立项申请书代写
科技计划项目申报书代写
社会科学基金项目申请书代写
教学研究项目立项申请代写
科技查新合同报告代写
软课题研究报告代写
医学专题报告代写
课题项目验收书代写
课题论证代写
课题项目开题报告代写
科研课题申请书(合同书)代写
调研课题代写
项目结项报告书代写
国家基金标书写作攻略
青年科学基金项目
自然科学基金申请手册
代写教改课题结题报告
医学科研课题设计论文
教育科研立项课题申报
科研课题基金申请书
课题开题报告撰写方法
·医学论文 ·哲学政法
·护理保健 ·内科临床
·外科骨科 ·儿科妇科
·心血管病 ·案例范本
·艺术体育 ·建筑工程
·中学教育 ·高等教育
·理工科学 ·经济管理
·基础医学 ·其它方向

机构:猎文工作室
电话:0760-86388801
传真:0760-86388520
邮箱:741287446@qq.com
地址:中山大学附属中山医院
网址: www.lw777.com
QQ:741287446
微信二维码

业务联系
案例范本
基于计算机视觉木材轴向薄壁组织提取技术研究
添加时间: 2017-9-21 23:10:19 来源: 作者: 点击数:2772

 

硕士研究生学位论文开题报告表


拟撰写学位论文的题目

基于计算机视觉木材轴向薄壁组织提取技术研究

支持学位论文研究的科研项目

□国家级 □省部级 □厅局级 □校级 □县市级 R自选

学位论文

是否保密

1.不保密(

导师

签名

2.保密密级:绝密(    机密(    秘密(   

开题报告内容:(一至六部分字数不少于3000字)

一、     立题依据(包括选题来源、目的和意义以及国内外研究动态等)。

1.1选题来源、目的和意义

选题来源:木材识别是适才适用、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。近几年来,相关学者发现木材横切面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。为了达到高效、自动识别树种的目的,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显微图像进行分析的木材识别新方法受到了学者们的广泛关注。

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。所以本项目的实施很有必要。由于这个方向在木材识别中算是比较新颖的,也是前人较少进入的领域,所以我选择了该项研究题目作为本论文研究题目。

目的和意义:众所周知,木材作为一种可再生资源,其利用前景非常广阔。随着经济的日益发展以及人民生活水平的不断提高,木材作为一种环保型材料,越来越受到人们的青睐。因此,提高木材识别的正确性,对木材科学发展、木材资源的合理使用与管理、木材贸易流通、木材进出口管理和木材考古等与木材相关工作都有重大意义。例如,珍贵木材——红木,自古至今都被人们视为国宝级的珍贵资源,不可再生,红木家具集使用、收藏、观赏、保值等多重功能于一身,具有极大的收藏及保值价值。由于可称之为红木的木材种类比较多,如紫檀木类、花梨木类、香枝木类、黑酸枝木类等,隶属紫檀属、黄檀属、柿属、崖豆属及铁刀木属,其识别和区分比较困难。由于红木家具材质鉴定措施不完善而给不明真伪的生产者和消费者带来的经济损失少则几千,多的可达上百万元。

1.2 国内外研究动态

1.2.1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。HieHillis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。FujitaFFT分析了32种日本阔叶材横切面的导管分布。曲艳杰等利用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等也通过图像方式精确测定了木材细胞壁厚度。保昆雁等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。

1.2.2 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[10]利用FFT功率谱图分析了木材砂光表面的粗糙度。赵学增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。王晗等将高斯—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。谢永华将不变矩方法引入木材纹理的计算机视觉研究领域。王晗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。

1.2.3 基于计算机视觉木材轴向薄壁组织提取技术研究

以往木材的识别或鉴定还采用过无损的扫描电镜方法和微波传感方法,基于视觉的木材识别研究刚刚起步,刘镇波等提出基于最大相似原理以木材构造特征量化参数来识别木材的想法;王锋等提出木材识别语义数据模型。这些基于视觉的木材识别方法研究尚停留于思路的探讨,理论和实验研究均未深入开展。

木材显微图像中的对象特征,如导管、木射线等,与基于像素点的统计的全局性纹理特征,以及对象的空间分布和结构性约束所形成的可微结构性纹理特征,均具有不同程度的分类和识别能力,可充分利用三者在分类和识别方面的互补性,而现有研究未将这些特征相结合进行木材识别。

二、研究目标与内容、研究方法与技术路线及拟解决的关键问题。

研究目标:

基于木材显微结构图像,应用计算机图像处理、模式识别技术,通过显微构造对象特征、全局性纹理特征、可微结构性纹理特征的提取和量化,发现并验证轴向薄壁组织的提取技术。

研究方法:

为基于木材显微构造图像精确而有效地进行智能化木材识别,本研究拟采用以下的研究方法:首先,结合木材微观识别知识,研究木材显微构造特有的导管、木射线、轴向薄壁组织等对象特征的提取,这些特征本身具有很强的分类能力,通过量化将进一步提高其分类能力;其次,提取显微图像的全局性纹理特征并验证其识别能力;并根据木材特性,进行可微结构性纹理的描述和提取,挖掘出轴向薄壁组织的提取技术。

技术路线:

针对木材显微构造图像的特有对象如导管、木射线等对象的提取,首先进行对象的分割。可以根据对象的不同采用不同的图像分割方法,如高斯混合模型法、Markov随机场模型法、边缘检测法、数学形态学方法、基于像素点分类的方法等。利用这些方法的优缺点,探究出轴向薄壁组织的分割方法。

拟解决的关键问题:

