论文部分内容阅读
本文通过对国内外的数字图像处理技术在木材科学中研究以及对不同的识别技术的发展状况的分析,试验研究了基于木材灰度共生矩阵(GLCM)的数字化图像处理的方法,探讨了基于木材灰度特征进行木材树种识别的可行性。不同树种的细胞类型、大小、排列、多少和壁腔比等都是不同的,这就导致了木材组织图像的灰度特征也不尽相同。在试验分析不同组织构造对木材灰度影响的基础上,针对灰度共生矩阵的特点,本文提取了木材横切面、弦切面上包括能量、熵、惯性矩、局部平稳性、相关等“纹理”特征(此“纹理”特征与木材纹理是两个不同的概念)。灰度共生矩阵参数由像素间距1到10进行讨论,结果表明像素间距越大,能量越小,熵越大,惯性矩越大,局部平稳性越小,相关越小。通过对不同像素间距的研究,找出了不同树种差异较大的像素间距。本文分析了针阔叶树材在“纹理”特征值上的变异性,讨论了不同类型阔叶树材在“纹理”特征值上的变异性,比较研究了不同树种间特征值间的差异,并据此建立了66个树种的木材灰度特征值的数据库。为了更好的研究木材“纹理”特征与木材组织构造的关系,本文对比研究了同种木材早晚材“纹理”特征值的差异性。通过二值化分析了木材的“胞壁率”、“壁腔比”,并分析了不同“胞壁率”、“壁腔比”的树种分布,通过比较表明阔叶树材的“胞壁率”较大。讨论了木材横切面上的“胞壁率”、“壁腔比”与木材“纹理”间参数的相关性。结果表明其相关性不大,说明了利用灰度来进行识别与传统的利用组织构造来识别有显著的不同。通过对木材数字图像“纹理”灰度特征的探讨,本文列举了图像识别的几种方法,本文利用最小差值法进行判别树种。根据所识别的木材的特征与数据库中的特征进行比较,得出最接近树种,并给出木材的横切面、径切面、弦切面三切面图,识别模块同时给出了木材宏观特征和微观特征等基本信息。本文均利用Visual C++对程序进行实现。经过运行,结果表明,此方法可行。