导读:本文包含了年轮图像论文开题报告文献综述及选题提纲参考文献，主要关键词:U-Net,年轮,卷积神经网络,图像分割
年轮图像论文文献综述
宁霄,赵鹏[1]（2019）在《基于U-Net卷积神经网络的年轮图像分割算法》一文中研究指出树木年轮学的研究需要统计树龄和测量轮宽,由此推算环境变换和树木生长信息,因此准确提取年轮特征信息至关重要。精准识别出年轮图像中的早材、晚材和树皮是实现自动化测量年轮参数的首要工作。树木年轮的生长过程中存在年轮的早材和晚材间边界过渡模糊、节疤和伪年轮等现象,且年轮圆盘在砍伐和采集过程中表面会存在毛刺和噪声点,使用传统的图像分割算法难以得到理想的效果。本文结合深度神经网络的特点,针对年轮图像的分割问题,构建了基于U-Net卷积神经网络的年轮图像语义分割模型。首先,对采集的100张年轮圆盘图像进行标注,并通过旋转、透视和图像变形等方式做数据增强,生成20000张数据集,随机选择其中16000张作为训练数据集,4000张作为测试数据集。其次,根据图像数据集的特征,利用Tensorflow深度学习框架,设计构建基于U-Net卷积神经网络的年轮圆盘图像分割网络。然后,将训练样本输送进网络,设置优化训练参数,对年轮图像分割网络进行迭代训练,直至评价指标和损失函数不再变化。最后,用训练好的模型对测试集样本进行分割,并进行分割指标评估。结果表明:该算法可有效避免毛刺、锯痕和节疤等因素的影响,完整地分割出年轮的晚材和树皮区域,在4000张测试数据集上分割的平均准确率达到96.51%,平均区域重合度达到82.30%。与传统图像处理算法相比,本文所采用的基于U-Net卷积神经网络的年轮图像分割算法,能够达到更好的分割效果,同时具有更强的泛化能力和鲁棒性。(本文来源于《生态学杂志》期刊2019年05期）
董义华,台流臣[2]（2019）在《木材CT断层图像中的年轮自动检测方法研究》一文中研究指出木材断层CT图像存在裂纹、节子等结构,而且还存在灰度不均匀、年轮形状不规则及界限不明显、宽窄变化较大等特点,因此难以对年轮进行准确检测。针对上述问题,提出了一种基于均值漂移和Otsu算法的年轮自动检测方法,首先采用CT断层扫描技术获得木材的断层图像,即横切面图像,用于木材年轮的识别与检测;然后,为克服木材CT图像中色彩不均匀现象,将图像转换为像素值在0～255之间的灰度图像,并将明暗度调节至适中位置;最后,为使断层图像易于处理及分析,采用均值漂移算法和Otsu算法来提高年轮、裂纹、节子等不同结构特征的差异性,使年轮界限更加明显,进而识别出年轮。经验证,该方法提高了检测效率和年轮识别的准确性。(本文来源于《林业机械与木工设备》期刊2019年03期）
宁霄,赵鹏[3]（2018）在《随机森林算法在树木年轮图像分割中的应用》一文中研究指出年轮图像早晚材的准确分割是树木年轮计数和间距测量的前提条件。为解决年轮本身生长的复杂性、采伐过程中的锯痕干扰、早晚材图像灰度差别较小等因素造成的分割难题,提出了一种基于随机森林(random forest,RF)算法的分类模型,可实现年轮图像的准确分割。首先,通过变换图像的颜色域空间,提取出样本图像在RGB、HSV和L*a*b*模型下的9个颜色分量,基于灰度共生矩阵提取样本图像的对比度、相关性、能量和熵的均值与标准差共8个纹理特征。然后,根据早晚材颜色与纹理特征的差异,基于随机森林算法构建像素分类器,实现年轮图像的早晚材的初步分割。为了提高分割图像的质量和准确度,对分割后的图像使用形态学方法消除孤立和黏连噪声,以得到最终分割图像。最后,将该方法与K-均值聚类(K-means)算法和支持向量机(support vector machine,SVM)算法进行对比。结果表明:所采用基于RF算法的分类模型分割年轮晚材的正确识别率为95%左右,错误识别率在6%左右,图像分割效果明显优于其他两种算法。(本文来源于《林业工程学报》期刊2018年04期）
程玉柱,李赵春,孙烨[4]（2018）在《基于纹理特征的木材年轮图像检测方法研究》一文中研究指出针对树木年轮人工检测效率低、劳动负担重的问题,提高木材年轮检测自动化程度显得尤为重要。通过钻孔获取木芯并用电荷耦合器件CCD采集云杉(Picea)年轮扫描图像,提出一种基于纹理特征的木材年轮图像检测算法。首先,将RGB彩色图像转换到HSV空间,利用V分量的梯度值生成结构张量,并构成图像的纹理特征集,并用全变差(Total Variation,TV)模型进行灰度图像去噪,用模糊区域竞争(Fuzzy Region Competition,FRC)模型进行图像分割。最后,对二值图像进行形态学滤波,并利用长宽比和面积特征识别出年轮线。试验结果表明,提出的算法去噪能力强,分割效果好,边界数正确率100%,能很好地提取云杉木材年轮边界。该方法有助于提高木材年轮的自动化检测水平,可拓展应用于其它树种,在林业科学研究和林木生长监测等方面有很好的应用前景。(本文来源于《森林工程》期刊2018年03期）
赵娟娟,郭志成,苏芳,赵亚明[5]（2017）在《基于数字图像法树木年轮宽度测量方法研究》一文中研究指出针对树木年轮图像在复杂背景下分割难的问题,提出了利用绘图工具软件AutoCAD测量年轮宽度的数字图像法,分别应用数字图像测量法和千分式手工测量相同方向10年树龄各年的年轮宽度。结果表明,采用数字图像法能够进行年轮宽度的较快速、准确地测量,且具有测量方法简单、设备普及率高、经济成本低等优点。(本文来源于《工业仪表与自动化装置》期刊2017年06期）
王燕凤[6]（2017）在《树木年轮图像的边缘检测与树龄测量方法研究》一文中研究指出传统的树木年轮采集主要通过人工操作,工作量大、效率低,图像处理技术的引入为年轮采集的智能化提供了可能。目前,图像识别技术在树木年轮检测的应用中,仍处于探索阶段,没有形成较为统一有效的方法。本文针对树木年轮图像的固有特性,对传统的Canny算法作出改进,引入双边滤波和多方向计算梯度幅值;将其应用于树木年轮图像的边缘检测;提出了基于多角度半径追踪法树龄侧测量方法;设计的方法在小样本集树木年轮图像上进行了测试,取得了较好的效果。本文的主要工作集中在以下几个方面:(1)针对树木年轮图像的特征,利用YIQ彩色模型提取亮度分量,并通过灰度值调整增强图像信息,去除不必要的色彩干扰,减少存在的噪声,为进一步的年轮识别提供良好基础。(2)提出了一种改进的Canny边缘检测算法,该算法通过引入双边滤波,对树木年轮图像进行平滑去噪,用Sobel卷积模板,计算水平、垂直及对角四个方向上的梯度幅值,提出的方法具有抑制噪声能力强、定位准确、边缘信息保存完整等优点。(3)设计了一种多角度半径追踪的树龄测量方法,该方法考虑树木年轮的生长特性,在边缘检测的图像上,寻找年轮的髓心点并做不同方向上的射线,遍历每条射线,提取各个方向上的交点值并记录坐标,通过对坐标数据分析,统计树木年龄,以及计算其他树木年轮参数值。将树木年轮图像进行传统边缘检测和本文改进的检测方法进行对比实验,在本文方法得到的结果图上采用多角度半径追踪法,对边缘图像进行年轮信息提取。结果表明基于改进Canny对树木年轮图像的边缘检测方法,去噪能力强、边缘定位准确,优于传统方法;多角度半径追踪法,在树木年轮应用中,识别准确、数据保留全面,在自动化树木年轮检测中具有一定实际应用价值。(本文来源于《浙江农林大学》期刊2017-01-10）
