（森林经理学专业论文）树木年轮自动识别与提取.pdf

摘要 从树木生长年轮的变化中，我们可以了解树木历年的生长、培育情况，并且通过对树 木年轮的研究，有助于我们了解当时当地气候变化、环境污染等情况。 在以往的研究中，对树木年轮的研究主要集中在对年轮宽度、年轮密度等几个指标的 量测与分析上。传统的年轮分析方法都是依据人眼对年轮进行识别，再通过量测工具获取 年轮宽度数据。这种依靠人工操作读取年轮宽度的方法不仅效率低，而且： 作繁琐、费时 费力。更重要的是在判读年轮、量测年轮宽度时，由于年轮边缘延伸的不规则变化可能会 给测量结果带来随机波动的影响，而且人眼的观测误差和疲劳错误会进一步降低实际测量 的精度。上面这些因素都成为了将大量采集样本转换成分析数据的瓶颈。 近几年，随着计算机技术的飞跃发展，信息化技术正在改变着传统林业的研究方式， 特别是计算机图像处理技术的发展和应用，使得设计出一套自动识别定标树木年轮的系统 成为了可能。目前世界上较成熟的年轮分析系统主要是加拿大r e g e n t 公司的 w i n d e n d r o 和德国f r a n k r i n n 公司的l i n t a b ，本文的研究正是基于w i n d e n d r o 年轮 分析系统对多种类型的年轮图像进行了自动识别测量。研究实验表明，系统所提供的年轮 分析功能对于理想图像样本识别效率高，而实际应用中年轮图像可能存在着色调变化不均 匀、树脂道斑、打磨痕迹等于扰信息，系统识别的效果很不理想。针对以上情况，本文探 讨了利用计算机图像处理的几种方法，对实际采集的年轮图像进行直方图修改、平滑滤波、 ：二值化处理等处理，使处理后的图像在应用到w i n d e n d r o 分析系统时，能快速准确的计 算出年轮个数、宽度值等参数，为后续树木生长分析提供精确的数据，解决人工操作费时 费力和错漏等问题。同时，本文还探讨了利用图像分割、数学形态学等方法，对树木年轮 进行边缘提取。通过本文所作的研究，希望能推动树木年轮分析方法的进步，为数字化林 业提供高效、精确的数据源。 关键词：计算机自动识别边缘提取年轮图像w i n d e n d r o 年轮分析系统 c o m p u t e r a u t o m a t i cd i s c r i m i n a t i o na n d e x t r a c t i o no f t r e e r i n g a b s t r a c t f r o mt h ec h a n g eo ft h ea r b o r e a lg r o w t ha n n u a lr i n g ，w em a yu n d e r s t a n dt r e e sa l lp r e v i o u s y e a r st h eg r o w t h ，t h ec u l t i v a t i o ns i t u a t i o n , a n d 谢t 1 1t h er e s e a r c ho nt r e er i n g ，w eg e t t h es i t u a t i o n o fc l i m a t i cc h a n g ea n de n v i r o n m e n t a lp o l l u t i o n p r e s e n t l yr e s e a r c hm a i n l yc o n c e n t r a t e so nt h et r e er i n gi nt h ea n n u a lr i n gw i d t h ，t h ea n n u a l r i n gd e n s i t y ，e t c t r a d i t i o n a la n n u a lr i n ga n a l y s i sm e t h o dr e s t so nt h eh u m a ne y et ot h ea n n u a l r i n gr e c o g n i t i o n ，w i t ht h ea i do fi nm e a s u r i n gt o o l st og e ta n n u a lr i n gw i d t hd a t a t h i sm e t h o d b r i n g sl o we f f i c i e n c y ，p r o c e s s i n gm e t h o dt e d i o u s ，t i m e c o n s u m i n ga n dh a r ds l e d d i n g a n dw h e n i n t e r p r e ta n n u a lr i n g ，g a u g i n ga n n u a lr i n gw i d t h ，b e c a u s et h ea n n u a lr i n ge d g ee x t e n d se a c hk i l l d o fi r r e g u l a rc h a n g eb r i n g st h es t o c h a s t i cu n d u l a t i o ni n