基于灰度共生矩阵与SOM神经网络的树皮纹理特征识别

摘要

纹理作为树皮表面的一种天然属性，可作为区分不同树种的一个重要依据。部分树种的树皮（如黄檗、水曲柳等）具有珍贵的药用价值，林业工作者通过环剥再生技术采集树皮，在保证经济需要的同时有效地保护了林木。但林木树皮纹理相近且不易区分，同时,采集现场环境恶劣，受光照等干扰因素，手工采集不仅识别效率低，而且对林业工作者专业素质要求较高，采集的结果不理想，并且造成了巨大的人力资源浪费。因此，如何高效的实现树种识别显得至关重要。
　　研究应用了图像处理技术和模式识别理论，对树皮表皮纹理图像进行分析和特征提取，构建SOM神经网络模型，对树种进行有效识别。首先，采集“东北三大硬木”水曲柳、黄檗、胡桃楸林木树皮表皮图像各300幅，合计900幅图像，对每幅图像分别进行ROI（感兴趣区域）截取、直方图均衡，由此获得确定区域、对比度强、特征值明显的图像。然后，分析处理后图像的灰度共生矩阵特征参数随其3个构造因子（生成步长、图像灰度级和生成方向）的变化规律，并结合林木树皮表皮纹理的变化规律、差值最大化原理、程序运行最优时间选择以及旋转不变性等原理，应用控制变量法，反复尝试，最终确立了适合描述林木树皮表皮纹理的灰度共生矩阵构造方法,确定构造因子d=2；g=128；θ=0°，45°，90°，135°。
　　在获取灰度共生矩阵的12个纹理特征参数的基础上，将其依次对应树种编号为W1-W12；建立树皮纹理特征存储GUI界面，有效保存树皮纹理信息的12个特征值数据。对3种林木树皮表皮纹理的12个特征值分别进行数字特征分析，分析筛选出8个特征值：角二阶矩、熵、和熵、相关性、均值和、方差、最大概率和惯性矩。选取其中6个特征值作为SOM神经网络输入特征向量，对树种进行识别，识别率为83.33%。结果表明该方法比传统方法更加准确、便捷、高效，可以帮助林业工作者利用图像处理技术自动区分3种林木。

目录

1绪论

1.1论文研究的目的和意义

1.2树种识别的研究现状与进展

1.3树皮的利用价值

1.4数字图像处理及其在木材科学领域的应用

1.5灰度共生矩阵理论及其应用

1.6自组织神经网络理论及其应用

1.7本文的主要研究内容与技术路线

2树皮表皮图像纹理分析

2.1纹理的概述及应用

2.2纹理图像描述的方法

2.3几种树皮表皮图像纹理特征

2.4本章小结

3树皮表皮纹理图像处理

3.1树皮表皮纹理图像数字化

3.2树皮表皮纹理图像获取

3.3树皮表皮纹理图像ROI截取

3.4树皮表皮纹理图像增强

3.5本章小结

4 树皮表皮纹理图像灰度共生矩阵特征参数的获取

4.1灰度共生矩阵

4.2表征树皮表皮纹理图像灰度共生矩阵构造因子的确定

4.3树皮表皮纹理图像灰度共生矩阵的数字特征分析

4.4本章小结

5树皮表皮纹理图像SOM神经网络特征参数的识别

5.1 SOM神经网络

5.2 SOM神经网络学习算法

5.3 SOM神经网络的识别仿真实验

5.4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