CN114677365A - 一种高精度的树木年轮分析方法及系统 - Google Patents
一种高精度的树木年轮分析方法及系统 Download PDFInfo
- Publication number
- CN114677365A CN114677365A CN202210405048.5A CN202210405048A CN114677365A CN 114677365 A CN114677365 A CN 114677365A CN 202210405048 A CN202210405048 A CN 202210405048A CN 114677365 A CN114677365 A CN 114677365A
- Authority
- CN
- China
- Prior art keywords
- annual ring
- ring
- tree
- image
- annual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000003708 edge detection Methods 0.000 claims abstract description 24
- 239000002023 wood Substances 0.000 claims abstract description 16
- 238000011160 research Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 12
- 241000894007 species Species 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 230000002146 bilateral effect Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 239000003102 growth factor Substances 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 5
- 244000137852 Petrea volubilis Species 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 210000000020 growth cone Anatomy 0.000 claims description 3
- 239000002245 particle Substances 0.000 claims description 3
- 238000005498 polishing Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 8
- 230000007547 defect Effects 0.000 abstract description 2
- 239000011162 core material Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20028—Bilateral filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20164—Salient point detection; Corner detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30188—Vegetation; Agriculture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明提供一种高精度的树木年轮分析方法及系统,包括:搭建树木年轮图像采集装置,获取具有重叠区域的清晰年轮图像集;对年轮图像集精确拼接,得到高分辨率的完整年轮图像;基于优化的Canny边缘检测方法提取完整年轮图像的年轮边缘;由髓心引出线段与年轮边缘相交,通过亚像素级角点检测获取交点位置,分析树木年轮径向宽度特征;根据年轮径向宽度特征,得到年轮宽度指数序列,与现有年轮年表比对,确定树木年轮的生长年份。该方法通过软件算法弥补硬件设备的不足,提高了年轮测量精度,为树木年轮分析及古建筑木构件、古代木制品等的年代测定提供技术支持,对树木年轮学研究具有十分重要的现实意义。
Description
技术领域
本发明涉及树木年轮测量领域,尤其涉及一种高精度的树木年轮分析方法及系统。
背景技术
树木年轮忠实记录了树木生长区域的自然历史,获取完整清晰年轮对树木年轮学研究极为重要。同一气候区内同树种的不同个体,在同一时期内有相似的年轮宽窄规律,获取待测树木的年轮宽度特征,与该气候区相同树种年轮年表对应,可以实现树木年轮生长年份的准确测定。市面现有的年轮分析测量系统多利用高分辨率的扫描仪、显微镜等昂贵设备获取清晰年轮,软件基础版本实现年轮基础测量,专业版附带年代计算和分析但价格昂贵,很难应用于一般性测量。因此,亟需一种对设备要求低、测量精度高、价格合理且普适性强的年轮分析方法及系统。