f l u e n c ef o rt h em e a s u r i n gt e c h n i q u e ，a n d t h eh u m a ne y eo b s e r v a t i o ne r r o ra n dw e a r yw r o n ga l s oc a nr e d u c et h ea c t u a lm e a s u r i n ga c c u r a c y g r e a t l y ，a l lo fw h i c hr e s t r i c t e dt h ed e v e l o p m e n to ff a s tt r a n s f o r m a t i o na n a l y s i sd a t ao nm a s s i v e s a m p l ew i t hh i g he f f e c t i v e w i t ht h el e a pd e v e l o p m e n tc o m p u t e rp r o c e s s i n gt e c h n o l o g y ，i n f o t e c hi sc h a n g i n gt h e t r a d i t i o n a lf o r e s t r yr e s e a r c hm e t h o d ，w h i c hm a k e si tp o s s i b l et od e s i g nas e to fa u t o m a t i c r e c o g n i t i o nc a l i b r a t i o ns y s t e mo nt r e er i n g a tp r e s e n t ，t h em o s ta d v a n c e da n n u a lr i n ga n a l y s i s s y s t e m si n c l u d ec a n a d a sl i n t a bt r e er i n ga n a l y s i ss y s t e ma n dw i n d e n d r oa n n u a lr i n g a n a l y s i ss y s t e m ，e t c b a s e do nw i n d e n d r oa n n u a lr i n ga n a l y z e r ，a n dc a r r i e so na u t o m a t i cr e c o g n i t i o ns u r v e y t os e v e r a lk i n do ft y p ea n n u a lr i n gi m a g e s t h er e s e a r c he x p e r i m e n ti n d i c a t e d ，t h es y s t e m p r o v i d e st h ea n n u a lr i n ga n a l y s i st h n c t i o ni sh i g hr e g a r d i n gt h ei d e a li m a g es a m p l er e c o g n i t i o n e f f i c i e n c y ，b u ti np r a c t i c a la p p l i c a t i o n ，b e c a u s et h ea n n u a lr i n gi m a g eo r i g i n a t e sv a r i o u s ，i nt h e a n n u a lr i n gi m a g ep o s s i b l yh a st h et o n et oc h a n g e ，r e s i np a s s a g es p o t ，p o l i s ht r a c ea n ds oo n d i s t u r b a n c ei n f o r m a t i o n sn o n u n i f o r m t h es y s t e mr e c o g n i t i o ne f f e c ti sn o tv e r yi d e a l i nv i e wo fa b o v ec o n d i t i o n ，t h i sa r t i c l ec a r r i e so nt h es m o o t hn o i s er e d u c t i o nt ot h ea c t u a l g a t h e r e da n n u a lr i n gi m a g ew i t ht h eu s eo fc o m p u t e ri m a g e r yp r o c e s s i n gm e t h o d w i t ht h e a p p l i c a t i o no f w i n d e n d r oa n n u a lr i n ga n a l y s i ss y s t e m ，u s e r sc a nq u i c