木材图像测量中期报告.doc

木材图像测量课题中期报告我院作为全省唯一的林业院校，一直以来一直关注计算机技术在林业生产上的应用。在林业生产中原木材积的测量作为至关重要的环节一直是林业部门生产中的一个薄弱环节。在林业生产中原木材积的测量一直使用人工检尺的方法。由于人工检尺受很多主、客观因素影响，致使测量结果精度低、不同条件下检测结果波动大，工作效率不高，可以说材积的原始测量方式大大限制了林业数字化、现代化、集约化的发展。为了克服人工检测的缺点，我校提出应用计算机图像进行原木材积的自动检测的设想。本课题通过处理原木图像，识别出图像中原木横截面，从而计算出原木的横截面面积，经一定的材积计算公式得出原木的材积值。首先通过数码相机取得原木横截面图像。然后在计算机中对图像进行预处理使之较为清晰。本课题的要求是要能够自动的检测出一车原木的材积。所以原始照片中除要处理的原木对象外还包含了相当复杂的背景。所以第一步是图像预处理，去掉照片中的背景。1. 把图像变为灰度图像。2. 以一定阈值二值化图像。3. 对图像中由于一些噪音产生的空洞进行一定阈值的填补。4. 由于图像中一些边缘不平滑，对图像进行腐蚀运算。5. 对图像进行开运算。 以上运算除去了照片中低亮部分的背景。使用同样的方法去除照片中高亮部分和原木中缝隙的背景。最后处理的结果是使图像中要处理对象-原木堆处于二值化的高亮值。最后通过计算原木堆所占像素占整个照片的比率计算出原木的截面积。一、课题需要解决的问题：根据国家标准GB/T11716-1999: 原木检尺径的检量是通过小头端面中心先量短径( 量至毫米算至厘米) , 再通过短径的中心垂直检量长径, 如短径不足26 cm,其长短径之差大于2 cm, 或短径大于26 cm, 其长短径之差大于4 cm, 则以其长短径的平均数, 经进舍后为检尺径, 长短径之差小于上述规定者, 以短径经进舍后为检尺径; 原木的检尺径以2 cm 为一个增进单位. 在测出原木的检尺径后, 根据原木的长度查表得出原木的材积.通过数码相机获得原木堆的横截面图像，通过计算机图像处理技术获得原木堆横截面的面积，再乘以原木长度得到总材积数。这种计算方法不符合国家标准，在实际应用中权威性不强。数字图像处理是整个系统的技术核心，直接决定自动检尺的效果。其难点是：原木端面形状不确定；天气变化对成像有影响；同一端面上明暗程度有变化；树干、阴影等对端面的影响等等。因此，要求该子系统的算法具有很强的自适应性。二、问题的由来：主要是原木堆照片的背景复杂，图像中含有高频噪声, 需要在预处理阶段先对图像进行平滑, 以去除噪声。并且个别原木形状极不规则，或者被其他目标遮挡，使其原木个体很难单独识别出来。三、问题的解决思路：由于现有方法没有提取出每个原木的准确轮廓, 因此也不能按照国家标准进行原木材积的检尺.通过图像处理手段，确定每棵原木的圆心以及边界。通过图像处理手段计算出没棵原木的横截面积，倒推出每棵原木的半径根据国家标准查表计算出原木堆的材积。四、本课题的创新点1原始图像中都存在噪声干扰, 噪声使图像质量下降, 并会给分析带来一定的困难. 因此, 有必要在预处理阶段对图像进行平滑, 以减少噪声的影响.预处理的主要目的是边缘检测. 传统的基于差分的边缘检测算子( 如Roberts 算子、Sobel 算子、Prewitt 算子及Laplace 算子等) 对噪声过于敏感.又有人采用了基于小波变换的边缘检测方法. 小波变换具有检测局部突变的能力, 是边缘检测的良好工具, 其特征是能结合多尺度信息来进行检测, 能有效地减少噪声所带来的影响.随着时代的发展人们在小波应用上又有了新的创新，如二代小波、多尺度小波、自适应小波等。本课题试图在二代小波能否提高图像特征提取上找到一个创新点。2图像分割是把图像中每一原木端面所对应的大致区域唯一地标记出来.考虑到原木端面形状绝大多数是类圆, 前人结合了用于圆检测的Hough 变换和数学形态学方法来进行分割.本课题试图在图像分割上应用图像中的重心理论分割出每个原木的图像来。这是本课题的第二个