相机作为生活中常见的记录影像设备,价格低且通用性强,但获取的图像边缘画质往往不如中心位置清晰,同时由于树木心材与边材在年轮宽度上有明显差异,导致相机拍摄得到的完整年轮图像出现边材的年轮边缘模糊、不易区分的问题,给年轮图像处理带来困难,阻碍了对年轮信息的准确获取,进而影响树木年轮学研究。
发明内容
针对现有技术存在的问题,本发明提供一种高精度的树木年轮分析方法及系统。
第一方面,本发明实施例提供了一种高精度的树木年轮分析方法,包括:搭建树木年轮图像采集装置,获取具有重叠区域的清晰年轮图像集;对所述年轮图像集精确拼接,得到高分辨率的完整年轮图像;基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘;由髓心引出线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置,分析树木年轮径向宽度特征;根据所述年轮径向宽度特征,得到年轮宽度指数序列,与现有年轮年表比对,确定所述树木年轮的生长年份。
采用上述实现方式,可以弥补硬件设备的不足,获取清晰度高、细节丰富的完整年轮图像,通过Canny边缘检测及亚像素级交点定位,提高了年轮测量精度,为古木、活立木等的年轮分析以及古建筑木构件、古代木制品等的年代测定提供技术支持,对树木年轮学研究具有十分重要的现实意义。
结合第一方面,在第一方面第一种可能的实现方式中,所述树木年轮图像采集装置搭建灵活,可由工业相机、成像镜头、图像采集软件、XYZ移动平台和计算机搭建,也可由数码相机和工作高度合适的三脚架组合而成。
结合第一方面,在第一方面第二种可能的实现方式中,所述具有重叠区域的清晰年轮图像集的获取方式为:通过锯切法、生长锥法获取树木年轮样本,使用不同粒度的砂纸打磨样本获得清晰的年轮轮廓,基于搭建的所述树木年轮图像采集装置,使用所述XYZ移动平台或不同光学变焦倍数的镜头获取多幅具有重叠区域的清晰年轮局部图像,组成所述清晰年轮图像集。
结合第一方面第二种可能的实现方式,在第一方面第三种可能的实现方式中,获取所述清晰年轮图像集同时,将棋盘格标定板放在树木年轮平面,采集棋盘格图像进行相机标定,用于建立成像几何模型并矫正透镜畸变。
结合第一方面,在第一方面第四种可能的实现方式中,所述清晰年轮图像集为多幅具有重叠区域的无序图像,其拼接过程为依次配准、组合拼接:首先,选取所述年轮图像集中第一幅图像(年轮位置随机)作为参考图像,其余各图像依次与其配准,一次拼接成功后,所述参考图像更新为新生成的拼接图像;未参与过拼接的其余各图像依次与更新后的所述参考图像配准,一次拼接成功后,所述参考图像以相同方式继续更新;以此类推,直至所述清晰年轮图像集中所有图像拼接完成。
结合第一方面第四种可能的实现方式,在第一方面第五种可能的实现方式中,所述清晰年轮图像集中未参与过拼接的待拼接图像与不断更新的所述参考图像间的两两拼接采取由“粗”到“精”快速精确的配准方式:首先,矫正所述清晰年轮图像集中图像畸变,提取两幅图像的特征点进行初步匹配,得到所述两幅图像的粗匹配点对;然后,在粗匹配的基础上剔除不正确的匹配点,获取优秀的匹配点对进行所述两幅图像精配准;最后,找到最佳缝合线完成所述两幅图像融合,实现清晰年轮图像间的快速精确拼接。
结合第一方面第四种可能的实现方式,在第一方面第六种可能的实现方式中,所述年轮图像集精确拼接得到一幅完整的年轮拼接图像,所述完整年轮图像的分辨率和清晰度均高于所述树木年轮图像采集装置获取的任一完整的年轮图像。
结合第一方面,在第一方面第七种可能的实现方式中,所述完整年轮图像包含丰富的年轮信息,所述年轮边缘的提取采用优化的Canny边缘检测方法:首先使用双边滤波、中值滤波算法去除所述完整年轮图像的噪声,平滑的同时保留年轮边缘信息;然后对滤波后的所述完整年轮图像灰度化处理,结合使用阈值分割与Canny边缘检测算法,剔除不必要的干扰信息,得到像素级的年轮边缘。
结合第一方面,在第一方面第八种可能的实现方式中,所述年轮径向宽度特征分析之前,需由髓心引出一条线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置;根据交点数目n、交点坐标Pi(xi,yi)(i=1,2,3,……,n)、髓心坐标O(x0,y0),分析树木年轮在径向方位上年轮数目,年轮宽度、早材率、晚材率等宽度特征,为树木年轮相关研究提供参考。
结合第一方面,在第一方面第九种可能的实现方式中,根据所述年轮径向宽度特征,对年轮宽度序列进行曲线拟合,去除生长因子、个体因子造成的树木生长波动,标准化得到年轮宽度指数序列,与现有同气候区同树种年轮年表比对,确定所述树木年轮的生长年份。