k l yg e tt h ea c c u r a t ed a t a o fc o m p u t a t i o na n n u a lr i n gn u m b e ra n dt h ew i d t hv a u e ，w h i c hw i l lp r o v i d ea c c u r a t ed a t af o rt h e f o l l o w i n ga r b o r e a lg r o w t ha n a l y s i s ，a n dt os o l v et h ep r o b l e mo fm a n u a lc o n t r o lt i m e c o n s u m i n g h a r ds l e d d i n ga n de r r o r sa n do m i s s i o n s m e a n w h i l e ，t h r o u g hm e t h o d so fi m a g ed i v i s i o n ，m a t h e m a t i c sm o r p h o l o g y ，t h i sa r t i c l ea l s o a t t e m p t st oc a r r yo nt h ea u t o m a t i cr e c o g n i t i o na n dt h ee x t r a c t i o n t ot h ea n n u a lr i n ge d g e ，w h i c h w i l lc e r t a i n l yi m p r o v et h et r e er i n ga n a l y s i sm e t h o d ，t op r o v i d eh i g he f f e c t i v ea n dp r e c i s ed a t a p o o lf o rt h ed i g f f i z e df o r e s t r y k e y w o r d s ：c o m p u t e ra u t o m a t i cr e c o g n i t i o n ，e d g ee x t r a c t i o n ，a n n u a lr i n gi m a g e ， w i n d e n d r oi m a g ea n a l y s i ss y s t e m 本学位论文知识产权声明 本学位论文是在导师( 指导小组) 的指导下，由本人独立完成。 文中所引用他人的研究成果均已注明出处。对本论文研究有所帮助的 人士在致谢中均已说明。 基于本学位论文研究所获得的研究成果的知识产权属于南京林 业大学。对本学位论文，南京林业大学有权进行交流、公开和使用。 研究一：塌舅猪、 导师签名：同扔旧 噍少7 奸善日1 7 国 致谢 在毕业论文即将完稿之际，我首先要感谢我的导师周春国副教授在论文选 题、撰写及修改过程中给予的无私帮助和付出的艰辛劳动。周老师以自己渊博深 厚的学术功底、高超的专业技术水平、敏锐的思维、实事求是的科学态度和孜孜 不倦、忘我工作的精神和丰富的实践经验指导、帮助我，使我能在完成课题的过 程中不断克服各种困难，取得学业上的进步。他严谨、务实、创新的治学态度和 无私的奉献精神给我增添了无穷的信心和勇气，并且不断地激励和鞭策着我。最 后，谨向我的导师致以崇高的敬意和由衷的感谢。 同时，感谢森林经理组余光辉教授、彭世揆教授、温小荣博士、李明诗博士 和其他老师给予我的大力支持和帮助。特别感谢南京植物研究所汤世杰博士在本 研究的样本采集过程中给予的无私帮助。 在本课题研究期间得到了李卫正、李淑娟、何柏华等同学的帮助与大力支持， 在此表示感谢。也感谢森林经理学教研室的其他各位同学，他们曾给我的学习和 生活提供了许多帮助，也给我带来了许多快乐，在此一并感谢。同时，感谢我的 同窗舍友张燕飞、许蕾、徐晔晗在学习和生活中给予的巨大帮助。 最后，谨以此文献给爱着我的、并我之深爱的家人。 胡晓荣 2 0 0 7 年4 月 第一章绪论 “数字地球”、“数字林业”现在已经不再是陌生的名词。在林业资源的生产管理中， 用信息化技术来改变传统林业的生产管理模式已经是一种必然的趋势，它为实现数字林业 打下基础。这种信息化技术是随着计算机技术、计算机图像处理技术、网络技术等的发展 而发展起来的，特别是计算机图像处理技术的发展。2 0 世纪6 0 年代以来，大规模集成电 路技术和计算机技术及其相关硬件迅猛发展，编程语言的图示功能日益强大，离散数学理 论的创立和完善，以及军事、医学和工业等方面应用需求的不断增长，数字图像处理的理 论和方法进一步完善，使得数字图像处理技术在宇宙探测、遥感、生物医学、工农业生产、 军事、公安、办公自动化、视频和多媒体系统等领域得到了广泛应用，并显示出广阔的应 用前景，成为计算机科学、信息科学、生物学、医学等学科研究的热点。 本文所要研究的正是利用计算机图像处理技术对树木年轮图像进行自动识别与提取 方法的探测。 1 1研究课题目的及意义 树木的生长历史都记载在它的生长轮中，从树木生长轮的变化中，我们可以了解到树 木历年的生长情况、抚育管理措施等信息。