• 中国中文核心期刊
  • 中国农林核心期刊
  • 中国期刊方阵双效期刊
  • RCCSE中国核心学术期刊
  • 中国科学引文数据库(核心库)来源期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

数字图像技术在木材科学中的应用

李璐芳 贺春光 杨媛媛 多化琼 袁云梅

李璐芳, 贺春光, 杨媛媛, 多化琼, 袁云梅. 数字图像技术在木材科学中的应用[J]. 世界林业研究, 2021, 34(6): 33-38. doi: 10.13348/j.cnki.sjlyyj.2021.0064.y
引用本文: 李璐芳, 贺春光, 杨媛媛, 多化琼, 袁云梅. 数字图像技术在木材科学中的应用[J]. 世界林业研究, 2021, 34(6): 33-38. doi: 10.13348/j.cnki.sjlyyj.2021.0064.y
Lufang Li, Chunguang He, Yuanyuan Yang, Huaqiong Duo, Yunmei Yuan. Application of Digital Imaging Technology in Wood Science[J]. WORLD FORESTRY RESEARCH, 2021, 34(6): 33-38. doi: 10.13348/j.cnki.sjlyyj.2021.0064.y
Citation: Lufang Li, Chunguang He, Yuanyuan Yang, Huaqiong Duo, Yunmei Yuan. Application of Digital Imaging Technology in Wood Science[J]. WORLD FORESTRY RESEARCH, 2021, 34(6): 33-38. doi: 10.13348/j.cnki.sjlyyj.2021.0064.y

数字图像技术在木材科学中的应用

doi: 10.13348/j.cnki.sjlyyj.2021.0064.y
基金项目: 国家自然科学基金(31760185)
详细信息
    作者简介:

    李璐芳,女,硕士,主要研究方向为图像处理在木材科学中的应用,E-mail:783912831@qq.com

    通讯作者:

    多化琼,女,博士,教授,主要研究方向木材物理,E-mail:duohuaqiong@163.com

  • 中图分类号: S781,TP3-05

Application of Digital Imaging Technology in Wood Science

  • 摘要: 随着现代计算机技术的快速发展,计算机数字图像处理技术已成为当前追逐的热点,并广泛应用在木材科学领域中。数字图像技术所具备的现性好、精度高、灵活性强等优势,为木材科学的发展提供了新手段。文中基于数字图像处理技术从木材宏观与微观方面对木材缺陷、木材纹理、细胞特征等进行综述,同时分析了木材科学研究中主要用到的数字图像处理技术,并对数字图像处理技术在木材科学中的研究方向及发展趋势进行展望。
  • 图  1  死节缺陷分割结果[19]

    图  2  Canny算子SVD结果[41]

