基于显微构造图像木材识别技术研究——基于导管特征的木材图像识别技术研究

摘要

木材识别经历了从宏观到微观识别的发展过程。宏观识别方法在生产实践中应用价值很大,但准确度较差,仅能鉴别属、类或者常见树种；微观识别用于宏观识别上难以识别的树种,准确度较高,但是需要丰富的木材知识,只有木材专家才能掌握,难以普及和广泛应用。 为此,本论文拟基于木材显微构造图像,应用图像处理和模式识别技术探索一种新的智能木材识别方法。因为导管特征是阔叶材的最重要的识别特征之一,本文尝试仅仅利用导管的特征来识别树种。首先基于灰度形态学运算进行导管分割,并进行量化分析,研究发现不同的树种管孔有不同量化区间,从而可实现三类管孔式的自动分类,并揭示了通过特征量化实现单一特征木材识别的可能性。

目录

文摘

英文文摘

声明

1绪论

1.1研究背景

1.2木材识别的主要方法

1.2.1传统木材识别方法

1.2.2基于数据库的木材检索识别方法

1.2.3微机图像处理识别法

1.3图像处理技术在木材识别上的应用

1.4研究思路

1.5本文的主要工作

1.6本文组织结构

2本文的理论基础

2.1木材的识别特征

2.1.1木材的主要特征

2.1.2木材的次要特征

2.2图像处理技术

2.2.1图像增强和图像分割

2.2.2数字图像处理的基本步骤

2.2.3图像处理系统的部件

2.3模式识别

2.3.1模式和模式识别

2.3.2模式识别系统

2.3.3模式识别方法

3研究平台

3.1数据获取平台

3.1.1仪器设备及试剂

3.1.2木材标本的选取和制作

3.1.3切片制作

3.1.4图像获取

3.2数据处理平台

4基于显微结构图像的导管分割

4.1基于RGB向量空间的导管分割

4.1.1 RGB彩色模型

4.1.2彩色图像处理

4.1.3彩色变换

4.1.4 RGB向量空间中的图像分割

4.2基于形态学的导管分割

4.2.1数学形态学

4.2.2形态学的基本运算

4.2.3形态学结构元素的选取

4.2.4基于形态学的去噪处理

4.2.5基于形态学的边缘增强

4.2.6二值化

5导管特征量化分析

5.1标注连接分量

5.2边界的表示方法

5.2.1链码

5.2.2边界线段

5.3区域的形状表示与描绘

5.4计算各个导管的面积

5.5对各个导管的面积进行分析

5.6基于量化管孔式的试验结果

6管孔特征提取分析系统

6.1主界面

6.2程序设计基本流程

7总结与展望

7.1总结

7.2今后工作的展望

参考文献

致谢

硕士期间发表的论文