CN103900970A - 一种自动识别原木端面的方法 - Google Patents

Abstract

本发明公开了一种自动识别原木端面的方法，通过识别高光谱图像中不同区域即背景、颜色均匀端面、明条纹、暗条纹、人工涂抹标记、条形码标签的光谱差异，对原木端面进行自动识别。本发明的识别精度高，可应用于原木材积的自动检测。

Description

一种自动识别原木端面的方法

技术领域

本发明涉及原木材积自动化检测领域，特指一种利用高光谱图像技术自动识别原木端面的方法。

背景技术

在原木材积的检测过程中，原木端面的尺寸、形状是必须测量的重要参数。国家标准规定的原木材积检测过程包括2个步骤，步骤一是测量原木小头端面的长径、短径和木材长度；步骤二是根据长径、短径、木材长度这三个参数，查材积表得到原木的近似体积。

目前最为普遍的原木端面检测方法是人工检尺法，检尺过程为工人利用眼睛逐一估算每根原木端面的形状并大致确定长径、短径的方位，然后用尺手动测量端面长径、短径的长度。人工检测法因劳动强度大并伴有一定的危险性，检尺员的经验、责任心等主观因素对测量结果影响较大，已不能满足制材企业及木材行业的发展需求。

为了克服人工检尺法的不足，提高原木材积的检测效率，文献“计算机视觉在原木材积检测中的应用”（发表于《仪器仪表学报》，2004年第25卷第4期，第1024-1025页）公开了一种基于计算机视觉技术的原木端面检测方法。该方法首先利用相机拍摄原木端面的图像信息；然后利用图像背景区域与原木端面所在区域的灰度值不同，设置合理的灰度分割阈值识别出原木端面对应的图像；最后利用计算机对分割后的原木端面图像进行计算，得到原木端面的长径、短径、面积等参数。该方法利用相机代替人眼获取原木端面的图像信息，利用计算机代替人的大脑对原木端面的图像信息进行快速处理，提高了检测的效率。利用计算机图像技术成功识别原木的端面的前提是端面与背景的灰度值有较大的差异，但是实际情况并非总是如此。原木端面明暗相间的纹理、人工涂抹的标记、原木端面的条形码等区域的灰度值往往与图像背景区域的灰度值很接近，导致计算机对图像中原木端面的识别效果不理想。此外，基于灰度阈值的原木端面分割方法对光照强度非常敏感，图像的光照强度弱于或者强于标准光照强度均会导致额外的识别误差。

鉴于此，本发明提出一种高光谱图像技术自动识别原木端面的方法以解决上述问题。

发明内容

本发明的目的在于提供一种自动识别原木端面的方法，以实现对原木端面的高精度识别。

为了解决以上技术问题，本发明采用的具体技术方案如下：

一种自动识别原木端面的方法，其特征在于包含以下步骤：

步骤一，选取参照组原木：选取4*m根原木的端面组成参照组，其中端面颜色均匀的原木m根，端面含有明暗条纹的原木m根，端面含有人工涂抹标记的原木m根，端面含有条形码标签的原木m根；m为大于等于1的正整数；

步骤二，采集参照组原木端面的高光谱图像数据与提取光谱数据：采用高光谱图像采集装置获取参照组原木端面对应的高光谱图像数据，并分六个过程提取背景区域、颜色均匀端面、明条纹、暗条纹、涂抹标记、条形码标签对应的光谱数据；

步骤三，处理参照组原木端面的光谱数据，具体过程如下：

过程一，将背景区域、颜色均匀端面、明条纹、暗条纹、涂抹标记、条形码标签对应的光谱数据依次组成自变量X，即X由步骤二中的X_0i，X_1i，X_2i，X_3i，X_4i，X_5i组成；以X中每条光谱数据的来源作为因变量Y；