  • [1] 张飞鸽, 李凯, 翟少康, 等. MATLAB在数字图像处理中的应用[J]. 计算机技术与发展,2019,29(11):216 − 220. doi: 10.3969/j.issn.1673-629X.2019.11.043
    [2] ZHEN Y, JING L, YANAN G, et al. An overview of PCNN model’s development and its application in image processing[J]. Archives of Computational Methods in Engineering, 2019, 26:491 − 505. doi: 10.1007/s11831-018-9253-8
    [3] 王映月. 基于图像处理的木材缺陷检测系统研究[D]. 浙江金华: 浙江师范大学, 2019.
    [4] MOUSAVI M, TASKHIRI M S, HOLLOWAY D, et al. Feature extraction of wood-hole defects using empirical mode decomposition of ultrasonic signals[J]. NDT and E International, 2020, 114:282 − 283.
    [5] MU H B, ZHANG M M, QI D W, et al. Wood defect classification based on support vector machine[J]. International Control and Automation, 2016, 9(11):179 − 190. doi: 10.14257/ijca.2016.9.11.16
    [6] YU H, LIANG Y, LIANG H, et al. Recognition of wood surface defects with near infrared spectroscopy and machine vision[J]. Journal of Forestry Research, 2019, 30:2379 − 2386. doi: 10.1007/s11676-018-00874-w
    [7] LI C, ZHANG Y Z, TU W J, et al. Soft measurement of wood defects based on LDA feature fusion and compressed sensor images[J]. Journal of Forestry Research, 2017, 28(6):1285 − 1292. doi: 10.1007/s11676-017-0395-6
    [8] 陈献明, 王阿川, 王春艳. 基于深度学习的木材表面缺陷图像检测[J]. 液晶与显示,2019,34(9):879 − 887.
    [9] 陈炜文. 基于机器视觉木材表面缺陷图像分割研究[D]. 广州: 华南农业大学, 2016.
    [10] 刘立伟. 基于小波变换的木材应力波缺陷检测研究[D]. 哈尔滨: 东北林业大学, 2017.
    [11] 白雪冰, 许景涛, 郭景秋, 等. 基于局部二值拟合模型的板材表面节子与虫眼的图像分割[J]. 浙江农林大学学报,2016,33(2):306 − 314. doi: 10.11833/j.issn.2095-0756.2016.02.017
    [12] 姚建平. 基于3D结构激光的木材表面缺陷检测研究[D]. 北京: 北京林业大学, 2017.
    [13] 白雪冰, 许景涛, 宋恩来, 等. 3种不同模型对木材表面缺陷图像分割算法的比较[J]. 西部林业科学,2016,45(4):27 − 34.
    [14] CHANG Z Y, CAO J, ZHANG Y Z. A novel image segmentation approach for wood plate surface defect classification through convex optimization[J]. Journal of Forestry Research, 2018, 29(6):1789 − 1795. doi: 10.1007/s11676-017-0572-7
    [15] 程玉柱. 基于双向2DPCA与SVM的木材死节缺陷图像分割算法[J]. 林业机械与木工设备,2018,46(12):61 − 63. doi: 10.3969/j.issn.2095-2953.2018.12.009
    [16] LUO W, SUN L P. An improved binarization algorithm of wood image defect segmentation based on non-uniform background[J]. Journal of Forestry Research, 2019, 30(4):1527 − 1533. doi: 10.1007/s11676-019-00925-w
    [17] 白雪冰, 许景涛, 郭景秋, 等. 基于改进C-V模型的木材表面缺陷图像分割[J]. 北京林业大学学报,2015,37(12):108 − 115.
    [18] 郭康乐, 黄元, 杨妮, 等. 基于TVCV模型的多通道木材缺陷图像分割算法[J]. 林业机械与木工设备,2020,48(9):22 − 26. doi: 10.3969/j.issn.2095-2953.2020.09.005
    [19] CHENG Y Z, CAI Y F. Wood defect image segmentation algorithm based on fractional order CV model[J]. Forestry Machinery & Woodworking Equipment, 2018, 46(4):44 − 47.
    [20] YADAV A R, ANAND R S, DEWAL M L, et al. Binary wavelet transform-based completed local binary pattern texture descriptors for classification of microscopic images of hardwood species[J]. Wood Science and Technology, 2017, 51:909 − 927. doi: 10.1007/s00226-017-0902-0
    [21] 施慧慧, 王妮, 滕文秀, 等. 结合GABOR小波和形态学的高分辨率图像树冠提取方法[J]. 地球信息科学学报,2019,21(2):249 − 258. doi: 10.12082/dqxxkx.2019.180280
    [22] 刘思佳. 面向拼接的锯材原料纹理缺陷优选方法研究[D]. 哈尔滨: 东北林业大学, 2016.
    [23] 叶炜, 郑灵凤, 周云蕾, 等. 基于小波变换和支持向量机的纹理图像分类研究[J]. 电脑知识与技术,2015,11(18):163 − 166.
    [24] 宋斌, 闫宁, 朱琳琳, 等. 一种基于频谱特征的周期性结构参数检测方法[J]. 激光与光电子学进展,2020,57(12):142 − 152.
    [25] SANTOSA S, PRAMUNENDAR R A, PRABOWO D P, et al. Wood types classification using back-propagation neural network based on genetic algorithm with gray level co-occurrence matrix for features extraction[J]. IAENG International Journal of Computer Science, 2019, 46(2):149 − 155.