第二方面,本发明实施例提供了一种高精度的树木年轮分析系统,所述系统包括:图像获取模块,用于读取树木年轮图像采集装置获取的具有重叠区域的清晰年轮图像集;图像处理模块,用于对所述年轮图像集精确拼接,得到高分辨率的完整年轮图像,并基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘;年轮分析模块,用于分析树木年轮径向宽度特征,先由髓心引出一条线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置,根据交点数目n、交点坐标Pi(xi,yi)(i=1,2,3,……,n)、髓心坐标O(x0,y0),分析树木年轮在径向方位上年轮数目,年轮宽度、早材率、晚材率等宽度特征,为树木年轮相关研究提供参考;年轮定年模块,用于根据所述年轮径向宽度特征,对年轮宽度序列进行曲线拟合,去除生长因子、个体因子造成的树木生长波动,标准化得到年轮宽度指数序列,与现有同气候区同树种年轮年表比对,确定所述树木年轮的生长年份。
结合第二方面,在第二方面第一种可能的实现方式中,所述图像处理模块包括:第一处理单元,用于所述清晰年轮图像集精确拼接,得到高分辨率的完整年轮图像,其中对所述清晰年轮图像集采取由“粗”到“精”快速精确的配准方式和依次配准、组合拼接的拼接过程,实现清晰年轮图像的快速精确拼接,得到一幅高分辨率、高清晰度、完整的年轮图像;第二处理单元,用于基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘,其中先使用双边滤波、中值滤波算法去除所述完整年轮图像的噪声,平滑的同时保留年轮边缘信息,再对滤波后的所述完整年轮图像灰度化处理,结合使用阈值分割与Canny边缘检测算法,剔除不必要的干扰信息,得到像素级的年轮边缘。
第三方面,本发明实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述高精度的树木年轮分析方法的步骤。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的高精度的树木年轮分析方法的流程示意图;
图2是本发明提供的高精度的树木年轮分析系统的结构示意图;
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合图1-图3描述本发明的高精度的树木年轮分析方法及系统。
图1是本发明提供的高精度的树木年轮分析方法的流程示意图,如图1所示,该方法包括:
S101,搭建树木年轮图像采集装置,获取具有重叠区域的清晰年轮图像集。
本实施例中,所述树木年轮图像采集装置搭建灵活,可由工业相机、成像镜头、图像采集软件、XYZ移动平台和计算机搭建,也可由数码相机和工作高度合适的三脚架组合而成。
所述具有重叠区域的清晰年轮图像集的获取方式为:通过锯切法、生长锥法获取树木年轮样本,使用不同粒度的砂纸打磨样本获得清晰的年轮轮廓,基于搭建的所述树木年轮图像采集装置,使用所述XYZ移动平台或不同光学变焦倍数的镜头获取多幅具有重叠区域的清晰年轮局部图像,组成所述清晰年轮图像集。
获取所述清晰年轮图像集同时,将棋盘格标定板放在树木年轮平面,采集棋盘格图像进行相机标定,用于建立成像几何模型并矫正透镜畸变。
S102,对所述年轮图像集精确拼接,得到高分辨率的完整年轮图像。
具体地,所述清晰年轮图像集为多幅具有重叠区域的无序图像,其拼接过程为依次配准、组合拼接:首先,选取所述年轮图像集中第一幅图像(年轮位置随机)作为参考图像,其余各图像依次与其配准,一次拼接成功后,所述参考图像更新为新生成的拼接图像;未参与过拼接的其余各图像依次与更新后的所述参考图像配准,一次拼接成功后,所述参考图像以相同方式继续更新;以此类推,直至所述清晰年轮图像集中所有图像拼接完成。
进一步地,所述清晰年轮图像集中未参与过拼接的待拼接图像与不断更新的所述参考图像间的两两拼接采取由“粗”到“精”快速精确的配准方式:首先,矫正所述清晰年轮图像集中图像畸变,提取两幅图像的特征点进行初步匹配,得到所述两幅图像的粗匹配点对;然后,在粗匹配的基础上剔除不正确的匹配点,获取优秀的匹配点对进行所述两幅图像精配准;最后找到最佳缝合线完成所述两幅图像融合,实现清晰年轮图像间的快速精确拼接。
所述年轮图像集精确拼接得到一幅完整的年轮拼接图像,所述完整年轮图像的分辨率和清晰度均高于所述树木年轮图像采集装置获取的任一完整的年轮图像。
S103,基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘。
其中,所述完整年轮图像包含丰富的年轮信息,所述年轮边缘的提取采用优化的Canny边缘检测方法:首先使用双边滤波、中值滤波算法去除所述完整年轮图像的噪声,平滑的同时保留年轮边缘信息;然后对滤波后的所述完整年轮图像灰度化处理,结合使用阈值分割与Canny边缘检测算法,剔除不必要的干扰信息,得到像素级的年轮边缘。
S104,由髓心引出线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置,分析树木年轮径向宽度特征。
