一種自動識別原木端面的方法
【專利摘要】本發(fā)明公開了一種自動識別原木端面的方法，通過識別高光譜圖像中不同區(qū)域即背景、顏色均勻端面、明條紋、暗條紋、人工涂抹標(biāo)記、條形碼標(biāo)簽的光譜差異，對原木端面進(jìn)行自動識別。本發(fā)明的識別精度高，可應(yīng)用于原木材積的自動檢測。
【專利說明】一種自動識別原木端面的方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及原木材積自動化檢測領(lǐng)域，特指一種利用高光譜圖像技術(shù)自動識別原木端面的方法。
【背景技術(shù)】
[0002]在原木材積的檢測過程中，原木端面的尺寸、形狀是必須測量的重要參數(shù)。國家標(biāo)準(zhǔn)規(guī)定的原木材積檢測過程包括2個步驟，步驟一是測量原木小頭端面的長徑、短徑和木材長度；步驟二是根據(jù)長徑、短徑、木材長度這三個參數(shù)，查材積表得到原木的近似體積。
[0003]目前最為普遍的原木端面檢測方法是人工檢尺法，檢尺過程為工人利用眼睛逐一估算每根原木端面的形狀并大致確定長徑、短徑的方位，然后用尺手動測量端面長徑、短徑的長度。人工檢測法因勞動強(qiáng)度大并伴有一定的危險性，檢尺員的經(jīng)驗、責(zé)任心等主觀因素對測量結(jié)果影響較大，已不能滿足制材企業(yè)及木材行業(yè)的發(fā)展需求。
[0004]為了克服人工檢尺法的不足，提高原木材積的檢測效率，文獻(xiàn)“計算機(jī)視覺在原木材積檢測中的應(yīng)用”(發(fā)表于《儀器儀表學(xué)報》，2004年第25卷第4期，第1024-1025頁)公開了一種基于計算機(jī)視覺技術(shù)的原木端面檢測方法。該方法首先利用相機(jī)拍攝原木端面的圖像信息；然后利用圖像背景區(qū)域與原木端面所在區(qū)域的灰度值不同，設(shè)置合理的灰度分割閾值識別出原木端面對應(yīng)的圖像；最后利用計算機(jī)對分割后的原木端面圖像進(jìn)行計算，得到原木端面的長徑、短徑、面積等參數(shù)。該方法利用相機(jī)代替人眼獲取原木端面的圖像信息，利用計算機(jī)代替人的大腦對原木端面的圖像信息進(jìn)行快速處理，提高了檢測的效率。利用計算機(jī)圖像技術(shù)成功識別原木的端面的前提是端面與背景的灰度值有較大的差異，但是實際情況并非總是如此。原木端面明暗相間的紋理、人工涂抹的標(biāo)記、原木端面的條形碼等區(qū)域的灰度值往往與圖像背景區(qū)域的灰度值很接近，導(dǎo)致計算機(jī)對圖像中原木端面的識別效果不理想。此外，基于灰度閾值的原木端面分割方法對光照強(qiáng)度非常敏感，圖像的光照強(qiáng)度弱于或者強(qiáng)于標(biāo)準(zhǔn)光照強(qiáng)度均會導(dǎo)致額外的識別誤差。
[0005]鑒于此，本發(fā)明提出一種高光譜圖像技術(shù)自動識別原木端面的方法以解決上述問題。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的在于提供一種自動識別原木端面的方法，以實現(xiàn)對原木端面的高精度識別。
[0007]為了解決以上技術(shù)問題，本發(fā)明采用的具體技術(shù)方案如下:
一種自動識別原木端面的方法，其特征在于包含以下步驟:
步驟一，選取參照組原木:選取4*m根原木的端面組成參照組，其中端面顏色均勻的原木m根，端面含有明暗條紋的原木m根，端面含有人工涂抹標(biāo)記的原木m根，端面含有條形碼標(biāo)簽的原木m根；m為大于等于I的正整數(shù)；