    [26] 王业琴, 王辉. GMRF随机场在纹理特征描述与识别中的应用[J]. 计算机工程与应用,2011,47(25):202 − 204. doi: 10.3778/j.issn.1002-8331.2011.25.053
    [27] ZAMRI M I P, CORDOVA F, KHAIRUDDIN A S M, et al. Tree species classification based on image analysis using improved-basic gray level aura matrix[J]. Computers and Electronics in Agriculture, 2016, 124:227 − 233. doi: 10.1016/j.compag.2016.04.004
    [28] 王辉. 基于灰度共生矩阵木材表面纹理模式识别方法的研究[D]. 哈尔滨: 东北林业大学, 2007.
    [29] 肖淑苹. EMD-SVM在纹理图像识别中的应用[J]. 计算技术与自动化,2017,36(4):149 − 153. doi: 10.3969/j.issn.1003-6199.2017.04.033
    [30] 林启招, 孙永科, 邱坚. 基于YCBCr颜色空间的木材纹理检测技术[J]. 信阳农林学院学报,2020,30(3):100 − 103.
    [31] 杨鹏, 张凡龙, 杨章静. 基于双树复小波域统计图像建模的纹理特征提取[J]. 控制与决策,2019,34(7):1492 − 1496.
    [32] GASSON P. Automatic measurement of vessel lumen area anddiameter with particular reference to pedunculate oak and commonbeech[J]. IAWA Bulletin, 1985, 6:219 − 237. doi: 10.1163/22941932-90000941
    [33] SARÉN M, SERIMAA R, ANDERSSON S, et a1. Struc-tural variation of tracheids in Norway spruce (Picea abies [L.] Karst.)[J]. Journalof Structural Biology, 2001, 136(2):101 − 109. doi: 10.1006/jsbi.2001.4434
    [34] REME P A, HELLE T. Assessment of transverse dimensions of wood tracheids using SEM and image analysis[J]. Holz als Roh- und Werkstoff, 2002, 60(4):277 − 282. doi: 10.1007/s00107-002-0310-4
    [35] ALMEIDA G, HUBER F, PERRÉ - MADERAS P, et a1. Free shrinkage of wood determined at the cellular level using an environmental scanning electron microscope[J]. Ciencia y Tecnología, 2014, 16(2):187 − 198.
    [36] NEDZVED A, MITROVIĆ A L, SAVIĆ A, et al. Automatic image processing morphometric method for the analysis of tracheid double wall thickness tested on juvenile Picea omorika trees exposed to static bending[J]. Trees, 2018, 32(5):1347 − 1356. doi: 10.1007/s00468-018-1716-x
    [37] 王建华, 高巍巍, 赵磊. 基于图像矩的板材细胞图像取样方法研究[J]. 计算机科学,2014,41(5):292 − 295. doi: 10.3969/j.issn.1002-137X.2014.05.062
    [38] 吴啸天. 基于多特征提取和SVM分类器的木材显微识别[J]. 陕西林业科技,2017(5):11 − 14. doi: 10.3969/j.issn.1001-2117.2017.05.003
    [39] 王振柱. 基于STRUCTURE5.0和SVM的木材微观图像特征与识别研究[D]. 呼和浩特: 内蒙古农业大学, 2016.
    [40] 吴彤. 基于细胞反向投影的木材缺陷断层重建的研究[D]. 哈尔滨: 东北林业大学, 2016.
    [41] 孙永科, 熊飞, 胡坤融, 等. CANNY算子在木材横切面放大图像识别中的应用[J]. 现代计算机,2019(19):50 − 53. doi: 10.3969/j.issn.1007-1423.2019.19.011
    [42] WANG K L, DONG Y M, YAN Y T, et al. Improving dimensional stability and durability of wood polymer composites by grafting polystyrene onto wood cell walls[J]. Polymer Composites, 2018, 39(1):119 − 125. doi: 10.1002/pc.23912
    [43] 于慧伶, 潘屾, 张怡卓. 落叶松抗弯弹性模量的细观尺度建模方法[J]. 东北林业大学学报,2018,46(12):108 − 111. doi: 10.3969/j.issn.1000-5382.2018.12.020
    [44] JAKES J E, ZELINKA S L, HUNT C G, et al. Measurement of moisture-dependent ion diffusion constants in wood cell wall layers using time-lapse micro X-ray fluorescence microscopy[J]. Scientific Reports, 2020, 10(1):484 − 489. doi: 10.1038/s41598-019-57074-7
    [45] 孙海燕. 杉木无性系木材力学性质及其与微观结构相关性研究[D]. 北京: 中国林业科学研究院, 2019.
    [46] 朱捷. 温湿处理对杨木单元润湿性能和微观力学性能影响[D]. 南京: 南京林业大学, 2018.
    [47] HE T, LIU Y, XU C Y, et al. A fully convolutional neural network for wood defect location and identification[J]. IEEE Access, 2019, 7:123453 − 123462.
  • 加载中
计量
  • 文章访问数:  42
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-03-10
  • 修回日期:  2021-08-06
  • 网络出版日期:  2021-08-09
  • 刊出日期:  2021-11-25

目录

    /

    返回文章
    返回