原木材积测量方法研究及安卓系统下的实现

摘要

原木材积测量是木材生产和加工的关键环节，随着科技的发展，对原木材积测量的准确性要求也越来越高。长期以来，原木材积测量基本都是采用人工检尺的方法，这种方法很容易受检测工作人员的工作态度和经验影响，而且效率低、周期长、准确性差、成本高，结果不够精确。为此本文分析等长成堆原木的特点，提出了基于计算机视觉的一种原木材积检测方法，并制作成软件在Android手机上实现。
　　在获取原木图像时，为了得到更清晰的原木边缘细节，需要近距离拍摄原木图像，但是近距离拍摄很难把成捆堆积的原木都摄入画面，所以本文采用近景拍摄多幅图片然后利用图像拼接技术得到全景的原木图像。本文提出一种改进的Harris算法进行角点检测，首先改变原来的梯度算子，从而提高算子的检测敏感度;采用一个新的角点响应函数，不需要人为设定参数;在图像拼接过程中通过归一化互相关匹配法对图像进行配准;利用随机抽样一致的方法剔除误匹配，实现图像无缝拼接。
　　针对传统Canny算法对噪声比较敏感，易于检测到伪边缘和漏掉真实边缘等缺点。本文提出基于Canny的改进边缘检测方法处理原木图像，利用自适应中值滤波进行去噪，避免了传统Canny算法高斯滤波参数和高低阈值的选择困难，以及出现缓变边缘丢失现象;引入八方向的梯度模板求边缘的幅值，可以有效的检测到更多的边缘细节;通过Otsu法确定高低阈值，避免了人为设定高低阈值的问题，最后将得到的边缘图像用形态学方法进行细化。得到原木Canny边缘检测结果后，利用改进的随机Hough变换方法识别图像中的原木，将识别出的原木利用标尺求出实际的面积，从而计算出原木的根数、尺径长和原木材积。
　　本文将提出的算法在Matlab平台测试，通过与传统的Canny边缘检测结果图像对比分析，证明本文提出的原木图像边缘检测处理算法可以有效的保留图像更多的边缘细节;并且抑制了假边缘或者与目标颜色特征相近区域的干扰，能够比较完整的提取出原木的边缘，为后面的随机Hough变换识别原木、计算原木参数打下了很好的基础，通过本文算法所得实验结果与实际原木材积结果的对比发现，本文算法测量所得的原木材积理论大小与实际检尺的结果相对误差在1.5％左右。
　　基于本文提出的改进Canny边缘检测算法和随机Hough变换算法在Android手机平台上实现了一个原木材积测量软件。软件的主要功能为原木图像采集、原木图像拼接、原木图像边缘检测、原木识别及原木参数测量。实现本文提出的原木材积测量方法的软件在Android手机上安装方便，操作简单。

目录

摘要

1 绪论

1．1 研究背景和意义

1．2 国内外研究现状及分析

1．3 课题研究内容

1．4 论文组织结构

2 原木图像预处理

2．1 原木图像分析及图像拼接

2．1．1 图像拼接算法流程

2．1．2 Harris角点检测

2．2 改进的Harris角点检测算法

2．2．1 采用NCC方法进行特征点匹配

2．2．2 RANSAC提纯及改进

2．2．3 图像的几何配准

2．2．4 图像融合

2．3 实验结果及分析

2．4 本章小结

3 基于改进Canny的原木图像边缘检测算法

3．1 原木图像分析

3．2．1 原木图像灰度化

3．2．2 常用分割算法

3．3 Canny边缘检测算法

3．4 改进Canny边缘检测算法

3．4．1 引入自适应中值滤波器去噪

3．4．2 梯度幅值计算的改进

3．4．3 Otsu方法计算阈值

3．4．4 数学形态学处理

3．5 实验结果及分析

3．6 本章小结

4 基于随机Hough变换的原木识别

4．1 类圆检测及应用

4．1．1 常用类圆识别方法

4．2 基于HOUGH变换的类圆识别

4．2．1 五点椭圆形检测方法及存在的问题

4．3 随机Hough变换的类圆识别

4．3．1 基于三点的Hough变换算法实现步骤

4．3．2 改进的随机三点Hough变换

4．4 原木材积测量

4．5 本章小结

5 Android平台原木参数测算系统软件的设计与实现

5．1 Android系统简介

5．1．1 软件的系统架构

5．1．2 程序的构成

5．2 图像采集的研究

5．2．1 系统相机功能

5．2．2 自定义相机的图像处理框架

5．3 原木材积测量软件难点分析

5．4 系统开发环境介绍

5．5．1 设计需求

5．5．2 数据流程

5．5．3 系统结构

5．6 原木参数测算软件的实现及界面展示

5．7 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢

声明