而且树木年轮还发挥着史前地震的见证人；古 代火山的记录表；气候变化的旁证；环境污染的监测仪等作用，因此对树木年轮的研究有 着重大的意义。 目前，对于树木年轮的研究主要是年轮宽度、年轮密度和反射亮度等几种年轮指标的 量测与分析。我们知道树木年轮多为环状的圆形或椭圆形，当目标在图像中形状规则且圆 环互相分离、边界清晰时，利用其几何性质很容易判断其年轮个数及年轮宽度。但实际获 取的圆盘中多为不规则的类圆环形，或者圆环模糊不清，且有部分重叠或者伪年轮等影响， 这就给年轮的识别带来了困难，加之传统年轮分析方法依靠人工操作读取年轮宽度，效率 低、处理方法繁琐、费时费力。并且在判读年轮、量测年轮宽度时，由于年轮边缘延伸的 各种不规则变化给测量方法带来随机波动影响，人眼的观测误差和疲劳错误也会大大降低 实际测量精度，这些都成为将大量采集样本转换成分析数据的瓶颈。 随着计算机处理技术的飞跃发展，使得设计出套自动识别定标树木年轮的系统成为 可能，将计算机图像处理和分析技术融入到树木年轮的自动识别研究中就有着非常重要的 意义。而且一些新技术手段的采用也给树木年轮的研究方法和分析内容带来了深刻的变 化。但目前对于年轮图像的自动识别和提取的研究还不是很多，用于年轮分析的仪器主要 有生长锥，树木年轮分析系统，如加拿大r e g e n t 公司的w i n d e n d r o 和德国f r a n kr i n n 公司的l i n t a b 。 本文研究的目的就是试图利用计算机图像处理技术，对获得的树木年轮图像进行加工 处理，使得处理后的图像能为w i n d e n d r o 年轮分析系统所用，为后续的树干解析提供 精确的数据，从而解决人工操作中费时、费力和错漏等问题。 研究重点是对树木年轮图像的分布特征和噪声变化进行统计分析，通过对年轮图像进 行平滑降噪等处理，并将处理后获得的年轮图像应用到w i n d e n d r o 年轮分析系统中， 快速准确的计算出年轮的个数和宽度值。 1 2计算机图像处理技术研究现状 1 2 1 数字图像研究现状 图像处理就是对图像信息进行加工处理，以满足人的视觉心理或实际应用的要求。数 字图像处理也称计算机图像处理，就是将图像信号转换成数字格式并利用计算机进行处理 的过程。早在2 0 世纪6 0 年代，美国喷气推进实验室( j e tp r o p u l s i o nl a b o r a t o r y ) 就利用计 算机对太空船发回的月球图像信息进行处理，并取得了明显的效果“1 。数字图像处理技术 涉及数学、计算机科学、模式识别、信息论等多种学科，包含的内容十分丰富，例如图像 获取、图像编码压缩、图像存储与传输、图像变换、图像增强、图像复原与重建、图像分 割、目标检测、图像分类与识别、图像理解等等技术。在本次论文研究中，要对树木年轮 图像进行识别与提取，就要对获得的图像信息进行图像处理，以滤去树轮样本的噪声干扰， 增强年轮信息，以便能提供一个满足一定要求并可以进行人、机分析的图像。在本文中主 要涉及的图像处理主要包括有：图像变换、图像增强、边缘检测、图像分割等。 图像变换就是对原始图像执行某种正交变换，将图像的某些特征在变换域中表现出 来，在变换域中对图像进行各种相关处理。例如，在木材解剖特征的研究中，利用木材横 切面排列的规律性和周期性，应用傅立叶变换得到快速傅立叶( f f t ) 图谱，就可以将这些 周期性的特征量化提取出来，便于定量的比较、识别和分类”1 。张永忠“利用h o u g h 变化 对物体边缘进行精确定位和提取，并对算法进行改进，采用两次检测法，实验表明，该法 能较好的提高检测精度，节约检测时间。 图像增强主要是突出图像中感兴趣的信息，衰减或去除不需要的信息，从而使有用的 信息得到增强，便于目标区分。图像增强的主要方法有直方图增强、空域增强、频域增强、 等。在这方面，很多学者都做了大量的研究。 江巨浪。1 提出一种新的局部直方图均衡算法，以子块部分重叠的局部直方图算法为基 础，改进其对子块图像的均衡方式，在增强图像局部细节的同时又能保持输入图像的亮度。 陈北京“”利用累积指数变化的m r 图像增强算法，利用多阈值分割统计灰度均值和 方差，然后构造各区域的累积指数非线性变换，使得图像在视觉上增强了图像对比度，加 强目标的细节，同时还能去除部分噪声。 文武“”提出了一种保信去噪的方法，在均值去噪的基础上，对所求的均值求导，判断 其均差来确定该点的像素值。这种方法有效的克服了均值去噪中图像的边缘模糊的缺点， 具有较好的鲁棒性。 张淑娟“”利用分段线性拉伸法对高分辨率遥感图像中的阴影区图像进行增强处理，将 图像亮度划分为高、中、低三个亮度区，将直线分段拉伸，提高了图像的解译能力。 张东衡“7 在处理低反差、大噪声的图像时，将图像经过非线性滤波后根据分数布朗随 机场模型，从灰度空间变换到分形参数空间，以归一化后的像素分形维数加权值对图像进 行分形增强。这种方法可以突显灰度差别不大的目标边缘等重要信息。 还有大量研究者将数学形态学应用到图像增强中来。j g o u t s i a s 和h h e i j m a n s 嘲1 基 于布尔逻辑和布尔函数将柔性形态学和调节形态学算子统一起来，研究出一种二值形态学 算子，揭示出膨胀和腐蚀之间噪声的变化趋势，在含有噪声图像的增强处理方面效果较好。 