阔叶树材的轴向薄壁组织有多种多样,比如和导管的位置关系方面,分为离管状和傍管状,从薄壁组织的聚集形式又可分为星散状、轮界状、翼状、聚翼状、带状等等,如何对这些不同组合形式薄壁组织进行有效的分离,这是本文的关键问题。

三、论文的研究特色与创新之处

根据木材显微图像中包含导管、木射线、轴向薄壁组织等丰富对象的特性,本论文提出并定义了可微结构性纹理特征,并在此基础上构造相应的提取和描述方法,从而将轴向薄壁组织成功的从阔叶材横切面显微图像中提取出来,这是本文在研究思路上的创新。

四、论文的预期目标与预期研究成果

预期目标:

本项目基于木材显微结构图像,应用计算机图像处理、模式识别技术,通过显微构造对象特征、全局性纹理特征、可微结构性纹理特征的提取和量化,发现并验证轴向薄壁组织的提取技术,从而达到精确而有效地智能化木材识别的目的。

预期研究成果:将本篇论文发表在核心期刊,并申请相关专利。

五、论文的进展和研究进度安排

第一阶段 2012.12-2013.2 木材图像的收集以及对收集的木材图片进行剪切及分类。

第二阶段  2013.3-2013.6 木材图像的预处理。

第三阶段  2013.7-2013.10 结合木材显微构造知识,研究轴向薄壁组织的特点和分布类型,挖掘出提取特征。

第四阶段  2013.11-2014.3 深入研究计算机视觉技术的应用以及在木材识别上的方法,探究出轴向薄壁组织的提取技术。

第五阶段  2014.4 继续进行论文相关的研究和代码的编写工作,在导师指导下进行修改,完成论文初稿。

第六阶段  2014.5定稿:严格按规定格式操作,调整注释与参考文献等。

第七阶段  2014.6论文答辩

六、论文框架

1 绪论

1.1 引言

 1.2 计算机视觉技术

1.3 计算机视觉技术在木材解剖中的应用

1.4 木材识别技术

1.5 本课题的研究内容

2 试验材料与试验方法

      2.1 试验材料

      2.2 实验方法

      2.3 小结

3木材横切面显微图像特征参数提取

      3.1木材横切面显微构造特征参数提取

      3.2横切面显微图像纹理特征量的提取

      3.3小结

4基于计算机视觉轴向薄壁组织提取技术研究

      4.1图像的预处理

      4.2轴向薄壁组织的特征选择与提取

      4.3分离轴向薄壁组织

5结论与展望

5.1 总结论

5.2 今后研究方向展望

参考文献

致谢

七、文献综述

(一)文献综述撰写要求

1、目的

文献综述是针对某一研究领域分析和描述前人已经做了哪些工作,进展到何程度,要求对国内外相关研究的动态、前沿性问题做出较详细的综述,并提供参考文献。文献综述反映作者研究工作的基本能力和文献阅读量。

撰写文献综述的目的主要考核综合归纳资料的能力和提出自己见解的能力。

2、结构

综述即综合叙述的意思,它经过对阅读过的大量材料的筛选、比较、分析、综合、提炼而成的情报研究产品,是对你正准备设计的课题在一段时期内的发展情况进行综合叙述的一种情报研究成果。

综述的结构一般包括引言、正文、结论和附录等部分。

引言的基本内容包括学位论文研究的主要方向、历史渊源、目前现状、存在问题及展望等。

正文是综述主要内容的叙述部分。一般要叙述研究课题的主要内容,在某阶段的发展历史,已解决的问题和尚存在的问题,对当前工作的现状,今后的发展趋势应作重点、详尽而具体地叙述。

结论部分一般除研究所得的结论外,还概括指出研究建议,存在的不同意见和拟解决的问题等。

3、注意事项

1、撰写文献综述应注意综述本人观点、见解和想法,要以科学事实为依据,它的原研究材料中各类具有代表性观点的文献不能遗漏,要用最简洁的文字材料概述。

2、参考文献规范按GB/T7714-2005执行。

(二)文献综述正文

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。HieHillis[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[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。FujitaFFT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[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(19952000)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]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]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]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GMRFGaussian 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]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,200926(6)896-902                                                                                                      

[2] Qi Hengnian Chen Fengnong MA LingfeiPore Feature Segmentation Based on Mathematical Morphology [C]// REN CLProceedings of the 33rd Conference of the IEEE Industrial Electronics SocietyTaipeiIEEE Press20072474-2477

[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,201133(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,200440(6)121129

[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,200541(2)100105

[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,200830(4)12-16.

[9]  Wang HangjunQi HengnianLi Weizhuet alA GA-based automatic pore segmentation algorithm[C]In Proceedings of the First ACM/SIGEVO Summit on Genetic and Evolutionary ComputationNY2009985988

[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,201147(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:2004307-313.

[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,.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 morphologyC// REN CL. Proceedings of the 33rd Conference of the IEEE Industrial Electronics Society. Taipei:IEEE Press,20072474 -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,. 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,. 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.

 

导师意见:

导师签名:

20        

 

可加附页。

见。

关于我们  |  诚聘英才  |  联系我们  |  友情链接
版权所有:@2007-2009 中山猎文工作室 电话:0760-86388801 QQ:51643725
地址:中山大学附属中山医院 邮编:528402 皖ICP备12010335号-5
  • 国家自然科学基金体育立项分析
  • 国家社科基金选题参考—应用经济学、管
  • 广州市中医药和中西医结合科技项目申报
  • 改善歼八II战斗机‘低速性能’的方法