具体地,先由髓心引出一条线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置,根据交点数目n、交点坐标Pi(xi,yi)(i=1,2,3,……,n)、髓心坐标O(x0,y0),分析树木年轮在径向方位上年轮数目,年轮宽度、早材率、晚材率等宽度特征,为树木年轮相关研究提供参考。
S105,根据所述年轮径向宽度特征,得到年轮宽度指数序列,与现有年轮年表比对,确定所述树木年轮的生长年份。
根据所述年轮径向宽度特征,对年轮宽度序列进行曲线拟合,去除生长因子、个体因子造成的树木生长波动,标准化得到年轮宽度指数序列,与现有同气候区同树种年轮年表比对,确定所述树木年轮的生长年份。
本发明实施例提供的高精度的树木年轮分析方法,可以弥补硬件设备的不足,获取清晰度高、细节丰富的完整年轮图像,通过Canny边缘检测及亚像素级交点定位,提高了年轮测量精度,为树木年轮分析及古建筑木构件、古代木制品等的年代测定提供技术支持。
与上述实施例提供的一种高精度的树木年轮分析方法相对应,本发明还提供了一种高精度的树木年轮分析系统的实施例。图2是本发明提供的高精度的树木年轮分析系统的结构示意图,如图2所示,该高精度的树木年轮分析系统20包括:图像获取模块201、图像处理模块202、年轮分析模块203和年轮定年模块204。
图像获取模块201,用于读取树木年轮图像采集装置获取的具有重叠区域的清晰年轮图像集;图像处理模块202,用于对所述年轮图像集精确拼接,得到高分辨率的完整年轮图像,并基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘;年轮分析模块203,用于分析树木年轮径向宽度特征,先由髓心引出一条线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置,根据交点数目n、交点坐标Pi(xi,yi)(i=1,2,3,……,n)、髓心坐标O(x0,y0),分析树木年轮在径向方位上年轮数目,年轮宽度、早材率、晚材率等宽度特征,为树木年轮相关研究提供参考;年轮定年模块204,用于根据所述年轮径向宽度特征,对年轮宽度序列进行曲线拟合,去除生长因子、个体因子造成的树木生长波动,标准化得到年轮宽度指数序列,与现有同气候区同树种年轮年表比对,确定所述树木年轮的生长年份。
进一步地,所述图像处理模块202包括:第一处理单元和第二处理单元。
第一处理单元,用于所述清晰年轮图像集精确拼接,得到高分辨率的完整年轮图像,其中对所述清晰年轮图像集采取由“粗”到“精”快速精确的配准方式和依次配准、组合拼接的拼接过程,实现清晰年轮图像的快速精确拼接,得到一幅高分辨率、高清晰度、完整的年轮图像。
第二处理单元,用于基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘,其中先使用双边滤波、中值滤波算法去除所述完整年轮图像的噪声,平滑的同时保留年轮边缘信息,再对滤波后的所述完整年轮图像灰度化处理,结合使用阈值分割与Canny边缘检测算法,剔除不必要的干扰信息,得到像素级的年轮边缘。
本发明实施例提供的系统实施例是为了实现上述各方法实施例的,具体流程和详细内容请参照上述方法实施例,此处不再赘述。
图3是本发明提供的电子设备的结构示意图,如图3所示,该电子设备30可以包括:处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和通信总线304。处理器301,通信接口302,存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储器303中的逻辑指令,以执行高精度的树木年轮分析方法,包括:读取树木年轮图像采集装置获取的具有重叠区域的清晰年轮图像集;对所述年轮图像集精确拼接,得到高分辨率的完整年轮图像;基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘;由髓心引出线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置,分析树木年轮径向宽度特征;根据所述年轮径向宽度特征,得到年轮宽度指数序列,与现有年轮年表比对,确定所述树木年轮的生长年份。