陈延梅“”基于模糊逻辑将二值形态学分级算子推广到灰度图像，将灰度形态学膨胀和腐蚀 作为两种极端处理，显示两者之间的数值插值过程，探讨了形态学中值算子和图像中值滤 波算子之问的联系，对含有椒盐噪声的图像增强取得了很好的效果。 此外还有很多的方法在图像的增强方面都取得了不错的效果。如，基于鲁棒估计的 r e t i n e x 方法“”；非线性逆扩散图像增强算法叫1 ；基于粗糙集理论，分离出噪声点和非噪 声点然后对噪声点中值滤波，通过粗近似精度和方向模板检测边缘的连续性和方向，以具 有最大粗近似精度的灰度均值取代中心像素点灰度，该方法比传统空域和频域方法具有更 好的噪声适应性等等。 图像分析主要使对图像中感兴趣的目标进行检测和测量，以获取所需要的客观信息。 通常可通过图像的边缘检测、区域分割、特征抽取等手段来实现。长期以来，对于图像中 边缘的检测，真假，有无一直世人们研究的重点，除了常用的局部算子以及种种改进的方 法之外，也提出了很多新的技术，突出的有拉普拉斯一高斯检测( l o g ) ；用f a c e t 模型检 测边缘；c a n n y 的最佳检测边缘；统计滤波检测以及随断层扫描技术兴起的三维边缘检测 等等。近几年来，也有不少学者将模糊数学、分形学以及小波分析等方法引入到图像处理 中，提出了以模糊理论为基础的图像分割方法；基于分形模型的人造目标检测技术1 ； 应用小波变换的多尺度边缘检测和阈值选取方法o a 等等。 孙伟”1 提出了一种基于标准梯度的红外图像模糊边缘检测算法，将图像中潜在的边缘 区域区分出来，然后引入模糊最小误差阂值算法，根据此算法自适应提取标准差梯度图像 中的最优阈值，从而实现红外图像的目标边缘检测。 王文宁”3 利用灰度直方图的直观特征，把直方图的峰点作为分岭，相邻峰值点和两者 之间的谷点组成一个水域，从最低谷点向上升高水位，找出水量最大的几个水域，以其中 这几个水域的谷底作为分割阈值的谷点，所采用水域的储水量自适应的确定，自动选取阈 值。这种方法过程简单，提取阈值准确，有利于分割图像。 图像识别是数字图像研究的重点，而且也是目前数字图像研究的方向，大致可以分为 统计识别、句法( 结构) 识别和模糊识别。统计识别侧重于图像的特征，可以用b a y e s 分类器、人工神经网络等来实现；句法识别侧重于图像模式的结构，可以通过句法分析或 对应的自动机来实现；而模糊识别则主要是将模糊数学方法引入图像识别，简化识别系统 结构，关于图像识别将在下节作详细的介绍。 3 1 2 2 计算机自动识别技术研究现状 计算机自动识别是在计算机技术、光电技术、通信技术与信息技术的支持下问世的， 包括条码技术、射频技术、生物特征识别、磁卡智能卡识别、图像识别等。自动识别技术 大大提高了工作效率，同时也大大提高了管理工作的科学化和技术系统的现代化。 图像识别技术也称模式识别，它是在图像分割的基础上，对每个分割的部分找出它的 形状及纹理等特征，即特征提取，最终对图像做出描述和解释。 模式识别研究的对象基本上可以概括为两类：一类是直觉形象的如图片、图案、文字 等等，一类是无直觉形象而只有数据或信号波形的如语言、声音、心电脉冲、地震波等等。 但无论是哪类，对模式识别来说都是除掉它们的物理内容找出它们的共性，把具有同一共 性的归为一类，有另种共性者归为另一类。它研究的目的就是构造一个自动处理某些信 息的机器系统，以代替入完成分类和辨识的任务。 一个图像识别系统可分为三个主要部分：( 1 ) 图像信息的获取；( 2 ) 信息的加工和处 理，提取特征；( 3 ) 判断和分类。是由图像处理部分以及图像识别和图像理解三部分组成 一个完整的信息系统。系统模型可表示为图1 - 1 所示。 自5 0 年代末期至今，模式识别技术已经得到了迅速的发展和广泛的应用。用计算机 进行模式识别就是研究让计算机处理哪些信息和怎样处理这些信息，现在已经应用到很多 的领域。如，根据气象观测数据或气象卫星拍摄的照片预报天气状况；机械加工中零部件 的识别、分类；在高能物理实验中识别粒子径迹；从遥感图片中区别出农作物、湖泊、森 林等；可以是引导小车中的路径识别；交通管制、识别违章行驶的汽车牌照；银行的支票 识别、身份识别；在医疗诊断中从x 射线照片中发现病灶，医学图像中癌细胞的识别等 等。模式识别的技术手段也在不断的提高。 徐晓燕。”结合传统种子识别的原则，提出了一种使用b p 人工神经网络用于实现低分 辨率图像中肿块种子区域检测的新方法，利用权值判别规则实现由低到高的边缘描绘细化 的生长算法。 黄宏华1 利用数学形态学的方法根据微粒子图像的形状特征检测出微粒子区域，实现 微粒子和背景的分割，然后进一步运用基于遗传算法的b p 网络进行识别和分类，取得了 较好的实验结果。 熊宇虹”1 提出了一种基于多特征和神经网络的光谱识别方法，这种方法在具有非线性 映射、鲁棒性和容错性等优点的同时能在一定程度上减小网络规模，从而避免随着网络规 模的扩大产生的一些固有的缺点。 范生宏。”采用c a n n y 算子对带有圆形人工标志的数字图像进行边缘分割，再通过模 式识别方法、最小二乘拟合方法计算人工标志中心。解决了标志识别率低的问题，精度可 达到亚像素级满足高精度计算机视觉测量的要求。 此外在算法的研究上也有新的突破，李同喜。”