步驟二，采集參照組原木端面的高光譜圖像數(shù)據(jù)與提取光譜數(shù)據(jù):采用高光譜圖像采集裝置獲取參照組原木端面對應(yīng)的高光譜圖像數(shù)據(jù)，并分六個過程提取背景區(qū)域、顏色均勻端面、明條紋、暗條紋、涂抹標(biāo)記、條形碼標(biāo)簽對應(yīng)的光譜數(shù)據(jù)；
步驟三，處理參照組原木端面的光譜數(shù)據(jù)，具體過程如下:
過程一，將背景區(qū)域、顏色均勻端面、明條紋、暗條紋、涂抹標(biāo)記、條形碼標(biāo)簽對應(yīng)的光譜數(shù)據(jù)依次組成自變量X，即X由步驟二中的XM，Xli, X2i，X3i，X4i，X5i組成；以X中每條光譜數(shù)據(jù)的來源作為因變量Y;
iYi (i=l，2，…，m)時，Y的取值為O，表示X中第I到第m條光譜為背景區(qū)域?qū)?yīng)的光譜；
iYiG=!!!+!，m+2,…，2m)時，Y的取值為1，表示X中第m+1到第2m條光譜為顏色均勻端面對應(yīng)的光譜；
iYiG=〗!!!+!，2m+2,…，3m)時，Y的取值為2，表示X中第2m+l到第3m條光譜為明條紋對應(yīng)的光譜；3m+2,…，4m)時，Y的取值為3，表示X中第3m+l到第4m條光譜為
暗條紋對應(yīng)的光譜；
當(dāng)YiG=An^l, 4m+2,…，5m)時，Y的取值為4，表示X中第4m+l到第5m條光譜為涂抹標(biāo)記對應(yīng)的光譜；
iY^izSm+l，5m+2,…，6m)時，Y的取值為5，表示X中第5m+l到第6m條光譜為條形碼標(biāo)簽對應(yīng)的光譜；
過程二，利用化學(xué)計量學(xué)方法確立自變量X與因變量Y的對應(yīng)關(guān)系F，得到原木端面識別模型Y=F (X)，根據(jù)Y的取值即可確定光譜X的來源，Y的取值為O，表示X中的光譜為背景區(qū)域?qū)?yīng)的光譜；當(dāng)￥的取值為I，表示X中的光譜為顏色均勻端面對應(yīng)的光譜；Y的取值為2，表示X中的光譜為明條紋對應(yīng)的光譜；Υ的取值為3，表示X中的光譜為暗條紋對應(yīng)的光譜；Υ的取值為4，表示X中的光譜為涂抹標(biāo)記對應(yīng)的光譜；Υ的取值為5，表示X中的光譜為條形碼標(biāo)簽對應(yīng)的光譜；
步驟四，待測原木端面的自動識別，具體過程如下:
過程一，利用高光譜圖像采集裝置獲取待測原木端面對應(yīng)的高光譜圖像數(shù)據(jù)，數(shù)據(jù)大小為PXQXR，其中P為高光譜圖像的最大行數(shù)、Q為高光譜圖像的最大列數(shù)、R為高光譜圖像的波段數(shù)；
過程二，從待測原木的高光譜圖像數(shù)據(jù)提取某一波段下的圖像信息作為參照圖片；過程三，逐一提取參照圖片中第j行第h個像素點(diǎn)在待測原木的高光譜圖像數(shù)據(jù)中對應(yīng)的光譜信息xjh Cj= 1，2，…，P; h= I, 2，…，Q;)；
過程四，將光譜信息Xjh代入步驟三過程二中原木端面識別模型Y=F(X),得yjh=F (xJh)，當(dāng)&的值為O時，將參照圖片中第j行第h個個像素點(diǎn)的灰度值設(shè)為O ;當(dāng)&的值為I或2或3或4或5時，將參照圖片中第j行第h個像素點(diǎn)的灰度值設(shè)為I ;