当Y_i（i=1, 2, …, m）时，Y的取值为0，表示X中第1到第m条光谱为背景区域对应的光谱；

当Y_i（i= m+1, m+2, …, 2m）时，Y的取值为1，表示X中第m+1到第2m条光谱为颜色均匀端面对应的光谱；

当Y_i（i= 2m+1, 2m+2, …, 3m）时，Y的取值为2，表示X中第2m+1到第3m条光谱为明条纹对应的光谱；

当Y_i（i= 3m+1, 3m+2, …, 4m）时，Y的取值为3，表示X中第3m+1到第4m条光谱为暗条纹对应的光谱；

当Y_i（i= 4m+1, 4m+2, …, 5m）时，Y的取值为4，表示X中第4m+1到第5m条光谱为涂抹标记对应的光谱；

当Y_i（i= 5m+1, 5m+2, …, 6m）时，Y的取值为5，表示X中第5m+1到第6m条光谱为条形码标签对应的光谱；

过程二，利用化学计量学方法确立自变量X与因变量Y的对应关系F，得到原木端面识别模型Y=F（X），根据Y的取值即可确定光谱X的来源，Y的取值为0，表示X中的光谱为背景区域对应的光谱；当Y的取值为1，表示X中的光谱为颜色均匀端面对应的光谱；Y的取值为2，表示X中的光谱为明条纹对应的光谱；Y的取值为3，表示X中的光谱为暗条纹对应的光谱；Y的取值为4，表示X中的光谱为涂抹标记对应的光谱；Y的取值为5，表示X中的光谱为条形码标签对应的光谱； 

步骤四，待测原木端面的自动识别，具体过程如下：

过程一，利用高光谱图像采集装置获取待测原木端面对应的高光谱图像数据，数据大小为P×Q×R，其中P为高光谱图像的最大行数、Q为高光谱图像的最大列数、R为高光谱图像的波段数；

过程二，从待测原木的高光谱图像数据提取某一波段下的图像信息作为参照图片；

过程三，逐一提取参照图片中第j行第h个像素点在待测原木的高光谱图像数据中对应的光谱信息x_jh（j= 1, 2, …, P; h= 1, 2, …, Q;）；

过程四，将光谱信息x_jh代入步骤三过程二中原木端面识别模型Y=F（X），得y_jh=F(x_jh)，当y_jh的值为0时，将参照图片中第j行第h个个像素点的灰度值设为0；当y_jh的值为1或2或3或4或5时，将参照图片中第j行第h个像素点的灰度值设为1；

过程五，执行完过程三和过程四后，参照图片中像素点灰度值为0的区域代表背景区域，参照图片中像素点灰度值为1的区域代表原木端面所在区域，从而实现了原木端面的自动识别。

所述步骤二中的六个过程具体如下：

过程一，分别从颜色均匀端面对应的高光谱图像中提取背景所在区域内n²个像素的平均光谱，作为背景区域对应的光谱数据并记为X_0i，i=1, 2, …, m；

过程二，分别从颜色均匀端面对应的高光谱图像中提取端面所在区域内n²个像素的平均光谱，作为颜色均匀端面对应的光谱数据并记为X_1i，i=1, 2, …, m；

过程三，分别从明暗条纹端面对应的高光谱图像中提取明条纹所在区域内n²个像素的平均光谱，作为明条纹对应的光谱数据并记为X_2i，i=1, 2, …, m；

过程四，分别从明暗条纹端面对应的高光谱图像中提取暗条纹所在区域内n²个像素的平均光谱，作为暗条纹对应的光谱数据并记为X_3i，i=1, 2, …, m；

过程五，分别从人工涂抹标记端面对应的高光谱图像中提取涂抹标记所在区域内n²个像素的平均光谱，作为涂抹标记对应的光谱数据并记为X_4i，i=1, 2, …, m；

过程六，分别从条形码标签端面对应的高光谱图像中提取条形码标签所在区域内n²个像素的平均光谱，作为条形码标签对应的光谱数据并记为X_5i，i=1, 2, …, m。

本发明具有有益效果。本发明通过识别高光谱图像中不同区域即背景、颜色均匀端面、明条纹、暗条纹、人工涂抹标记、条形码标签的光谱差异，对原木端面进行自动识别。由于光谱信息能够定性鉴别检测对象的成分信息，即使背景区域的颜色与颜色均匀端面、明条纹、暗条纹、人工涂抹标记、条形码标签的灰度值非常接近，本发明提供的技术方案仍能够根据它们的组成成分差异进行有效区分。

附图说明

图1为本发明的工作流程图。

具体实施方式

1.一种自动识别原木端面的方法，其特征在于包含以下步骤：

步骤一，选取参照组原木；选取100根原木的端面组成参照组，其中端面颜色均匀的原木25根，端面含有明暗条纹的原木25根，端面含有人工涂抹标记的原木25根，端面含有条形码标签的原木25根；

步骤二，采集参照组原木端面的高光谱图像数据与提取光谱数据：采用高光谱图像采集装置获取参照组原木端面对应的高光谱图像数据，并分以下5个过程提取背景区域、颜色均匀端面、明条纹、暗条纹、涂抹标记、条形码标签对应的光谱数据；

过程一，分别从颜色均匀端面对应的高光谱图像中提取背景所在区域中5像素×5像素正方形区域内25个像素的平均光谱，作为背景区域对应的光谱数据并记为X_0i（i=1, 2, …, 25）；