提出了一种基于遗传算法的自动求解算 法，该算法采用基元模式识别方法识别原有的以图像形式存储的模型，在适应度函数中引 入形象度和抽象度的标准并辅以人机交互的方式来判别算法运行过程中产生的个体。极大 4 的提高了算法的性能。 ；一一一一一一一一一一一一一一一一一一 i 被识别信息卜_一鳘塑h 预处理 i 采集获取il t 特征提取与选择 1 分类决策 l 识别信息l- i 已识别信息 l 一一一一一一一一一一一一一一一一一一 图1 - 1 系统模型 1 3树木年轮图像研究现状 1 3 1 树木年轮研究动态 无论是针叶材还是阔叶材的横切面，都有许多围绕髓心明暗交替的同心圆木纹，这些 环状的轮纹在学术上称之为生长轮。生长轮的形成是由于季节等外界环境变化造成木质部 的不均匀生长，从而在木质部的横断面显出环形纹理。每一生长轮由内外两部分木质组成。 在每年生长季节初期形成的靠近髓心部分的术质，细胞分裂速度快，形成细胞壁薄，体积 大、材色浅、材质松软，被称为早材或春材。生长季节后期形成靠近树皮部分的木质，由 于细胞腔小壁厚，致使材质致密坚硬，材色深，被称为晚材或夏材。早材及晚材的区分， 仅适用于生长在温带气候的木材。多数树种早材到晚材渐变，也有骤变的，如落叶松。针 叶材年轮中，早晚材的差别比阔叶材明显，所以针叶材的年轮也比较明显。 温带和寒带树木在一年里随着四季气候的变化，一年仅有一度生长。春天开始活动， 秋末冬初结束，每年只形成一圈木质层，因此生长轮和年龄是一致的。1 9 9 0 年天文学家 a e 道格拉斯就发现数出树木从外缘到中心的年轮，也就能数出树木所经历的年代，故生 长轮又称为年轮。但在热带和亚热带地区，一年间的气候变化很小，四季不分，树木在四 季几乎不间断地生长，仅与雨季和旱季的交替有关，一年中可形成几圈木质层，故不能称 生长轮为年轮。或者树木在生长季节内，由于受到病虫害、霜、雹，火灾、干旱、气候突 变等的影响，正常生长受到阻碍，生长中断，经过一段时间后又重新开始生长，从而形成 双轮或复轮，这样的生长轮也不等于年轮，而称之为假年轮。假年轮的界线不像正常年轮 那样明显，往往也不成完整的圆圈，有时会慢慢消失在真年轮之中。杉木、柏木、马尾松 等常出现假年轮。 树木年轮不仅记录了树木自身的年龄，同时也记载着树木生长过程中所经历的气候和 环境变化过程。特别是千年古树的年轮，不仅可以推测古树名木的年龄，还可以掌握古树 名木历年年轮宽度，重建当地的历史气候。早在五百年前，里奥纳多达芬奇就观测到 树木年轮宽度与降水量间有直接的关系。 因为年轮的化学组成和物理特征受光照、气温、温度、营养状况、大气等环境因素影 响，树木在年轮形成过程中可通过其宽度、密度、同位素等变化记录过去气候和环境变化 的信息，因此它对考古学、环境学、气象学都有很高的研究价值。目前，年轮科学也不断 的与其他学科融合，逐步渗入到气候学、生态学、水文学、环境学等中去，形成了年轮气 候学、年轮生态学、年轮水文学、年轮环境学。如年轮气候学中利用温度、降水量、湿润 指数、干旱灾害重建气候特征；利用稳定c 同位素研究气候变化；气候异地重建等。年轮 生态学里研究气候变化对树木生长量影响：气候变化对种群生产力的影响等。年轮水文学 可以利用树木年轮特征重建年径流量场。年轮环境学里利用硫酸钡比浊法、等离子原子发 射光谱仪等检测大气污染变化。 我国很多学者在这些方面做了不少的研究工作，如，余清珠“3 以渭北黄土残塬面北 京杨为对象，进行胸高年轮宽度与气候因子相关性分析表明降雨量与年轮宽度呈正相关。 董雅文o ”等运用谱分析，对南京栖霞山地区黑松和马尾松年轮的p b 、z n 含量与降水量时 间演变的规律性进行了研究。陈永厚通过对典型灾害发生区的树木年轮采样，建立标准 化年轮指数年表，分析了年轮表的变化与生态灾害的关系，计算出旱涝等变化周期。 这些研究都是试图找出树木年轮和气候、环境等存在的内在关系，从而反演之前环境 气候状况。 1 3 2 树木年轮图像识别技术研究现状 对于树木年轮图像特征的研究，目前国内外主要集中在对几个年轮指标的量测和分析 上。轮宽分析是一种最为常用的方法，通常是依据人眼对年轮的识别，再借助于量测工具 获取年轮宽度数据。此外，也可以采用钻机取样、显微镜辨别、x 光密度计等方法辨别年 轮宽度。在对树木年轮的自动识别与处理方面，国内外很多学者也进行了长时间、多方法 的尝试，如在原木缺陷方面，特别是原木的无破坏性探测，很多学者借助c t 扫描图像进 行分析。上世纪8 0 年代，f u n t 和b r y a n t ”1 曾设计了一套算法，利用二维图像解释技术区 分无节材、背景、节子、腐朽、虫眼等，自动翻译解释针叶材c t 扫描图像。b h a n d a r k a r 和f a u s t ”1 等基于面积的多阈值方法分割单幅图像，成功识别了各种阔叶原木的相对规则 原木图像中的缺陷，但是该系统对不规则形状的缺陷识别效果就不是很理想。此外，1 9 9 1 年1 1 1 e 仃。删r d 也将图像处理方法应用到树木年代学研究中，测量密度和年轮宽度。1 。 国内在年轮图像的研究上也进行了很多的尝试。戚大伟等在9 4 年就初步应用图像处 理技术对木材年轮进行检测。 6 张爱珍。“等对珍贵阔叶木材断层扫描图像的自动分割进行了研究。