過程五，執(zhí)行完過程三和過程四后，參照圖片中像素點(diǎn)灰度值為O的區(qū)域代表背景區(qū)域，參照圖片中像素點(diǎn)灰度值為I的區(qū)域代表原木端面所在區(qū)域，從而實現(xiàn)了原木端面的自動識別。
[0008]所述步驟二中的六個過程具體如下:
過程一，分別從顏色均勻端面對應(yīng)的高光譜圖像中提取背景所在區(qū)域內(nèi)η2個像素的平均光譜，作為背景區(qū)域?qū)?yīng)的光譜數(shù)據(jù)并記為Xfi=I, 2，…，m；
過程二，分別從顏色均勻端面對應(yīng)的高光譜圖像中提取端面所在區(qū)域內(nèi)η2個像素的平均光譜，作為顏色均勻端面對應(yīng)的光譜數(shù)據(jù)并記為Xli, i=l，2，…，m；
過程三，分別從明暗條紋端面對應(yīng)的高光譜圖像中提取明條紋所在區(qū)域內(nèi)η2個像素的平均光譜，作為明條紋對應(yīng)的光譜數(shù)據(jù)并記為X2i，i=l，2，…，m；
過程四，分別從明暗條紋端面對應(yīng)的高光譜圖像中提取暗條紋所在區(qū)域內(nèi)η2個像素的平均光譜，作為暗條紋對應(yīng)的光譜數(shù)據(jù)并記為X3i，i=l，2，…，m；
過程五，分別從人工涂抹標(biāo)記端面對應(yīng)的高光譜圖像中提取涂抹標(biāo)記所在區(qū)域內(nèi)η2個像素的平均光譜，作為涂抹標(biāo)記對應(yīng)的光譜數(shù)據(jù)并記為X4i，i=l，2，…，m；
過程六，分別從條形碼標(biāo)簽端面對應(yīng)的高光譜圖像中提取條形碼標(biāo)簽所在區(qū)域內(nèi)η2個像素的平均光譜，作為條形碼標(biāo)簽對應(yīng)的光譜數(shù)據(jù)并記為X5i，i=l，2，…，m。
[0009]本發(fā)明具有有益效果。本發(fā)明通過識別高光譜圖像中不同區(qū)域即背景、顏色均勻端面、明條紋、暗條紋、人工涂抹標(biāo)記、條形碼標(biāo)簽的光譜差異，對原木端面進(jìn)行自動識別。由于光譜信息能夠定性鑒別檢測對象的成分信息，即使背景區(qū)域的顏色與顏色均勻端面、明條紋、暗條紋、人工涂抹標(biāo)記、條形碼標(biāo)簽的灰度值非常接近，本發(fā)明提供的技術(shù)方案仍能夠根據(jù)它們的組成成分差異進(jìn)行有效區(qū)分。
【專利附圖】

【附圖說明】
[0010]圖1為本發(fā)明的工作流程圖。
【具體實施方式】
[0011]1.一種自動識別原木端面的方法，其特征在于包含以下步驟:
步驟一，選取參照組原木；選取100根原木的端面組成參照組，其中端面顏色均勻的原木25根，端面含有明暗條紋的原木25根，端面含有人工涂抹標(biāo)記的原木25根，端面含有條形碼標(biāo)簽的原木25根；
步驟二，采集參照組原木端面的高光譜圖像數(shù)據(jù)與提取光譜數(shù)據(jù):采用高光譜圖像采集裝置獲取參照組原木端面對應(yīng)的高光譜圖像數(shù)據(jù)，并分以下5個過程提取背景區(qū)域、顏色均勻端面、明條紋、暗條紋、涂抹標(biāo)記、條形碼標(biāo)簽對應(yīng)的光譜數(shù)據(jù)；
過程一，分別從顏色均勻端面對應(yīng)的高光譜圖像中提取背景所在區(qū)域中5像素X5像素正方形區(qū)域內(nèi)25個像素的平均光譜，作為背景區(qū)域?qū)?yīng)的光譜數(shù)據(jù)并記為Xtli (i=l, 2，…，25)；
