91学术服务平台

您好,欢迎来到91学术官网!站长邮箱:91xszz@sina.com

发布论文

论文咨询

探究年轮自动检测方法在木材CT断层图像中的使用

  2020-04-04    228  上传者:管理员

摘要:使用木材断层CT图像会出现裂纹、节子等结构,还存在灰度不均匀、年轮形状不规则及界限不明显、宽窄变化较大等特点,所以很难对年轮进行准确检测。依据上述问题,提出了一种基于均值漂移和Otsu算法的年轮自动检测方法,先是采用CT断层扫描技术获得木材的断层图像,即横切面图像,在木材年轮的识别与检测中使用;而后在克服木材CT图像中色彩不均匀现象,将图像转换为像素值在0~255之间的灰度图像,并将明暗度调节至适中位置;最后为了让断层图像更容易处理和分析,采用均值漂移算法和Otsu算法来提高年轮、裂纹、节子等不同结构特征的差异性,使年轮界限更加清晰,从而识别出年轮。通过验证得出此方法对于检测效率和年轮识别的准确性有很好地提升作用。

  • 关键词:
  • CT技术
  • 年轮识别
  • 木材
  • 自动检测方法
  • 加入收藏

树木是地球生态系统中的重要组成部分,其年轮可清晰反映生长地的环境条件和气候变化,因此研究树木年轮的疏、密、宽、窄及其形态特征具有重要意义[1]。传统的年轮检测方法通常是将树木伐倒,再观察其横切面年轮形态,或采用生长锥测定法,对树干进行钻孔取样,在仪器上读取年轮信息。以上方法均对树木造成了严重伤害,且费时费力,检测结果也不准确。目前,利用图像处理技术来获取木材年轮已成为研究热点[2],基于计算机视觉的CT断层扫描技术可以在不破坏树木的条件下,重建其横切面图像,为树木年轮自动检测提供一种开创性的技术手段[3-5]。由于树木内部结构复杂,年轮形态多变,导致CT断层图像的灰度不均匀,且容易产生环形伪影现象。因此,对木材CT断层图像中年轮的特征提取、准确分割和识别是树木年轮自动检测技术亟需解决的关键问题。

Cerda等[6]提出了一种自动年轮识别检测方法,有较好的抗干扰能力和容错性;MeenakshiSundari等[7]运用Canny方法,虽然方法复杂但取得了较好的检测效果;Norell[8]设计了一种年轮自动检测装置,由图像处理系统通过摄像头获取木材断层图像检测年轮;朱琪[9]在木材断层彩色图像分割过程中运用改进的区域生长算法,得到良好的年轮边缘图像;王燕凤[10]等利用双边滤波和改进的Canny算法对获取的断层图像进行增强,然后利用多数投票原则获得木材年轮,取得了较好的实验结果。本文以具有节子、裂纹等结构的小径级原木为研究对象,通过重建某一断层CT图像,将图像转换为像素值在0~255之间的灰度图像,并将明暗度调节至适中位置,采用均值漂移算法和Otsu算法提高年轮、裂纹、节子等不同结构特征的差异性,使年轮界限更加明显,并分析图像中的年轮圈数、年轮直径等,取得了较好的成果。


1、图像特征分析与CT图像获取


1.1 树木年轮图像特征分析

自然生长条件下,树木内部结构复杂。由于树种、树龄不同,树木年轮形态各异,多为不规则圆形或椭圆形,且心、边材年轮宽度变化较大。受树木生长环境影响,内部很有可能存在开裂、节子等结构。图1所示为树木横切面结构特征,这些结构使树木年轮自动识别和检测更加困难。其中,图1(a)为一树木较完整横切面图像,图像中年轮形状规则且容易辨别,心、边材界限清晰,除轻微砍伐痕迹外,无其他干扰结构特征;图1(b)的树木横切面结构清晰,与图1(a)相比,心、边材交界处有一节子将年轮截断为两部分,该特征对年轮自动识别和测量有一定影响;在图1(c)中可见多条细小裂纹由髓心位置向边材蔓延,成星辐射状分部于木材横切面,虽然年轮清晰可见,但由于裂纹干扰,计算机图像自动识别和测量较为困难;图1(d)中木材有轻微心裂现象,年轮界限不明显,通过计算机检测法识别年轮比较困难。图1中的4种树木横切面年轮结构相对简单,但由于木材的各向异性及复杂条件下的多变性,使得年轮会产生更多难以预测的形态特征,给计算机年轮自动检测技术带来新的挑战。