此外,上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的高精度的树木年轮分析方法,包括:读取树木年轮图像采集装置获取的具有重叠区域的清晰年轮图像集;对所述年轮图像集精确拼接,得到高分辨率的完整年轮图像;基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘;由髓心引出线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置,分析树木年轮径向宽度特征;根据所述年轮径向宽度特征,得到年轮宽度指数序列,与现有年轮年表比对,确定所述树木年轮的生长年份。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的高精度的树木年轮分析方法,包括:读取树木年轮图像采集装置获取的具有重叠区域的清晰年轮图像集;对所述年轮图像集精确拼接,得到高分辨率的完整年轮图像;基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘;由髓心引出线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置,分析树木年轮径向宽度特征;根据所述年轮径向宽度特征,得到年轮宽度指数序列,与现有年轮年表比对,确定所述树木年轮的生长年份。
以上所描述的系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种高精度的树木年轮分析方法,其特征在于,所述方法包括:
搭建树木年轮图像采集装置,获取具有重叠区域的清晰年轮图像集;
对所述年轮图像集精确拼接,得到高分辨率的完整年轮图像;
基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘;
由髓心引出线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置,分析树木年轮径向宽度特征;
根据所述年轮径向宽度特征,得到年轮宽度指数序列,与现有年轮年表比对,确定所述树木年轮的生长年份。
2.根据权利要求1所述的方法,其特征在于,所述清晰年轮图像集由搭建的所述树木年轮图像采集装置采集获得,所述树木年轮图像采集装置搭建灵活,可由工业相机、成像镜头、图像采集软件、XYZ移动平台和计算机搭建,也可由数码相机和工作高度合适的三脚架组合而成;
所述清晰年轮图像集的获取方式为:通过锯切法、生长锥法获取树木年轮样本,使用不同粒度的砂纸打磨样本获得清晰的年轮轮廓,基于搭建的所述树木年轮图像采集装置,使用所述XYZ移动平台或不同光学变焦倍数的镜头获取多幅具有重叠区域的清晰年轮局部图像,组成所述清晰年轮图像集。
3.根据权利要求1所述的方法,其特征在于,所述清晰年轮图像集为多幅具有重叠区域的无序图像,其拼接过程为依次配准、组合拼接,包括:
选取所述年轮图像集中第一幅图像(年轮位置随机)作为参考图像,其余各图像依次与其配准,一次拼接成功后,所述参考图像更新为新生成的拼接图像;
未参与过拼接的其余各图像依次与更新后的所述参考图像配准,一次拼接成功后,所述参考图像以相同方式继续更新;
以此类推,直至所述清晰年轮图像集中所有图像拼接完成,所述清晰年轮图像集精确拼接得到一幅完整的年轮拼接图像,所述完整年轮图像的分辨率和清晰度均高于所述树木年轮图像采集装置获取的任一完整的年轮图像。
4.根据权利要求1或3所述的方法,其特征在于,所述清晰年轮图像集中未参与过拼接的待拼接图像与不断更新的所述参考图像间的两两拼接采取由“粗”到“精”快速精确的配准方式,包括:
矫正所述清晰年轮图像集中图像畸变,提取两幅图像的特征点进行初步匹配,得到所述两幅图像的粗匹配点对;
在粗匹配的基础上剔除不正确的匹配点,获取优秀的匹配点对进行所述两幅图像精配准;
找到最佳缝合线完成所述两幅图像融合,实现清晰年轮图像间的快速精确拼接。
5.根据权利要求1所述的方法,其特征在于,所述完整年轮图像包含丰富的年轮信息,所述年轮边缘的提取采用优化的Canny边缘检测方法,包括:
使用双边滤波、中值滤波算法去除所述完整年轮图像的噪声,平滑的同时保留年轮边缘信息;
对滤波后的所述完整年轮图像灰度化处理,结合使用阈值分割与Canny边缘检测算法,剔除不必要的干扰信息,得到像素级的年轮边缘。
6.根据权利要求1所述的方法,其特征在于,所述年轮径向宽度特征分析之前,需由髓心引出一条线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置;
根据交点数目n、交点坐标Pi(xi,yi)(i=1,2,3,……,n)、髓心坐标O(x0,y0),分析树木年轮在径向方位上年轮数目,年轮宽度、早材率、晚材率等宽度特征,为树木年轮相关研究提供参考。
7.根据权利要求1所述的方法,其特征在于,还包括根据所述年轮径向宽度特征,对年轮宽度序列进行曲线拟合,去除生长因子、个体因子造成的树木生长波动,标准化得到年轮宽度指数序列,与现有同气候区同树种年轮年表比对,确定所述树木年轮的生长年份。
8.一种高精度的树木年轮分析系统,其特征在于,所述系统包括:
图像获取模块,用于读取树木年轮图像采集装置获取的具有重叠区域的清晰年轮图像集;
图像处理模块,用于对所述年轮图像集精确拼接,得到高分辨率的完整年轮图像,并基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘;