他们的研究主要是 基于对木材缺陷识别，而对圆盘年轮的识别涉及很少。 朱炜”1 等使用从日本引进的树干解析装置与微机连接，只需在年轮测定器上用实体显 微镜确定各年龄的年轮宽度，测定所得数据通过信号电缆输入计算机，测定结束后结果自 动输出。具有较高的测定和计算精度。但该系统也存在不足，在圆盘测定过程中，如果不 小心发生测定错误，程序将不能返回重测，程序只能继续测至结束退出，对错误之处补测 后调用文本编辑器修改，再运行程序进行计算，给用户的使用带来不便。 赵延宁在研究冀北山地的白榆年轮宽度重建过去气候序列中，提出了一种综合应用 a b l es o f t w a r er 2 v d 的矢量化功能和a u t o c a d 的测量功能测量年轮宽度的新方法，该方 法有效的减少了机械误差，大大提高了工作效率。 谢昆青汹1 在拓宽树木年轮学方法在环境演变研究中，利用普通扫描仪作为获取树轮信 息的手段，通过对树轮图像的分布特征和噪声变化规律的统计分析，设计了一套图像分割、 信息提取的算法。 虽然这些研究取得了一定的成果，但是还存在着不少的问题，还没有提出一种成熟而 有效的方法。 7 第二章年轮资料及技术路线 2 1 年轮图像采集设备 在本文的研究中，对于年轮图像的采集使用了以下两种设备：l c 4 8 0 0 一i i 实物扫描仪 和n i k o nd 5 0 数码单反相机。 ( 1 ) 扫描仪是一种具有高分辨率的图像输入设备，其核心元件就是感光元件，目前 市场上扫描仪所使用的感光器件主要有三种：光电倍增管、c c d 和c i s ( 接触式感光器 件) ，其中以使用c c d 为主。扫描仪的种类有手持式和平板式之分，本文所采用的扫描 仪为平板式实物扫描仪，其参数如下： 型号：l c 4 8 0 0 一i i 光学分辨率：4 8 0 0 年轮扫描面积：2 2 c m 3 0 e m 最小像素尺寸： o 0 0 8xo 0 0 8 微机接口方式为u s b 接口 ( 2 ) 数码相机目前绝大多数采用的是c c d 成像芯片。所获得图像质量的好坏取决于 c c d 的分辨率，镜头质量，图像处理算法的优劣等。本文使用的数码相机为n i k o nd 5 0 ， 镜头为适马1 8 5 0 f 2 8 。 2 2 年轮样本来源及准备 ( 1 ) 年轮样本来源： 本次研究主要以南京椴树木年轮图像为研究对象。南京椴是椴树科落叶大乔木，树干 通直，树冠整齐，枝叶茂密，花黄色而芳香，是优良的用材树种、城市园林绿化树种、重 要的蜜源植物，主要分布于苏、浙、皖、湘、豫西等地区。 研究中采集的南京椴年轮样本分别取自于安徽省萧县境内的皇藏峪国家森林公园和 江苏省句容市与南京市接壤处的宝华山国家森林公园。由于样本所在地均为国家森林保护 区，个人采集比较困难，因此在南京中山植物研究所的协助下，现场砍伐了四棵正处于生 长期的南京椴。树木圆盘按解析木要求分段截取，年轮样本概况见表2 1 。由于样本图像 的相似性，选取宝华山样本中宝1 号5 6 m 处样本圆盘作为分析对象。 8 表2 - 1 年轮样本基本概况 编号树种树高( m )胸径( c m )采用高度( m )死亡年份 皇1南京椴 2 1 73 5 2 0 2 2 0 0 6 皇2南京椴2 0 9 3 5 r 3 o 22 0 0 6 宝l南京椴 1 3 63 5 80 22 0 0 6 宝2南京椴1 5 3 3 3 3 o 22 0 0 6 ( 2 ) 年轮样本的准备： 将取得的样本圆盘放在通风良好的地方阴干后，表面刨平。为使年轮痕迹显示清晰， 需先用粗砂纸磨去锯痕，再用细砂布磨光表面，直至解析木表面发光、发亮。 然后将经过处理后的圆盘样本，在高分辨率下用实物扫描仪或数码相机获取树木年 轮图像。对于根部较大圆盘采用分次扫描，然后拼接成整幅图像。扫描命令选择： 3 0 0 d p i 分辨率； 真彩色模式： 高质量； 1 0 0 输出比例； 图像保存格式为t i f f 文件。 2 3 研究方法及技术路线 本次论文研究是基于w i n d e n d r o 年轮分析系统，对南京椴树木年轮进行自动识别。 研究方法主要采用数字图像处理技术，对树木年轮图像进行直方图修改、平滑滤波、 二值化处理等，再将处理后的年轮图像应用到w i i l d e n d r 0 中进行识别。并且在论文中 利用图像分析的方法，进行边缘检测，提取年轮边界。 图像处理的主要技术路线见图2 - 4 所示。 研究中所涉及的软件主要有e r d a si m a g e8 7 、e n v i 4 3 、m a t l a b 7 1 、d e l p h i 7 、p h o t o s h o p c s 29 0 。 9 图2 4 论文研究技术路线 1 0 第三章年轮图像数据处理 通过扫描仪或数码相机获得的原始年轮图像，可能会因为树轮本身不清晰或者在成像 过程中设备的局限性，造成图像的亮度和对比度不明显，带来很多干扰信息。这种图像在 应用到w i n d e n d r o 系统中会造成误判，影响其识别精度。因此首先要对年轮图像进行 预处理，滤除干扰噪声信息，突出边缘，得到易于计算机自动识别的图像，改善年轮边缘 轮廓的清晰度，提高图像的识别精度。 3 1 计算机图像处理 3 1 。