图1  树木横切面结构特征

1.2 断层图像获取

选择英国伟杰公司IXS160型扇形束X射线发射器和DS-LINXV3型平板等距检测器,构建一套木材年轮自动检测系统。经现场试验,设置射线源工作电压120kV,工作电流0.7mA,检测器接收信号积分时间5000μs,将木材试件置于射线源和检测器之间,通过采集试件各旋转角度下的投影数据,重建其横切面CT断层图像。图像保存格式为bmp,分辨率为1024×1024像素。


2、年轮检测与识别方法


木材断层CT图像存在裂纹、节子等结构,且灰度不均匀、年轮形状不规则及界限不明显、宽窄变化较大等特点,故难以对年轮进行准确检测。针对上述问题,本文提出一种基于均值漂移算法和Otsu算法的年轮自动检测方法,其流程如图2所示。为提高检测效率和年轮自动识别的准确性,首先采用CT断层扫描技术获得木材断层图像,即横切面图像,用于木材年轮的识别与检测;然后,为克服木材CT图像中色彩不均匀现象,将图像转换为像素值在0~255之间的灰度图像,并将明暗度调节至适中位置;最后,为使断层图像易于处理及分析,采用均值漂移算法和Otsu算法来提高年轮、裂纹、节子等不同结构特征的差异性,使年轮界限更加明显,进而识别出年轮。针对年轮通常为圆环形状的特点和定位的准确性,将旋转处理后的图像分割为若干区域,获取树木年轮数量、直径等数据,达到对木材年轮自动识别和检测的目的。

图2  树木年轮检测流程

2.1 图像灰度化、明暗调节与均值漂移

木材CT断层图像为RGB彩色图像,由红、绿和蓝三个独立通道的RGB三基色组成。分别用R(x,y)、G(x,y)、B(x,y)表示(x,y)像素处的红、绿、蓝三个分量,WR、WG、WB分别为红、绿、蓝分量的权值,其满足WR+WG+WB=1条件。为方便处理与分析,将CT图像转换成灰度图像。鉴于CT图像颜色敏感度要求较低,选取权值WR+WG+WB=1/3,即灰度化后图像(x,y)处灰度值f(x,y)可表示为:

f(x,y)=[R(x,y)+G(x,y)+B(x,y)]/3(1)

实验中,木材CT断层图像的年轮、裂纹和节子为目标区域,其他均视为背景部分。保持目标区域部分的亮度、边缘信息不变,将背景区域的颜色消除或变暗,进行明暗调节。

f(x,y)=f(x,y)+225*k(-1≤k≤1)(2)

采用均值漂移消除裂纹处的环形伪影噪声,具体公式如下。偏移均值:

Sh为以x为中心点,半径为h的高维球区域;k为包含在Sh范围内点的个数;xi为包含在Sh范围内的点。将中心点移动到偏移均值位置:

Mt为t状态下求得的偏移均值;xt为t状态下的中心。

核函数只是用来计算映射到高维空间之后内积的一种简便方法,目的是使低维的不可分数据变成高维的可分数据。利用核函数,可以忽略映射关系,直接在低维空间中完成计算。在均值漂移中引入核函数的概念,能够使计算中距离中心的点具有更大的权值,反映距离越短,权值越大的特性。改进的偏移均值为:

2.2 Otsu方法的最佳全局阀值处理

图2  树木年轮检测流程

2.2.1 计算各灰度级概率:假设一幅图像I由M×N个像素块构成,f(x,y)为图像(x,y)位置的灰度值。令{0,1,2,⋯,L-1}表示数字图像I中L个不同灰度级,ni表示灰度级为i的像素块数,则:

式中:MN为图像I的像素块总数;pi为第i级灰度出现概率。

2.2.2 计算每类发生的概率:在单一阀值条件下,选择一阀值t(k)=k,k∈[0,L-1],并将图像I中的像素按灰度级划分为背景C1和目标C2两类。C1由图像中的灰度级在范围[0,k]内的所有像素组成,出现概率为w1,对应的像素灰度值满足f(x,y)<t(k)。C2由灰度级在范围[k+1,L-1]内的所有像素组成,出现概率为w2,对应的像素灰度值满足f(x,y)≥t(k)。

2.2.3 计算平均灰度值:计算背景C1、目标C2和图像总平均灰度值,分别用λ1、λ2和λG表示为:

直至k级的累加均值用λ(k)表示为:


2.2.4 定义最大类间方差法的最佳阀值:为评价k级别处阀值“质量”,使用归一化无量纲矩阵η,在最佳阀值处计算归一化度量η(k*),用于得到类别可分性的定量估计,确定对图像阀值处理的方法。