年轮分析模块,用于分析树木年轮径向宽度特征,先由髓心引出一条线段与所述年轮边缘相交,通过亚像素级角点检测获取交点位置,根据交点数目n、交点坐标Pi(xi,yi)(i=1,2,3,……,n)、髓心坐标O(x0,y0),分析树木年轮在径向方位上年轮数目,年轮宽度、早材率、晚材率等宽度特征,为树木年轮相关研究提供参考;
年轮定年模块,用于根据所述年轮径向宽度特征,对年轮宽度序列进行曲线拟合,去除生长因子、个体因子造成的树木生长波动,标准化得到年轮宽度指数序列,与现有同气候区同树种年轮年表比对,确定所述树木年轮的生长年份。
9.根据权利要求8所述的系统,其特征在于,所述图像处理模块包括:
第一处理单元,用于所述清晰年轮图像集精确拼接,得到高分辨率的完整年轮图像,其中对所述清晰年轮图像集采取由“粗”到“精”快速精确的配准方式和依次配准、组合拼接的拼接过程,实现清晰年轮图像的快速精确拼接,得到一幅高分辨率、高清晰度、完整的年轮图像;
第二处理单元,用于基于优化的Canny边缘检测方法提取所述完整年轮图像的年轮边缘,其中先使用双边滤波、中值滤波算法去除所述完整年轮图像的噪声,平滑的同时保留年轮边缘信息,再对滤波后的所述完整年轮图像灰度化处理,结合使用阈值分割与Canny边缘检测算法,剔除不必要的干扰信息,得到像素级的年轮边缘。
10.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述高精度的树木年轮分析方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210405048.5A CN114677365B (zh) | 2022-04-18 | 2022-04-18 | 一种高精度的树木年轮分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210405048.5A CN114677365B (zh) | 2022-04-18 | 2022-04-18 | 一种高精度的树木年轮分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114677365A true CN114677365A (zh) | 2022-06-28 |
CN114677365B CN114677365B (zh) | 2024-04-05 |
Family
ID=82078562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210405048.5A Active CN114677365B (zh) | 2022-04-18 | 2022-04-18 | 一种高精度的树木年轮分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114677365B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294459A (zh) * | 2022-09-28 | 2022-11-04 | 南通欧瑞佳木业有限公司 | 基于生长不均衡特性的木材年轮识别方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106404777A (zh) * | 2016-08-24 | 2017-02-15 | 河北农业大学 | 基于数码照片图像纠正的树木年轮宽度测定方法 |
CN106780489A (zh) * | 2017-01-19 | 2017-05-31 | 中国科学院新疆生态与地理研究所 | 一种树木年轮灰度信息分析方法及装置 |
US20170337672A1 (en) * | 2016-05-20 | 2017-11-23 | Shenyang Neusoft Medical Systems Co., Ltd. | Image splicing |
CN109596787A (zh) * | 2019-01-15 | 2019-04-09 | 南京森林警察学院 | 一种树木年轮确定方法、装置、电子设备及存储介质 |
CN110895792A (zh) * | 2019-10-12 | 2020-03-20 | 南方科技大学 | 一种图像拼接方法及装置 |
CN111815542A (zh) * | 2020-07-31 | 2020-10-23 | 南京信息工程大学 | 一种树木年轮图像髓心定位、年轮测量方法 |
WO2021169334A1 (zh) * | 2020-02-24 | 2021-09-02 | 山东省科学院海洋仪器仪表研究所 | 一种高分辨率图像的宽视角快速拼接方法 |
-
2022
- 2022-04-18 CN CN202210405048.5A patent/CN114677365B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170337672A1 (en) * | 2016-05-20 | 2017-11-23 | Shenyang Neusoft Medical Systems Co., Ltd. | Image splicing |
