擬撰寫學位論文的題目 ：基于計算機視覺木材軸向薄壁組織提取技術研究
一、 立題依據(jù)(包括選題來源、目的和意義以及國內(nèi)外研究動態(tài)等)。
1.選題來源、目的和意義
選題來源：木材識別是適才適用、合理利用木材的基本前提。計算機技術在木材識別中的應用改善了傳統(tǒng)人工識別方法的缺陷。近幾年來，相關學者發(fā)現(xiàn)木材橫切面顯微圖像中包含著豐富的信息，其中蘊含的細胞排列特征、各種細胞的形態(tài)因子等特征具有區(qū)別于其他樹種的獨立性。為了達到高效、自動識別樹種的目的，必須從顯微圖像中快速、準確地提取出各種組織細胞的特征參數(shù)，因此，基于計算機視覺技術對顯微圖像進行分析的木材識別新方法受到了學者們的廣泛關注。
基于此，本項目將以木材顯微圖像作為研究對象，探索出一種木材軸向薄壁組織的提取方法，對研究基于軸向薄壁組織的闊葉材樹種的識別具有重要的意義，同時也對計算機學科與木材學科的交叉研究具有積極的推動作用。所以本項目的實施很有必要。由于這個方向在木材識別中算是比較新穎的，也是前人較少進入的領域，所以我選擇了該項研究題目作為本論文研究題目。
目的和意義：眾所周知，木材作為一種可再生資源，其利用前景非常廣闊。隨著經(jīng)濟的日益發(fā)展以及人民生活水平的不斷提高，木材作為一種環(huán)保型材料，越來越受到人們的青睞。因此，提高木材識別的正確性，對木材科學發(fā)展、木材資源的合理使用與管理、木材貿(mào)易流通、木材進出口管理和木材考古等與木材相關工作都有重大意義。例如，珍貴木材——紅木，自古至今都被人們視為國寶級的珍貴資源，不可再生，紅木家具集使用、收藏、觀賞、保值等多重功能于一身，具有極大的收藏及保值價值。由于可稱之為紅木的木材種類比較多，如紫檀木類、花梨木類、香枝木類、黑酸枝木類等，隸屬紫檀屬、黃檀屬、柿屬、崖豆屬及鐵刀木屬，其識別和區(qū)分比較困難。由于紅木家具材質(zhì)鑒定措施不完善而給不明真?zhèn)蔚纳a(chǎn)者和消費者帶來的經(jīng)濟損失少則幾千，多的可達上百萬元。
2. 國內(nèi)外研究動態(tài)
2.1木材識別特征提取
20世紀80年代初計算機圖像處理技術開始應用于木材解剖學的研究，McMillin利用圖像處理和分析技術測量了木材細胞率、纖維長度、細胞腔面積和徑向細胞腔直徑以及纖維板剪切過程中的木材破損率。Hie和Hillis所開發(fā)的圖像處理分析系統(tǒng)對細胞管腔面積及不同細胞類型所占面積比例等特征進行了量化分析。Diao等應用能量光譜方法分析確定了木材細胞形狀，并用快速傅立葉變換(FFT)檢測了10種針葉材橫斷面細胞排列及形狀的周期性，測量了細胞的徑弦向直徑和徑弦壁角度，同時他們還對18種針葉材橫切面上的管胞形態(tài)學指標進行量化測定以確定不同樹種的管胞形態(tài)參數(shù)。Fujita用FFT分析了32種日本闊葉材橫切面的導管分布。曲艷杰等利用FFT方法進行了木材細胞排列的圖像分析研究，利用得到的木材解剖特征的波動性和周期性，以解決傳統(tǒng)木材解剖方法難以做到的演化規(guī)律的研究問題。Masako KINO等也通過圖像方式精確測定了木材細胞壁厚度。保昆雁等開發(fā)了木材解剖特征量的處理系統(tǒng)，可提取細胞數(shù)目、胞腔面積及其分布、胞腔直徑、胞壁厚度、胞壁率、壁腔比等木材解剖特征參數(shù)。
以上的研究較多關注于細胞形態(tài)比量等特征的測量，圖像處理技術用作輔助測量的方法為定量化研究提供了有力的手段，解決了以往人工無法測量的問題，但尚未對傳統(tǒng)木材識別中的定性描述的識別特征如管孔式、木射線、軸向薄壁組織等木材圖像中的特有對象特征(以下這類識別特征均稱為對象特征)的研究，也未涉及對這類對象特征的自動提取。
有別于傳統(tǒng)計算機視覺中對象處理時所遇到的諸如光照、遮擋、變形及對象本身高度復雜的挑戰(zhàn)，木材顯微圖像構成中的對象相對穩(wěn)定，僅存在如導管、木射線、薄壁組織等若干種穩(wěn)定的對象，在標準約束條件下獲取的圖像也排除了光照等影響因素，因此特征提取僅需關注對象本身的特點。本論文的前期研究中，祁亨年、汪杭軍等分別利用數(shù)學形態(tài)學、遺傳算法、改進的OTSU方法等完成了木材橫切面顯微圖像中導管對象的分割，從而可以獲得導管的直徑、面積、圓形度等特征。
2.2 木材圖像紋理特征分析與提取
木材圖像紋理特征分析的研究始于上世紀90年代。Huang利用FFT功率譜圖分析了木材砂光表面的粗糙度。趙學增對木質(zhì)材料表面粗糙度測量進行了研究。王克奇等選取9幅木材紋理圖計算分形維數(shù)，提供了描述木材紋理粗糙度的一種定性度量方法。王晗等將高斯—馬爾可夫隨機場(GMRF)引入木材紋理的研究，提取樣本的低階和高階GMRF參數(shù)，分析表明通過指定的參數(shù)可判斷紋理的主方向、區(qū)分開木材的弦切和徑切紋理。謝永華將不變矩方法引入木材紋理的計算機視覺研究領域。王晗利用灰度共生矩陣法建立了木材紋理參數(shù)。
以上研究以木材宏觀的徑切面和弦切面圖像紋理為研究對象，基于顯微構造紋理特征研究尚未涉及。對于木材識別而言，宏觀特征變異性較大，而顯微結構特征相對穩(wěn)定，所以對識別來說顯微木紋更加值得研究。
顯微木紋圖像紋理(簡記為顯微木紋)主要包含兩類。一類是基于像素點的統(tǒng)計的全局性紋理，目前木材學研究已經(jīng)表明根據(jù)不同的全局性紋理特征可以確定樹種大類，如帶狀花紋的有紅松、落葉松、檫木、山棗等，交錯花紋有香樟、麻棟、大葉桉、桃花蕊木等;這類全局性紋理與木材的生長過程相關，有分類和識別價值，但還不能充分反映木材本身的特性，還無法完全滿足木材識別的需求。另一類紋理是以木材顯微圖像中特有的對象形態(tài)及其分布和結構性約束而形成的可微結構性紋理，這類紋理反映了對象如導管、木射線等的上下文(context)關系，與木材本身的生長特性密切相關，有較強的分類能力，成為木材識別的熱點和難點問題。
2.3 基于計算機視覺木材軸向薄壁組織提取技術研究
以往木材的識別或鑒定還采用過無損的掃描電鏡方法和微波傳感方法，基于視覺的木材識別研究剛剛起步，劉鎮(zhèn)波等提出基于最大相似原理以木材構造特征量化參數(shù)來識別木材的想法;王鋒等提出木材識別語義數(shù)據(jù)模型。這些基于視覺的木材識別方法研究尚停留于思路的探討，理論和實驗研究均未深入開展。
木材顯微圖像中的對象特征，如導管、木射線等，與基于像素點的統(tǒng)計的全局性紋理特征，以及對象的空間分布和結構性約束所形成的可微結構性紋理特征，均具有不同程度的分類和識別能力，可充分利用三者在分類和識別方面的互補性，而現(xiàn)有研究未將這些特征相結合進行木材識別。
二、研究目標與內(nèi)容、研究方法與技術路線及擬解決的關鍵問題。
研究目標：基于木材顯微結構圖像，應用計算機圖像處理、模式識別技術，通過顯微構造對象特征、全局性紋理特征、可微結構性紋理特征的提取和量化，發(fā)現(xiàn)并驗證軸向薄壁組織的提取技術。
研究方法：為基于木材顯微構造圖像精確而有效地進行智能化木材識別，本研究擬采用以下的研究方法：首先，結合木材微觀識別知識，研究木材顯微構造特有的導管、木射線、軸向薄壁組織等對象特征的提取，這些特征本身具有很強的分類能力，通過量化將進一步提高其分類能力;其次，提取顯微圖像的全局性紋理特征并驗證其識別能力;并根據(jù)木材特性，進行可微結構性紋理的描述和提取，挖掘出軸向薄壁組織的提取技術。
技術路線：針對木材顯微構造圖像的特有對象如導管、木射線等對象的提取，首先進行對象的分割�？梢愿鶕�(jù)對象的不同采用不同的圖像分割方法，如高斯混合模型法、Markov隨機場模型法、邊緣檢測法、數(shù)學形態(tài)學方法、基于像素點分類的方法等。利用這些方法的優(yōu)缺點，探究出軸向薄壁組織的分割方法。
擬解決的關鍵問題：闊葉樹材的軸向薄壁組織有多種多樣，比如和導管的位置關系方面，分為離管狀和傍管狀，從薄壁組織的聚集形式又可分為星散狀、輪界狀、翼狀、聚翼狀、帶狀等等，如何對這些不同組合形式薄壁組織進行有效的分離，這是本文的關鍵問題。
三、論文的研究特色與創(chuàng)新之處
根據(jù)木材顯微圖像中包含導管、木射線、軸向薄壁組織等豐富對象的特性，本論文提出并定義了可微結構性紋理特征，并在此基礎上構造相應的提取和描述方法，從而將軸向薄壁組織成功的從闊葉材橫切面顯微圖像中提取出來，這是本文在研究思路上的創(chuàng)新。
四、論文的預期目標與預期研究成果
預期目標：本項目基于木材顯微結構圖像，應用計算機圖像處理、模式識別技術，通過顯微構造對象特征、全局性紋理特征、可微結構性紋理特征的提取和量化，發(fā)現(xiàn)并驗證軸向薄壁組織的提取技術，從而達到精確而有效地智能化木材識別的目的。
預期研究成果：將本篇論文發(fā)表在核心期刊，并申請相關專利。