基于色差聚类的原木图像端面检测与统计

doi:10.3969/j.issn.1000-1158.2020.06.09

摘要
图/表
参考文献(20)
相关文章 (3)

全文: PDF (2173 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要针对自然环境下外界因素对原木截面检测的干扰,使用图像处理技术,以自然环境中原木堆放存储时图像为处理对象,设计了一种原木截面识别方法。通过色差值聚类将原木图像分割为原木截面、孔隙及背景,去除背景干扰提取原木端面;采用逐级开运算与改进分水岭算法,对端面进行分割计数。实验结果表明:在自然环境下的正检率91.88%,错检率5.08%,漏检率8.12%,满足了原木截面识别计数的需求。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	唐浩
	王克俭
	李晓烨
	剪文灏
	谷建才

关键词 ：计量学;图像处理;原木端面检测;色差聚类;逐级开运算, 分水岭算法

Abstract：Logs end detection is disturbed by the natural environment. An end detection method for logs accumulation state in natural environment is introduced based on image processing technology. Segmentation of logs images into logs sections, pores and backgrounds by color difference clustering to remove background interference and extracting logs end, segmentation counting is performed using hierarchical opening operation and an improved watershed algorithm. The results show that the correct detection rate is 91.88%, the false detection rate is 5.08%, and the missed detection rate is 8.12% under the high interference environment of natural environment. The method satisfies the requirement for the identification and counting of logs.

Key words： metrology image processing logs end detection color difference clustering hierarchical opening operation watershed algorithm

收稿日期: 2019-04-16 发布日期: 2020-06-08

PACS:

TP96

基金资助:河北省高等学校技术研究项目(ZD2016158)

通讯作者: 王克俭(1971-),女,河北沧州人,河北农业大学教授,硕士生导师,主要从事计算机方面研究。Email: 33688415@qq.com E-mail: 33688415@qq.com

作者简介: 唐浩(1995-),男,河北廊坊人,河北农业大学硕士研究生,研究方向为计算机应用。Email: disgracemine@163.com

引用本文:

唐浩,王克俭,李晓烨,剪文灏,谷建才. 基于色差聚类的原木图像端面检测与统计[J]. 计量学报, 2020, 41(6): 682-688.
TANG Hao,WANG Ke-jian,LI Xiao-ye,JIAN Wen-hao,GU Jian-cai. Logs End Detection and Statistics by Color Difference Clustering. Acta Metrologica Sinica, 2020, 41(6): 682-688.

链接本文:

http://jlxb.china-csm.org:81/Jwk_jlxb/CN/10.3969/j.issn.1000-1158.2020.06.09 或 http://jlxb.china-csm.org:81/Jwk_jlxb/CN/Y2020/V41/I6/682

［1］才琪, 陈绍志, 赵荣. 中央林业投资与林业经济增长的互动关系［J］. 林业科学, 2015, 51(9): 126-133.
Cai Q, Chen SZ, Zhao R, Interaction relationship between central forestry investment and forestry economic growth in China ［J］. Scientia Silvae Sinicae, 2015, 51(9): 126-133.
［2］刁钢. 中国木材供给及政策研究［D］. 北京: 北京林业大学, 2014.
［3］Parker J R. 图像处理与计算机视觉算法及应用(第2版)［M］. 景丽, 译. 北京: 清华大学出版社, 2012: 10-15.
［4］张万红, 朱元骏. 成熟期苹果计数方法研究——以黄土高原样本为例证［J］. 西南大学学报(自然科学版), 2018, 40(1): 27-34.
Zhang W H, Zhu Y J, A Study on the Method of Counting Number of Ripe Apple Fruits Based on the Sample Obtained from Chinese Loess Plateau ［J］. Journal of Southwest University(Natural Science Edition), 2018, 40(1): 27-34.
［5］刘峻, 孙美艳, 焦中元,等. 基于全局阈值迭代的苹果图像分割计数方法［J］. 安徽农业科学, 2018, 46(29): 180-182,186.
Liu J, Sun M Y, Jiao Z Y, et al. Counting Method of Global Threshold Iterative Algorithm for Apple Images Based on Global Threshold Iterative ［J］. Journal of Anhui AgriculturalSciences, 2018, 46(29): 180-182, 186.
［6］Gong A, Yu J, He Y, et al. Citrus yield estimation based on images processed by an Android mobile phone ［J］. Biosystems Engineering, 2013, 115(2): 162-170.
［7］Payne A B, Walsh K B, Subedi P P, et al. Estimation of mango crop yield using image analysis Segmentation method ［J］. Computers and Electronics in Agriculture, 2013, 91: 57-64.
［8］耿喆,祝海江,杨平,等. 超声C扫描设备定量评价方法研究［J］. 计量学报, 2019, 40(5): 893-899.
Geng Z, Zhu H J, Yang P, et al, Study on Quantitative Evaluation Method of Ultrasonic C-scan Equipment［J］. Acta Metrologica Sinica, 2019, 40(5): 893-899.
［9］曹萌. 管材自动计数系统的研究与应用［D］. 沈阳: 东北大学, 2012.
［10］李中锐. 基于图像处理的棒材识别计数系统设计与实现［D］. 郑州: 郑州大学, 2017.
［11］李良. 基于图像处理的石油套管计数系统研究［D］. 太原: 太原理工大学, 2017.
［12］刘炳乐. 基于机器视觉的成捆棒材计数方法的研究与应用［D］. 天津: 天津工业大学, 2016.
［13］黄松. 基于图像识别方法体细胞计数系统的研究［D］. 太原: 山西农业大学, 2013.
［14］王鑫, 胡洋洋, 杨慧中. 基于迭代腐蚀的粘连细胞图像分割研究［J］. 南京理工大学学报, 2016, 40(3): 285-289.
Wang X, Hu Y Y, Yang H Z, Segmentation of adherent cell image based on iterative erosion ［J］. Journal of Nanjing University of Science and Technology, 2016, 40(3): 285-289.
［15］倪豪, 郑慧峰, 王月兵,等. 基于自动种子区域生长的超声B图像缺陷分割方法［J］. 计量学报, 2018, 39(6): 878-883.
Ni H, Zheng H F, Wang Y B, et al, Ultrasonic B Image Defect Segmentation Method Based on Automatic Seeded Region Growing［J］. Acta Metrologica Sinica, 2018, 39(6): 878-883.
［16］程淑红, 高许, 周斌. 基于多特征提取和SVM参数优化的车型识别［J］. 计量学报, 2018, 39(3): 348-352.
Cheng S H, Gao X, Zhou B. Vehicle Recognition Based on Multi-feature Extraction and SVM Parameter Optimization ［J］. Acta Metrologica Sinica, 2018, 39(3): 348-352.
［17］钟新秀, 景林, 林耀海. 基于Lab颜色空间阈值分割的原木端面区域识别［J］. 龙岩学院学报, 2017, 35(2): 95-99.
Zhong X X, Jing L, Lin Y H, Log-end Area Recognition Based on Lab Color Space and Threshold Segmentation ［J］. Journal of Longyan University, 2017,35(2): 95-99.
［18］梅振荣, 任洪娥, 朱朦. 基于非线性最小二乘原理的原木端面识别算法［J］. 计算机工程与应用, 2012, 48(2): 177-178+210.
Mei Z R, Ren H E, Zhu M. Algorithm of log end recognition based on non-linear least squares principle ［J］. Computer Engineering andApplications, 2012, 48(2): 177-178, 210.
［19］景林, 林耀海, 黄习培. 基于多特征的成捆原木端面轮廓识别方法［J］. 计量学报, 2015, 36(4): 370-374.
Jing L, Lin Y H, Huang X P, Outline Extraction of Bundled Logs Cross Section Based on Muliti-feature ［J］. Acta Metrologica Sinica, 2015, 36(4): 370-374.
［20］陈广华, 张强, 陈梅倩, 等. 双目视觉的原木径级快速检测算法［J］. 北京交通大学学报, 2018, 42(2): 22-30.
Chen G H, Zhang Q, Chen M Q, et al. Rapid detection algorithms for log diameter classes based on binocular vision ［J］. Journal of Beijing Jiaotong University, 2018, 42(2): 22-30.