CN106404777A (zh) * | 2016-08-24 | 2017-02-15 | 河北农业大学 | 基于数码照片图像纠正的树木年轮宽度测定方法 |
CN106780489A (zh) * | 2017-01-19 | 2017-05-31 | 中国科学院新疆生态与地理研究所 | 一种树木年轮灰度信息分析方法及装置 |
CN109596787A (zh) * | 2019-01-15 | 2019-04-09 | 南京森林警察学院 | 一种树木年轮确定方法、装置、电子设备及存储介质 |
CN110895792A (zh) * | 2019-10-12 | 2020-03-20 | 南方科技大学 | 一种图像拼接方法及装置 |
WO2021169334A1 (zh) * | 2020-02-24 | 2021-09-02 | 山东省科学院海洋仪器仪表研究所 | 一种高分辨率图像的宽视角快速拼接方法 |
CN111815542A (zh) * | 2020-07-31 | 2020-10-23 | 南京信息工程大学 | 一种树木年轮图像髓心定位、年轮测量方法 |
Non-Patent Citations (1)
Title |
---|
王燕凤: "树木年轮图像的边缘检测与树龄测量方法研究", 信息科技辑, no. 03, 15 March 2018 (2018-03-15), pages 138 - 1805 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115294459A (zh) * | 2022-09-28 | 2022-11-04 | 南通欧瑞佳木业有限公司 | 基于生长不均衡特性的木材年轮识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114677365B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110659636B (zh) | 基于深度学习的指针式仪表读数识别方法 | |
CN110147774B (zh) | 表格式图片版面分析方法和计算机存储介质 | |
CN103994786B (zh) | 圆弧标尺线指针式仪表刻度的图像检测方法 | |
CN106446952B (zh) | 一种乐谱图像识别方法及装置 | |
CN110599548A (zh) | 摄像头的标定方法、装置、相机及计算机可读存储介质 | |
CN111160337A (zh) | 一种指针式仪表读数的自动识别方法、系统、介质及设备 | |
WO2022179549A1 (zh) | 一种标定方法、装置、计算机设备和存储介质 | |
CN110909640A (zh) | 水位线的确定方法及装置、存储介质、电子装置 | |
CN110207592A (zh) | 建筑裂缝测量方法、装置、计算机设备和存储介质 | |
CN109242787A (zh) | 一种中小学艺术测评中绘画录入方法 | |
Han et al. | LiDAR point cloud registration by image detection technique | |
CN112036259A (zh) | 一种基于图像处理与深度学习相结合的表格矫正与识别的方法 | |
CN109360144B (zh) | 一种基于手机平台的图像实时校正改进方法 | |
CN104182757A (zh) | 获取被测目标实际覆盖面积的方法及装置 | |
CN112200854B (zh) | 一种基于视频图像的叶类蔬菜三维表型测量方法 | |
CN111724354B (zh) | 一种基于图像处理的多株小麦穗长与小穗数的测量方法 | |
CN114677365A (zh) | 一种高精度的树木年轮分析方法及系统 | |
CN111310753A (zh) | 一种表计对准方法及装置 | |
CN113012234A (zh) | 基于平面变换的高精度相机标定方法 | |
CN112967176A (zh) | 一种利用Image J和Photoshop对植物盖度分析的方法 | |
CN114463425B (zh) | 一种基于概率Hough直线检测的工件表面无特征点定位方法 | |
CN112037284A (zh) | 棋盘格格子中心点检测方法、摄像机畸变标定方法及系统 | |
CN104966283A (zh) | 图像分层配准方法 | |
CN112017221B (zh) | 基于尺度空间的多模态图像配准方法、装置和设备 | |
CN110414521A (zh) | 一种变电站内变压器油位计示数识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |