特征图像带有显示木材的功能,极大的方便了木材专家的研究工作.用来识别的主要特征有:生长轮类型,管胞,导管,纤维长度,轴向薄壁组织,树脂道,射线管胞内壁,径向胞间道及纺锤行射线,聚合射线等相关的木材解剖特征50个。十年之后随后杨家驹等[39]在2001提出了显微镜与微机连接的方法利用特征图像(云杉型加厚、管孔分布频率和导管胞壁厚度(增加的))识别的方法,可识别的树种由原来的669种增至741种。柯病凡等在1991年发表的论文中总结出:相比于前人多采用多关键字检索的木材识别方式,该文首次提出了一个用于自动划分树种类别的“剪枝”算法[40].王晗等[39]在2006 年将高斯-马尔可夫随机场引入木材纹理的研究, 提取二阶和五阶GMRF(Gaussian Markov random fields)参数。结果表明二阶特征参数可以判断纹理的主方向,并能够区分开木材的弦切和径切纹理。于海鹏等[41]在2005 年介绍了代表性的纹理算法, 包括自相关函数、灰度共生矩阵、行程长度统计、快速傅里叶变换功率谱函数、小波、分形、自回归模型、Radon函数变换等, 并给出了它们之间的相互关系和算法的优缺点。此外,祁亨年等[42]、管雪梅[43]、王秀华[44]、刘镇波[45]、汪杭军[1]等是通过木材微观显微结构进行了识别研究,而王克奇等[46]、白雪冰等[47]、于海鹏等[48]、任洪娥等[49]则是通过宏观纹理进行木材识别的研究[50]。
3 发展趋势及展望 木材识别经历了从宏观到微观的发展过程。宏观识别是指通过观察木材构造特征来判定或区分树种,它的缺点是准确度较差,仅能鉴别到属或者常见树种。微观识别是指在显微镜下观察木材的构造特征来判定或区分树种,由于木材显微结构中区别性特征丰富且性状相对稳定,因此显微识别的准确度较高。但是,由于导管、木射线等显微结构特征只有木材专家才能掌握,难以普及和广泛应用。因此,需要探索一种智能的计算机辅助木材识别理论和方法,达到精确而有效地智能化木材识别的目的,将对提高木材识别的准确性和效率,以及计算机学科与木材学科的交叉研究具有积极的推动作用。
参考文献
[1] 汪杭军,张广群,祁亨年,等.木材识别方法研究综述[J].浙江林学院学报,2009,26(6):896-902.
[2] Qi Hengnian, Chen Fengnong, MA Lingfei.Pore Feature Segmentation Based on Mathematical Morphology [C]// REN CL.Proceedings of the 33rd Conference of the IEEE Industrial Electronics Society.Taipei:IEEE Press,2007:2474-2477.
[3] 计智伟,汪杭军,何涛,等.基于改进区域生长的木材导管形态特征提取方法[J].北京林业大学学报,2011,33(3):
64-69.
[4] 于海鹏,刘一星,张斌,等.应用空间灰度共生矩阵定量分析木材表面纹理特征[J].林业科学,2004,40(6):121-129.
[5] 于海鹏,刘一星,孙建平.基于小波的木材纹理分频信息提取与分析[J].林业科学,2005,41(2):100-105.
[6] 刘镇波.木材显微图像特征参数提取与树种判别方法研究[D].哈尔滨:东北林业大学,2004.
[7] 黄慧.基于木材组织构造的数字图像处理系统研究[D].南京:南京林业大学,2006.
[8] 祁亨年,陈丰农,方陆明,等.一种基于形态学的木材导管图像分割方法[J].北京林业大学学报,2008,30(4):12-16.
[9] Wang Hangjun,Qi Hengnian,Li Weizhu,et al.A GA-based automatic pore segmentation algorithm[C].In Proceedings of the First ACM/SIGEVO Summit on Genetic and Evolutionary Computation.NY,2009:985-988.
[10] 汪杭军,汪碧辉.一种新的针叶材自动识别方法[J].林业科学,2011,47(10):141-145.
[11] McMillin C W. Application of automati image analysis to wood science[J]. Wood Science,1982,14(3):97-105.
[12] Hie, Hillis W E. Video image processor for wood anatomicalquantification[J]. Holzforschung,1983, 37:47-50.
[13] Diao X M, Furuno T, Uehara T. Analysis of cell arrangement in softwood by image processing using two-dimensional fast fourier transforms [J]. Wood Anatomy Research, 1995,211-215.
[14] Diao X M, Furuno T, Fujita M. Digital image analysis of cross-sectional tracheid shapes in Japanese softwoods using the circularity index and aspect ratio [J]. Wood Science, 1999,45(2):98-105.
[15] Fujita M, Ohyama M, Saiki H. Characterization of vessel distribution by Fourier Transform Image Analysis, Recent fast fourier transforms[J]. Wood Anatomy, 1995,34 (2):11-23.
[16] 曲艳杰.木材解剖特征FFT图谱构建及其演化模式的研究.[D].哈尔滨:东北林业大学,2000.
[17] Kino M, Ishida Y J, Doi M, Fujita M. Experimental Conditions for Quantitative Image Analysis of Wood Cell Structure III, Precise measurements of wall thickness[J]. Mokuzai Gakkaishi,2004,50(1):334:337.
[18] 保昆雁,范晓宁.计算机视觉和图像处理技术与木材解剖特征量分析[M].中国林学会木材科学分会第九次学术研讨会论文集,哈尔滨:2004:307-313.
[19] Qi H N, Chen F N, Ma L F. Pore Feature Extraction Based on Mathematical Morphology[C]. Proceedings of the 33rd conference of the IEEE Industrial Electronics Society (IECON2007), Nov. 5-8, 2007.
[20]Wang Hangjun, Qi Hengnian, Li Wenzhu. A GA-Based Automatic Pore Segmentation Algorithm[C].Proc. Of the 2009 World Summit on Genetic and Evolutionary Computation. (Accepted, to be published).
[21] Qi H N, Chen F N, Wang H J. Analysis of quantitative pore features based on mathematical morphology [J]. Forestry Studies in China, 2008, 10(3): 93-198.
[22] Huang Y S. Chen S S. Application of FFT spectrum analysis to the evaluation of roughness of wood sanding surface[J]. Forest Products Industries, 1990, 9(2):121-125.
[23] 于海鹏,刘一星,张斌,李永峰. 应用空间灰度共生矩阵定量分析木材表面纹理特征[J]. 林业科学,2004,6:121-129.
[24] 王克奇,谢永华,陈立君. 基于分形理论的木材纹理特征研究[J]. 林业机械与木工设备,2005,7:19-20.
[25] 王晗,白雪冰,王辉. 基于高斯—马尔可夫随机场木材纹理特征的研究[J].林业机械与木工设备, 2006,11:25-2.
[26] 谢永华.基于不变矩特征木材纹理的研究[J]. 林业机械与木工设备, 2006,06:29-30.
[27] 王晗.基于空间灰度共生矩阵木材纹理分类识别的研究[J].森林工程,2007,01:32-36.
[28] 王金满,刘一星,赵学增.木材构造计算机视觉分析方法[J].东北林业大学学报.1993,21(2):94-99.
[29] 王金满,邹常丰,郭军等.木材解剖构造图象处理的理论研究[J].东北林业大学学报,1994,22(2):52-57.
[30] 王金满,张守娟,王宏威等.长白落叶松人工林木材构造计算机视觉分析的研究[J].东北林业大学学报.1995,23(3):51-56
[31] 张亚伟,王金满,王鹤滨等.长白落叶松林木材管胞径腔比的计算机视觉测量方法[J].林业科技.1996,21(2):31-33
[32] 王金满等.傅立叶变换图像处理方法在木材解剖特征研究上的应用[J].四川农业大学学报.1998,16(l):176-180
[33] wang jinman,Qu xiangjie,wang yongsheng.Anaiysis of Wood Anatomy Characteristics by Fast Fourier Transfer Image Analysis[J].Journal of Forestry Research,1997,8(4):243-245.
[34] 孙力平,曹军,李玉峰等.基于模式识别技术实现木材细胞图象边缘跟踪[J].林业机械与木工设备,1995,27(5):11-12.
[35] 孙丽萍,宋文龙,张冬妍.基于数字图象处理技术实现木材横纹压缩过程中构造学形态特征的研究[J].森林工程,2000,16(2):15-18.
[36] 保昆雁,范晓宁.计算机视觉和图像处理技术与木材解剖特征量分析[C].中国林学会木材科学分会第九次学术研讨会论文集,2003,301-313.
[37] 张亚伟,王金满,王鹤滨等.长白落叶松林木材管胞径腔比的计算机视觉测量方法[J].林业科技.1996,21(2):31-33
[38] 杨家驹.微机辅助木材识别系统WIP-89[J].北京林业大学学报,1990,12(4):88-94.
[39] 杨家驹,程放,卢鸿俊.木材(特征图象)的微机识别[J].木材工业,2001,,15(3):31-32.
[40] 柯病凡,江泽慧,苏厚勤,等.聚类算法在计算机木材识别系统中的应用[J].计算机工程,1991,(04),21-29.
[41] 王晗,白雪冰,王辉.基于高斯-马尔可夫随机场木材纹理特征的研究[J].林业机械与木工设备,2006,34(11):25-27.
[42] 于海鹏,刘一星,刘镇波.木材纹理的定量化算法探究[J].福建林学院学报,2005, 25(2):157-162.
[43] QI Hengnian,CHEN Fengnong,MA Lingfei.Pore feature segmentation based on mathematical morphology[C]// REN CL. Proceedings of the 33rd Conference of the IEEE Industrial Electronics Society. Taipei:IEEE Press,2007:2474 -2477.
[44] 管雪梅.基于计算机视觉技术的木材细胞图像分割的研究[D].哈尔滨:东北林业大学,2006.
[45] 王秀华.木材横切面构造特征计算机视觉分析与树种分类识别研究[D].哈尔滨:东北林业大学,2005.
[46] 刘镇波.木材显微图像特征参数提取与树种判别方法研究[D]. 哈尔滨:东北林业大学,2004.
[47] 王克奇,王业琴, 白雪冰,等. 板材图像识别中颜色特征参数的提取[J]. 东北林业大学学报,2006,34(3):104-105.
[48] 白雪冰,王克奇,王辉.基于灰度共生矩阵的木材纹理分类方法的研究[J]. 哈尔滨工业大学学报,2005,37(12):1667 - 1670.
[49] 于海鹏,刘一星,张斌,等. 应用空间灰度共生矩阵定量分析木材表面纹理特征[J]. 林业科学,2004,40(6):121-129.
[50] 任洪娥,关明山,马岩.板材的纹理识别初探[J].木材加工机械,2004,15(6):5-8.
|