過程二，分別從顏色均勻端面對應(yīng)的高光譜圖像中提取端面所在區(qū)域內(nèi)25個像素的平均光譜，作為顏色均勻端面對應(yīng)的光譜數(shù)據(jù)并記為Xli (i=l，2，…，25)；
過程三，分別從明暗條紋端面對應(yīng)的高光譜圖像中提取明條紋所在區(qū)域內(nèi)25個像素的平均光譜，作為明條紋對應(yīng)的光譜數(shù)據(jù)并記為X2i (i=l，2，…，25)；
過程四，分別從明暗條紋端面對應(yīng)的高光譜圖像中提取暗條紋所在區(qū)域內(nèi)25個像素的平均光譜，作為暗條紋對應(yīng)的光譜數(shù)據(jù)并記為X3i (i=l，2，…，25)；
過程五，分別從人工涂抹標(biāo)記端面對應(yīng)的高光譜圖像中提取涂抹標(biāo)記所在區(qū)域內(nèi)25個像素的平均光譜，作為涂抹標(biāo)記對應(yīng)的光譜數(shù)據(jù)并記為X4i (i=l，2，…，25)；過程六，分別從條形碼標(biāo)簽端面對應(yīng)的高光譜圖像中提取條形碼標(biāo)簽所在區(qū)域內(nèi)25個像素的平均光譜，作為條形碼標(biāo)簽對應(yīng)的光譜數(shù)據(jù)并記為X5i (i=l，2，…，25)；步驟三，處理參照組原木端面的光譜數(shù)據(jù):
過程一:將背景區(qū)域、顏色均勻端面、明條紋、暗條紋、涂抹標(biāo)記、條形碼標(biāo)簽對應(yīng)的光譜數(shù)據(jù)依次組成自變量父，即父由步驟二中的1，父?，4，1，父《，1(1=1，2，…，25)組成；以X中每條光譜數(shù)據(jù)的來源作為因變量Y ；
iYi(i=l，2，…，25)時，Y的取值為O，表示X中第I到第25條光譜為背景區(qū)域?qū)?yīng)的光譜；
iYi(i=26，27，…，50)時，Y的取值為1，表示X中第26到第50條光譜為顏色均勻端面對應(yīng)的光譜；
iYi(i=51，52，…，75)時，Y的取值為2，表示X中第51到第75條光譜為明條紋對應(yīng)的光譜；
iYi(i=76，77，…，100)時，Y的取值為3，表示X中第76到第100條光譜為暗條紋對應(yīng)的光譜； iYi (i= 101，102，…，125)時，Y的取值為4，表示X中第101到第125條光譜為涂抹標(biāo)記對應(yīng)的光譜；
iYi (i= 126，127，…，150)時，Y的取值為5，表示X中第126到第150條光譜為條形碼標(biāo)簽對應(yīng)的光譜；
過程二，利用主成分分析(PCA)結(jié)合K最近鄰分類算法(KNN)確立自變量X與因變量Y的對應(yīng)關(guān)系Fknn，得到原木端面識別模型Y=Fknn (X)，根據(jù)Y的取值即可確定光譜X的來源；Y的取值為0，表示X中的光譜為背景區(qū)域?qū)?yīng)的光譜；當(dāng)Y的取值為I，表示X中的光譜為顏色均勻端面對應(yīng)的光譜；Y的取值為2，表示X中的光譜為明條紋對應(yīng)的光譜；Υ的取值為
3,表示X中的光譜為暗條紋對應(yīng)的光譜；Υ的取值為4,表示X中的光譜為涂抹標(biāo)記對應(yīng)的光譜；Υ的取值為5，表示X中的光譜為條形碼標(biāo)簽對應(yīng)的光譜；
步驟四，待測原木端面的自動識別:
過程一，采用高光譜圖像采集裝置獲取待測原木端面對應(yīng)的高光譜圖像數(shù)據(jù)，數(shù)據(jù)大小為1000X1280X256，其中1000為高光譜圖像的最大行數(shù)、1280為高光譜圖像的最大列數(shù)、256為高光譜圖像的波段數(shù)；
過程二，從待測原木的高光譜圖像數(shù)據(jù)提取第I個波段下的圖像信息作為參照圖片；過程三，逐一提取參照圖片中第j行第h個像素點(diǎn)在待測原木的高光譜圖像數(shù)據(jù)中對應(yīng)的光譜信息 xjh (j= 1，2，…，1000; h= I, 2，…，1280;)；
過程四，將光譜信息代入步驟三過程二中原木端面識別模型Y=Fknn (X)，得y#=FraN(xJh)，當(dāng)y#的值為O時，將參照圖片中第j行第h個個像素點(diǎn)的灰度值設(shè)為O ;當(dāng)yJh的值為I或2或3或4或5時，將參照圖片中第j行第h個像素點(diǎn)的灰度值設(shè)為I ;
過程五，執(zhí)行完過程三和過程四后，參照圖片中像素點(diǎn)灰度值為O的區(qū)域代表背景區(qū)域，參照圖片中像素點(diǎn)灰度值為I的區(qū)域代表原木端面所在區(qū)域，從而實現(xiàn)了原木端面的自動識別。
【權(quán)利要求】
1.一種自動識別原木端面的方法，其特征在于包含以下步驟: 步驟一，選取參照組原木:選取4*m根原木的端面組成參照組，其中端面顏色均勻的原木m根，端面含有明暗條紋的原木m根，端面含有人工涂抹標(biāo)記的原木m根，端面含有條形碼標(biāo)簽的原木m根；m為大于等于I的正整數(shù)； 步驟二，采集參照組原木端面的高光譜圖像數(shù)據(jù)與提取光譜數(shù)據(jù):采用高光譜圖像采集裝置獲取參照組原木端面對應(yīng)的高光譜圖像數(shù)據(jù)，并分六個過程提取背景區(qū)域、顏色均勻端面、明條紋、暗條紋、涂抹標(biāo)記、條形碼標(biāo)簽對應(yīng)的光譜數(shù)據(jù)； 步驟三，處理參照組原木端面的光譜數(shù)據(jù)，具體過程如下: 過程一，將背景區(qū)域、顏色均勻端面、明條紋、暗條紋、涂抹標(biāo)記、條形碼標(biāo)簽對應(yīng)的光譜數(shù)據(jù)依次組成自變量X，即X由步驟二中的Xtli，Xli, X2i，X3i，X4i，X5i組成；以X中每條光譜數(shù)據(jù)的來源作為因變量Y; iYi (i=l，2，…，m)時，Y的取值為O，表示X中第I到第m條光譜為背景區(qū)域?qū)?yīng)的光譜； iYiG=!!!+!，m+2,…，2m)時，Y的取值為1，表示X中第m+1到第2m條光譜為顏色均勻端面對應(yīng)的光譜； iYiG=〗!!!+!，2m+2,…，3m)時，Y的取值為2，表示X中第2m+l到第3m條光譜為明條紋對應(yīng)的光譜；3m+2,…，4m)時，Y 的取值為3，表示X中第3m+l到第4m條光譜為暗條紋對應(yīng)的光譜； 當(dāng)YiG=An^l, 4m+2,…，5m)時，Y的取值為4，表示X中第4m+l到第5m條光譜為涂抹標(biāo)記對應(yīng)的光譜； iY^izSm+l，5m+2,…，6m)時，Y的取值為5，表示X中第5m+l到第6m條光譜為條形碼標(biāo)簽對應(yīng)的光譜； 過程二，利用化學(xué)計量學(xué)方法確立自變量X與因變量Y的對應(yīng)關(guān)系F，得到原木端面識別模型Y=F (X)，根據(jù)Y的取值即可確定光譜X的來源，Y的取值為O，表示X中的光譜為背景區(qū)域?qū)?yīng)的光譜；當(dāng)￥的取值為I，表示X中的光譜為顏色均勻端面對應(yīng)的光譜；Y的取值為2，表示X中的光譜為明條紋對應(yīng)的光譜；Υ的取值為3，表示X中的光譜為暗條紋對應(yīng)的光譜；Υ的取值為4，表示X中的光譜為涂抹標(biāo)記對應(yīng)的光譜；Υ的取值為5，表示X中的光譜為條形碼標(biāo)簽對應(yīng)的光譜； 