1 图像数字化 图像是对客观对象的一种相似性的、生动性的描述或写真，它包含了被描述对象的有 关信息。图像能够以各种各样的形式出现，种类很多，有可视的和不可视的，抽象的和实 际的，适于计算机处理的和不适于计算机处理的等等。就其本质而言，可以将图像分为两 大类：模拟图像和数字图像。模拟图像是空间坐标和亮度( 或色彩) 连续变化的图像，如光 学图像。它具有处理速度快，信息容量大，分辨率高等特点，但处理精度不高，稳定性差， 不易查找判断。而数字图像是将模拟图像经过离散化处理后变成计算机能够辨识的点阵图 像，则大大提高了处理精度、通用性及灵活性。为了能有效的进行图像识别，首先就需要 对年轮图像进行数字化，本文对年轮图像的处理就是对数字化了的年轮图像进行的处理。 图像的数字化过程一般包括采样和量化两个过程，采样是将空间上连续图像变换成离 散点( 即像素) 集的过程，实质上就是常说的图像分辨率。分辨率越高，图像越清晰，也就 是需要使用更多的点来表示图像。经采样后图像被分割成空间上离散的像素，但其灰度还 是连续的，还不能用计算机进行处理，还要将像素灰度转换成离散的整数值，这个过程就 是量化。一幅图像中不同灰度值的个数称为灰度级数，用g 来表示，一般为2 的整数幂。 如每个样本用8 位二进制数表示，则有2 8 个量级。灰度取值范围一般为0 2 5 5 的整数， 2 5 6 个灰度级。量级越大，图像质量越高，存储空间要求就越大。 3 1 2 图像文件的存储 ( 1 ) 数据存储 数字化后的图像数据，在计算机中的存储方式( 本文主要讨论静态图像) 一般有两种， 一种是向量处理( v e c t o r ) ，即矢量存储模式；另一种是位映射( b i t m a p ) ，即位图存储模式。 矢量图是用数学方法来描述一幅图像，其优点是图像文件数据量小；图像缩放时图像不失 真，易于实现目标图像的移动、复制、旋转。但往往对于很多复杂图像，其构造成分也非 常复杂。 在很多数字图像处理中，广泛采用位图。即将图像分成许多像素，由像素矩阵组成， 每个像素由一定长度的数字值来表示它的颜色和亮度。由数码相机、扫描仪、视频信号采 集卡等都可以直接获取点位图。由于点位图记录的数据很多，因此所占据的存储空间也比 较大。 位图记录了每一个像素的颜色值，而矢量图易于保存图形对象的位置、曲线的算法， 两者各有优缺点，针对本文研究的树木年轮图像所要处理的图像特征，故采用位图方法进 行存储。位图可以分为灰度图和彩色图。 灰度图的每个像素由一个量化的灰度来描述，没有彩色信息。若图像灰度只有两级， 这样的图像就是二值图像，通常用0 ( 白色) ，1 ( 黑色) 来表示。彩色图表示颜色的方法 很多，主要有r g b 颜色模型、y i q 颜色模型、y u v 颜色模型等，本文使用的是r g b 颜 色模型。图像的每个像素由红、绿、蓝( 分别用r 、g 、b 表示) 三原色构成，其中r 、 g 、b 可以用不同的灰度级来描述。因此一幅彩色图像可以表示为： 厂( 石，y ) = o 备( x ，y ) ，尼( x ，y ) ，f b ( 工，j ，) ) ( 3 1 ) 式中厂( x ，y ) 表示坐标为( 石，y ) 位置点的颜色，f r ( z ，y ) ，尼( x ，y ) ，矗( x ，y ) 分别表示该位置点红、绿、蓝三种颜色的分量值。当r = g = b 时，表示的颜色为一种灰 度颜色，也就是灰度值。彩色图像的灰度化就是使彩色的分量值相等的过程。若r g b 的 量级为2 5 6 级，灰度级别也是为2 5 6 级。图3 - 1 ( a ) 为彩色图，( b ) 为灰度图： ( a ) 彩色年轮图像 ( b ) 灰度年轮图像 图3 一l 彩色和灰度年轮图像 ( 2 ) 图像文件格式 图像格式是指存储图像采用的文件格式，不同的操作系统、不同的图像处理软件所支 持的图像格式都有可能不同。本文研究中所涉及的图像格式主要有以下三种图像格式： b m p ( b i t m a p ) 文件b m p 文件是m i c r o s o f tw i n d o w s 所定义的图像文件格式，最早 应用在m i c m s o f t 公司的w i n d o w s 操作系统中。该结构只能存放一幅图像，四种图像数据： 单色、1 6 色、2 5 6 色、真彩色。图像数据有压缩或不压缩两种处理方式，颜色表的存储格 式与文件头的具体参数相关，不是固定的。b m p 图像文件的文件结构可分为三部分：表 头、调色板和图像数据。 t i f f ( t a gi m a g ef i l ef o r m a t ) 文件t i f f 文件可存储多幅图像，文件内数据区没有 固定的排列顺序，但规定表头必须在文件前端，标识信息区和图像数据区在文件中可以随 意存放。1 1 f f 图像文件主要由三部分组成：表头、标识信息区和图像数据区。 j p e g 格式它是由j o mp h o t o g r a p h i ce x p e r t sg r o u p 制定的图像压缩格式，是一种 通用的静态图像压缩编码标准，可以用不同的压缩比例对文件格式进行压缩。其优点是可 以用最少的磁盘空间来得到较好的图像质量。 w i n d e n d r o 系统都支持这三种格式的图像文件，但由于j p e g 格式是一种