过程二，分别从颜色均匀端面对应的高光谱图像中提取端面所在区域内25个像素的平均光谱，作为颜色均匀端面对应的光谱数据并记为X_1i（i=1, 2, …, 25）；

过程三，分别从明暗条纹端面对应的高光谱图像中提取明条纹所在区域内25个像素的平均光谱，作为明条纹对应的光谱数据并记为X_2i（i=1, 2, …, 25）；

过程四，分别从明暗条纹端面对应的高光谱图像中提取暗条纹所在区域内25个像素的平均光谱，作为暗条纹对应的光谱数据并记为X_3i（i=1, 2, …, 25）；

过程五，分别从人工涂抹标记端面对应的高光谱图像中提取涂抹标记所在区域内25个像素的平均光谱，作为涂抹标记对应的光谱数据并记为X_4i（i=1, 2, …, 25）；

过程六，分别从条形码标签端面对应的高光谱图像中提取条形码标签所在区域内25个像素的平均光谱，作为条形码标签对应的光谱数据并记为X_5i（i=1, 2, …, 25）；

步骤三，处理参照组原木端面的光谱数据：

过程一：将背景区域、颜色均匀端面、明条纹、暗条纹、涂抹标记、条形码标签对应的光谱数据依次组成自变量X，即X由步骤二中的X_0i，X_1i，X_2i，X_3i，X_4i，X_5i（i=1, 2, …, 25）组成；以X中每条光谱数据的来源作为因变量Y；

当Y_i（i=1, 2, …, 25）时，Y的取值为0，表示X中第1到第25条光谱为背景区域对应的光谱；

当Y_i（i= 26, 27, …, 50）时，Y的取值为1，表示X中第26到第50条光谱为颜色均匀端面对应的光谱；

当Y_i（i= 51, 52, …, 75）时，Y的取值为2，表示X中第51到第75条光谱为明条纹对应的光谱；

当Y_i（i= 76, 77, …, 100）时，Y的取值为3，表示X中第76到第100条光谱为暗条纹对应的光谱；

当Y_i（i= 101, 102, …, 125）时，Y的取值为4，表示X中第101到第125条光谱为涂抹标记对应的光谱；

当Y_i（i= 126, 127, …, 150）时，Y的取值为5，表示X中第126到第150条光谱为条形码标签对应的光谱；

过程二，利用主成分分析（PCA）结合K最近邻分类算法(KNN)确立自变量X与因变量Y的对应关系F_KNN，得到原木端面识别模型Y=F_KNN（X），根据Y的取值即可确定光谱X的来源；Y的取值为0，表示X中的光谱为背景区域对应的光谱；当Y的取值为1，表示X中的光谱为颜色均匀端面对应的光谱；Y的取值为2，表示X中的光谱为明条纹对应的光谱；Y的取值为3，表示X中的光谱为暗条纹对应的光谱；Y的取值为4，表示X中的光谱为涂抹标记对应的光谱；Y的取值为5，表示X中的光谱为条形码标签对应的光谱；

步骤四，待测原木端面的自动识别：

过程一，采用高光谱图像采集装置获取待测原木端面对应的高光谱图像数据，数据大小为1000×1280×256，其中1000为高光谱图像的最大行数、1280为高光谱图像的最大列数、256为高光谱图像的波段数；

过程二，从待测原木的高光谱图像数据提取第1个波段下的图像信息作为参照图片；

过程三，逐一提取参照图片中第j行第h个像素点在待测原木的高光谱图像数据中对应的光谱信息x_jh（j= 1, 2, …, 1000; h= 1, 2, …, 1280;）；

过程四，将光谱信息x_jh代入步骤三过程二中原木端面识别模型Y=F_KNN（X），得y_jh=F_KNN (x_jh)，当y_jh的值为0时，将参照图片中第j行第h个个像素点的灰度值设为0；当y_jh的值为1或2或3或4或5时，将参照图片中第j行第h个像素点的灰度值设为1；

过程五，执行完过程三和过程四后，参照图片中像素点灰度值为0的区域代表背景区域，参照图片中像素点灰度值为1的区域代表原木端面所在区域，从而实现了原木端面的自动识别。

Claims (2)

1.一种自动识别原木端面的方法，其特征在于包含以下步骤：

步骤一，选取参照组原木：选取4*m根原木的端面组成参照组，其中端面颜色均匀的原木m根，端面含有明暗条纹的原木m根，端面含有人工涂抹标记的原木m根，端面含有条形码标签的原木m根；m为大于等于1的正整数；

步骤二，采集参照组原木端面的高光谱图像数据与提取光谱数据：采用高光谱图像采集装置获取参照组原木端面对应的高光谱图像数据，并分六个过程提取背景区域、颜色均匀端面、明条纹、暗条纹、涂抹标记、条形码标签对应的光谱数据；

