木材橫切面構(gòu)造特征計(jì)算機(jī)視覺(jué)分析與樹(shù)種分類(lèi)識(shí)別研究.pdf

1、為解決基于木材橫切面顯微圖像特征參數(shù)的木材樹(shù)種計(jì)算機(jī)識(shí)別這一難題，采用計(jì)算機(jī)視覺(jué)分析技術(shù)實(shí)現(xiàn)對(duì)木材橫切面顯微圖像特征參數(shù)的提取，并以基于圖像特征參數(shù)的識(shí)別算法建立計(jì)算機(jī)木材樹(shù)種識(shí)別程序。其主要方法是：在對(duì)計(jì)算機(jī)彩色圖像分析軟件二次開(kāi)發(fā)的基礎(chǔ)上，進(jìn)行木材橫切面的各種主要細(xì)胞輪廓形態(tài)、細(xì)胞幾何尺寸、主要組織比量等參數(shù)的測(cè)定與分析：采用空間灰度共生矩陣方法提取木材橫切面顯微圖像的紋理特征參數(shù)，并分析了木材橫切面顯微圖像的紋理變化特征；探討了基

2、于所提取的圖像特征參數(shù)實(shí)現(xiàn)樹(shù)種識(shí)別的可行性，最終建立了基于木材橫切面顯微圖像內(nèi)容(特征參數(shù))的木材樹(shù)種識(shí)別程序。 實(shí)驗(yàn)中共提取反映木材橫切面顯微圖像特征的參數(shù)32項(xiàng)，其分別是與木纖維(管胞)細(xì)胞相關(guān)的參數(shù)10項(xiàng)、與導(dǎo)管(樹(shù)脂道)細(xì)胞相關(guān)的參數(shù)8項(xiàng)、與木射線(xiàn)細(xì)胞相關(guān)的參數(shù)2項(xiàng)、胞壁率參數(shù)1項(xiàng)及圖像紋理特征參數(shù)11項(xiàng)。像素間距及角度是影響圖像紋理特征參數(shù)的最重要因素，通過(guò)對(duì)不同像素間距及角度的顯微圖像紋理特征參數(shù)的分析表明，在像素間

3、距d=3及角度θ=0°時(shí)所提取的紋理特征量最有利于表征木材橫切面顯微圖像紋理特征。 建立了木材橫切面細(xì)胞簡(jiǎn)化模型，并分析了各紋理參數(shù)的專(zhuān)業(yè)涵義。當(dāng)細(xì)胞壁與細(xì)胞腔比例在一定范圍內(nèi)時(shí)可獲得紋理細(xì)膩、清晰度高、紋理變化快、周期性大及紋理分布豐富的橫切面顯微圖像，而此時(shí)，無(wú)論細(xì)胞壁與細(xì)胞腔的比例往哪個(gè)方向變化，都會(huì)使紋理變粗、清晰度下降、紋理變化變慢、周期性減弱及紋理分布減少。對(duì)樹(shù)種在紋理參數(shù)值不同范圍內(nèi)的分布情況發(fā)現(xiàn):絕大部分樹(shù)種的橫

4、切面顯微圖像紋理較細(xì)膩、清晰度較高、周期性較強(qiáng)、紋理信息豐富。同時(shí)還分析了紋理特征參數(shù)之間的相關(guān)性，結(jié)果表明大部分紋理參數(shù)間都具有顯著的相關(guān)關(guān)系。 分析了木材的胞壁率與壁腔比參數(shù)與橫切面顯微圖像紋理參數(shù)之間的關(guān)系，結(jié)果表明：當(dāng)木材的胞壁率為40～70％、壁腔比為0.15～0.50時(shí)，木材橫切面顯微圖像的紋理比較細(xì)膩、周期性大、清晰程度高、圖像整體色調(diào)的明暗深淺最強(qiáng)烈、含有最豐富的紋理信息。而且，胞壁率、壁腔比在這一范圍時(shí)，樹(shù)種樣

5、本數(shù)最多。 對(duì)所提取的特征參數(shù)進(jìn)行主成分分析，結(jié)果表明前七個(gè)主成分因子集中了32個(gè)變量的80％以上的信息，它們分別是圖像紋理對(duì)比度因子、導(dǎo)管(樹(shù)脂道)形態(tài)與尺寸因子、紋理周期性與復(fù)雜性因子、木纖維(管胞)細(xì)胞的幾何尺寸因子、導(dǎo)管(樹(shù)脂道)含量與分布因子、木纖維(管胞)細(xì)胞形態(tài)因子、木射線(xiàn)含量因子。同時(shí)結(jié)合變量間的相關(guān)分析，從32項(xiàng)特征中選取出了13項(xiàng)相對(duì)獨(dú)立、且對(duì)樹(shù)種識(shí)別具有實(shí)際意義的特征參數(shù)。 利用所選取出的反映木材橫

6、切面顯微圖像特征的13項(xiàng)參數(shù)，以最大相似原理建立了基于圖像特征參數(shù)的計(jì)算機(jī)樹(shù)種識(shí)別匹配算法，這種識(shí)別匹配算法是通過(guò)計(jì)算待識(shí)別樹(shù)種與已知樹(shù)種之間的相似系數(shù)來(lái)實(shí)現(xiàn)的，相似系數(shù)大表明兩個(gè)樹(shù)種間相似程度高。程序中運(yùn)用了最小差值參數(shù)判別法、樹(shù)種綜合特征閾值法、綜合加權(quán)相似法三種方式進(jìn)行相似系數(shù)的計(jì)算。其中最小差值參數(shù)判別法與樹(shù)種綜合特征閾值法是將每個(gè)特征參數(shù)對(duì)木材橫切面顯微圖像特征的貢獻(xiàn)率視為一致，只是樹(shù)種綜合特征閾值法是以閾值的大小來(lái)判斷特征間

7、的相似性，而綜合加權(quán)相似法是建立在對(duì)木材橫切面顯微圖像特征參數(shù)的主成分分析的基礎(chǔ)上，以每個(gè)特征參數(shù)的貢獻(xiàn)率大小為加權(quán)系數(shù)來(lái)計(jì)算兩個(gè)樹(shù)種間的相似系數(shù)。以相似系數(shù)計(jì)算為基礎(chǔ)的計(jì)算機(jī)樹(shù)種識(shí)別程序?qū)ξ粗獦?shù)種的識(shí)別并不是給出唯一的答案，而是將數(shù)據(jù)庫(kù)中的樹(shù)種按相似系數(shù)的大小進(jìn)行排序，并可通過(guò)程序界面的功能按鍵進(jìn)行逐一瀏覽，同時(shí)能在主界面上顯示樹(shù)種的宏觀(guān)、微觀(guān)特征和三切面顯微圖像，以便用戶(hù)進(jìn)一步直觀(guān)驗(yàn)證待識(shí)別樹(shù)種，提高了識(shí)別結(jié)果的準(zhǔn)確性。 通