式中:为全局方差,即图像中所有像素的灰度方差;为类间方差,是类之间的可分性度量。

已知是一个常数,η也是一个可分性度量。为可采用最大化类间方差越大,从而计算最佳阀值k*,在k=k*处得到可分性度量η*。


3、试验结果分析


选择具备多种结构特征的木材作为试验对象,选择的被检测试件如图3所示。木材试件同时含有节子、裂纹等结构,且年轮界限不清晰,肉眼条件下难以观察早晚材变化规律,无法获知其树龄。现以试件某一断层为研究对象,获取该断层各旋转角度下的投影数。数据采集条件为密闭空间内,基于投影坐标值快速算法重建试件CT断层图像,获取横切面图像中裂纹、节子、年轮等结构信息,且利用本方法对木材年轮自动检测和识别。

图3  被检测试件

实验结果如图4所示。其中,图4(a)为木材横切面CT图像,木材年轮、裂纹和节子等结构特征明显,图像灰度值较低,颜色较暗,裂纹处环形伪影噪声清晰可见,不利于木材结构的主观识别和计算机自动检测;图4(b)为明暗调节后的断层图像,此时图像灰度值较高,颜色较亮,裂纹处环形伪影噪声较弱,横切面图像显示木材早晚材易区分,年轮特征明显;图4(c)为均值漂移后图像结果,已很好地消除了裂纹处环形伪影噪声,且不规则圆形年轮轮廓比较凸显;图4(d)为Otsu算法的最佳全局阀值处理后的图像,处理后的木材横切面CT图像中只剩下明显的黑色区域和不规则的圆形线条,分别代表节子和年轮结构,其中年轮断裂处为开裂缺陷。由此可知,木材横切面CT图像经灰度值转换、明暗调节、均值漂移和最佳全局阀值处理后,生成二值化图像,可用于木材裂纹、节子和年轮等结构特征的自动识别和测量。

图4  实验结果


4、讨论与展望


本文通过CT断层扫描技术获得木材断层图像,基于均值漂移和Otsu算法提高年轮、裂纹、节子等不同结构特征的差异性,进而识别出木材年轮。通过实验结果验证,处理后的木材横切面CT图像中只剩下明显的黑色区域和不规则圆形线条,提高了检测效率和年轮识别的准确性,实验结果较好。


参考文献:

[1]杨新华,赵娟娟.基于多阈值分析法的树木年轮特征识别方法研究[J].江苏农业科学,2012,40(8):178-180.

[2]薛倩,杨银科.图像识别技术在树木年轮分析中的应用进展[J].中国农学通报,2015,31(1):24-29.

[3]葛浙东,侯晓鹏,鲁守银,等.基于反投影坐标快速算法的木材CT检测系统研究[J].农业机械学报,2016,47(3):335-341.

[4]葛浙东,侯晓鹏,李早芳,等.断层扫描技术在木材无损检测中的应用[J].木材工业,2016,30(3):49-52.

[5]戚玉涵,徐佳鹤,张星梅,等.基于扇形X射线束的立木CT成像系统[J].林业科学,2016,52(7):121-128.

[9]朱琪.改进的区域生长算法在彩色年轮图像分割中的应用[J].林业机械与木工设备,2012(3):28-31.

[10]王燕凤,冯海林,杜晓晨,等.一种对年轮图像双边滤波增强的树龄测量方法[J].林业工程学报,2017,2(5):109-114.


董义华,台流臣.木材CT断层图像中的年轮自动检测方法研究[J].林业机械与木工设备,2019,47(3):7-11.

基金项目:山东省自然科学基金项目“无电解电容高速永磁发电机整流系统能量耦合机理及稳定运行研究”(ZR2018BEE032).

分享:

91学术论文范文

相关论文

推荐期刊

网友评论

加载更多

我要评论

友情链接

机械
林业科学

期刊名称:林业科学

期刊人气:2919

期刊详情

主管单位:中国科学技术协会

主办单位:中国科学技术协会

出版地方:北京

专业分类:农业

国际刊号:1001-7488

国内刊号:11-1908/S

邮发代号:82-6

创刊时间:1955年

发行周期:月刊

期刊开本:大16开

见刊时间:一年半以上

论文导航

查看更多

相关期刊

热门论文

【91学术】(www.91xueshu.com)属于综合性学术交流平台,信息来自源互联网共享,如有版权协议请告知删除,ICP备案:冀ICP备19018493号

微信咨询

返回顶部

发布论文

上传文件

发布论文

上传文件

发布论文

您的论文已提交,我们会尽快联系您,请耐心等待!

知 道 了

登录

点击换一张
点击换一张
已经有账号?立即登录
已经有账号?立即登录

找回密码

找回密码

你的密码已发送到您的邮箱,请查看!

确 定