步骤三，处理参照组原木端面的光谱数据，具体过程如下：

过程一，将背景区域、颜色均匀端面、明条纹、暗条纹、涂抹标记、条形码标签对应的光谱数据依次组成自变量X，即X由步骤二中的X_0i，X_1i，X_2i，X_3i，X_4i，X_5i组成；以X中每条光谱数据的来源作为因变量Y；

当Y_i（i=1, 2, …, m）时，Y的取值为0，表示X中第1到第m条光谱为背景区域对应的光谱；

当Y_i（i= m+1, m+2, …, 2m）时，Y的取值为1，表示X中第m+1到第2m条光谱为颜色均匀端面对应的光谱；

当Y_i（i= 2m+1, 2m+2, …, 3m）时，Y的取值为2，表示X中第2m+1到第3m条光谱为明条纹对应的光谱；

当Y_i（i= 3m+1, 3m+2, …, 4m）时，Y的取值为3，表示X中第3m+1到第4m条光谱为暗条纹对应的光谱；

当Y_i（i= 4m+1, 4m+2, …, 5m）时，Y的取值为4，表示X中第4m+1到第5m条光谱为涂抹标记对应的光谱；

当Y_i（i= 5m+1, 5m+2, …, 6m）时，Y的取值为5，表示X中第5m+1到第6m条光谱为条形码标签对应的光谱；

过程二，利用化学计量学方法确立自变量X与因变量Y的对应关系F，得到原木端面识别模型Y=F（X），根据Y的取值即可确定光谱X的来源，Y的取值为0，表示X中的光谱为背景区域对应的光谱；当Y的取值为1，表示X中的光谱为颜色均匀端面对应的光谱；Y的取值为2，表示X中的光谱为明条纹对应的光谱；Y的取值为3，表示X中的光谱为暗条纹对应的光谱；Y的取值为4，表示X中的光谱为涂抹标记对应的光谱；Y的取值为5，表示X中的光谱为条形码标签对应的光谱； 

步骤四，待测原木端面的自动识别，具体过程如下：

过程一，利用高光谱图像采集装置获取待测原木端面对应的高光谱图像数据，数据大小为P×Q×R，其中P为高光谱图像的最大行数、Q为高光谱图像的最大列数、R为高光谱图像的波段数；

过程二，从待测原木的高光谱图像数据提取某一波段下的图像信息作为参照图片；

过程三，逐一提取参照图片中第j行第h个像素点在待测原木的高光谱图像数据中对应的光谱信息x_jh（j= 1, 2, …, P; h= 1, 2, …, Q;）；

过程四，将光谱信息x_jh代入步骤三过程二中原木端面识别模型Y=F（X），得y_jh=F(x_jh)，当y_jh的值为0时，将参照图片中第j行第h个个像素点的灰度值设为0；当y_jh的值为1或2或3或4或5时，将参照图片中第j行第h个像素点的灰度值设为1；

过程五，执行完过程三和过程四后，参照图片中像素点灰度值为0的区域代表背景区域，参照图片中像素点灰度值为1的区域代表原木端面所在区域，从而实现了原木端面的自动识别。

2.根据权利要求1所述的一种自动识别原木端面的方法，其特征在于：所述步骤二中的六个过程具体如下：

过程一，分别从颜色均匀端面对应的高光谱图像中提取背景所在区域内n²个像素的平均光谱，作为背景区域对应的光谱数据并记为X_0i，i=1, 2, …, m；

过程二，分别从颜色均匀端面对应的高光谱图像中提取端面所在区域内n²个像素的平均光谱，作为颜色均匀端面对应的光谱数据并记为X_1i，i=1, 2, …, m；

过程三，分别从明暗条纹端面对应的高光谱图像中提取明条纹所在区域内n²个像素的平均光谱，作为明条纹对应的光谱数据并记为X_2i，i=1, 2, …, m；

过程四，分别从明暗条纹端面对应的高光谱图像中提取暗条纹所在区域内n²个像素的平均光谱，作为暗条纹对应的光谱数据并记为X_3i，i=1, 2, …, m；

过程五，分别从人工涂抹标记端面对应的高光谱图像中提取涂抹标记所在区域内n²个像素的平均光谱，作为涂抹标记对应的光谱数据并记为X_4i，i=1, 2, …, m；

过程六，分别从条形码标签端面对应的高光谱图像中提取条形码标签所在区域内n²个像素的平均光谱，作为条形码标签对应的光谱数据并记为X_5i，i=1, 2, …, m。

Images