步驟四，待測原木端面的自動識別，具體過程如下: 過程一，利用高光譜圖像采集裝置獲取待測原木端面對應(yīng)的高光譜圖像數(shù)據(jù)，數(shù)據(jù)大小為PXQXR，其中P為高光譜圖像的最大行數(shù)、Q為高光譜圖像的最大列數(shù)、R為高光譜圖像的波段數(shù)； 過程二，從待測原木的高光譜圖像數(shù)據(jù)提取某一波段下的圖像信息作為參照圖片；過程三，逐一提取參照圖片中第j行第h個像素點(diǎn)在待測原木的高光譜圖像數(shù)據(jù)中對應(yīng)的光譜信息xjh Cj= 1，2，…，P; h= I, 2，…，Q;)； 過程四，將光譜信息Xjh代入步驟三過程二中原木端面識別模型Y=F(X),得yjh=F (xJh)，當(dāng)&的值為O時，將參照圖片中第j行第h個個像素點(diǎn)的灰度值設(shè)為O ;當(dāng)&的值為I或2或3或4或5時，將參照圖片中第j行第h個像素點(diǎn)的灰度值設(shè)為I ;過程五，執(zhí)行完過程三和過程四后，參照圖片中像素點(diǎn)灰度值為O的區(qū)域代表背景區(qū)域，參照圖片中像素點(diǎn)灰度值為I的區(qū)域代表原木端面所在區(qū)域，從而實現(xiàn)了原木端面的自動識別。
2.根據(jù)權(quán)利要求1所述的一種自動識別原木端面的方法，其特征在于:所述步驟二中的六個過程具體如下: 過程一，分別從顏色均勻端面對應(yīng)的高光譜圖像中提取背景所在區(qū)域內(nèi)η2個像素的平均光譜，作為背景區(qū)域?qū)?yīng)的光譜數(shù)據(jù)并記為ΧΜ，?=1，2，…，m； 過程二，分別從顏色均勻端面對應(yīng)的高光譜圖像中提取端面所在區(qū)域內(nèi)η2個像素的平均光譜，作為顏色均勻端面對應(yīng)的光譜數(shù)據(jù)并記為Xli, i=l，2，…，m； 過程三，分別從明暗條紋端面對應(yīng)的高光譜圖像中提取明條紋所在區(qū)域內(nèi)η2個像素的平均光譜，作為明條紋對應(yīng)的光譜數(shù)據(jù)并記為X2i，i=l，2，…，m； 過程四，分別從明暗條紋端面對應(yīng)的高光譜圖像中提取暗條紋所在區(qū)域內(nèi)η2個像素的平均光譜，作為暗條紋對應(yīng)的光譜數(shù)據(jù)并記為X3i，i=l，2，…，m； 過程五，分別從人工涂抹標(biāo)記端面對應(yīng)的高光譜圖像中提取涂抹標(biāo)記所在區(qū)域內(nèi)η2個像素的平均光譜，作為涂抹標(biāo)記對應(yīng)的光譜數(shù)據(jù)并記為X4i，i=l，2，…，m； 過程六，分別從條形碼標(biāo)簽端面對應(yīng)的高光譜圖像中提取條形碼標(biāo)簽所在區(qū)域內(nèi)η2個像素的平均光譜，作為條形碼標(biāo)簽對應(yīng)的光譜數(shù)據(jù)并記為X5i，i=l，2，…，m。
【文檔編號】G01N21/25GK103900970SQ201410113033
【公開日】2014年7月2日 申請日期:2014年3月25日 優(yōu)先權(quán)日:2014年3月25日
【發(fā)明者】李博豪, 李信軍, 牛競飛, 孫英, 殷曉平, 石吉勇 申請人:中華人民共和國常熟出入境檢驗檢疫局, 蘇州曉創(chuàng)光電科技有限公司