张文涛,江源,王明昌,张凌楠,郭媛媛[7]（2015）在《使用MiVnt图像分析系统进行树木年轮细胞特征研究的尝试》一文中研究指出以芦芽山白杄(Picea meyeri)的树轮样本作为对象,尝试使用MiVnt图像分析系统观测树轮细胞特征.建立了包含树轮宽度、细胞数目、细胞大小、最大细胞大小、最小细胞大小、早材细胞数目、晚材细胞数目在内的7个树轮年表.结果表明,树轮宽度、细胞数目和早材细胞数目年表具有较高的气候信息质量.晚材细胞数目年表与其余年表之间具有负相关关系,表明细胞特征可以体现与树轮宽度不同的气候信息.除晚材细胞数目年表外,其余年表均与生长季气温呈负相关,与降水呈正相关,体现了土壤干旱对树木生长的限制.晚材细胞数目年表与生长季末期的降水显着负相关,体现了生长季末期气候条件对形成层细胞的影响.本文是研究树木生长与气候因子关系的有益补充.(本文来源于《北京师范大学学报(自然科学版)》期刊2015年02期）
薛倩,杨银科[8]（2015）在《图像识别技术在树木年轮分析中的应用进展》一文中研究指出图像识别技术在树木年轮学研究中具有重要的地位和实用价值。在了解树轮图像分析技术发展历程的基础上,介绍了图像处理新技术在树木年轮分析中的应用,综述了国内外的研究进展。从研究区域、思路与方法、应用领域等方面详细综述了国内最新的研究进展。概述了研究存在的问题及未来的展望。结论表明,图像识别技术能够取代树轮实验分析中常规的人工操作,可以大幅度提高实验分析的自动化程度、量测的精准度以及工作效率。虽然图像识别技术在树木年轮实验分析中仍处在起步阶段,但是其超强的技术优势和发展前景已经显现。(本文来源于《中国农学通报》期刊2015年01期）
朱琪[9]（2013）在《基于区域的自动区域生长算法在彩色年轮图像分割中的应用》一文中研究指出该方法首先采用分水岭算法来得到彩色年轮图像的大致区域分布,并结合canny算法实现种子点的自动选取,自适应的改变生长条件,从而解决了区域断裂的问题。分割结果表明,该方法保持了原图像的完整形状特征并能获得清晰的边缘,为年轮参数提取奠定了良好的基础。(本文来源于《电子技术与软件工程》期刊2013年24期）
陈佶[10]（2013）在《图像处理技术与统计学方法在自动化年轮分析系统中的应用》一文中研究指出随着社会发展与科学技术的进步，图像处理技术发展十分迅速，逐渐应用到更多的自然科学领域。自然科学领域中，年轮年代学因其与其他诸多学科的紧密关联性，越来越为研究学者们所看重。树木年轮分析系统可以为年轮年代学工作者们带来诸如树木年龄、每年的生长情况等这样有用的数据。这些分析可以帮助年轮年代学者们去研究过去的生态学、气候、环境变化以及考古遗迹方面的信息。由于计算年轮个数与测定年轮间的宽度是耗时且困难的任务，一个自动化的分析系统是亟待解决的难题。论文以自动化完成上述分析树木年轮属性的系统为目标，分析了系统功能的开发中可能遇到的难点：横越年轮的疤痕与其他大型疤痕；树木横截面上的噪点；适用于自动化系统的自适应算法。同时研究了各种提取、去噪、测量算法或方法，从而确定了各个难点的对策。在测量步骤中融入统计学思想，在避开疤痕干扰的同时结果进行统计学处理以提高准确率；以标签算法来获得图像中各连通域的面积大小，以去除噪声；以自适应的图像二值化方法为提取年轮的方法，以得到年轮的轮廓。论文从一般年轮分析系统的需求出发，概要介绍了系统运行时图像处理与度量数据的流程。经过实验，选取得到合适的方法并确定了必要的参数以得到满意的图像处理结果。同时，提供了合理的年轮数目与年轮间宽度的度量方法，证明了所选方法与参数的合理性，为日后的系统集成开发打下了良好的理论基础。通过实验，论文提出的各项方法比较好的完成了需要完成的功能，同时基本解决了系统开发中遇到的难点。准确性方面，经过论文提出的方法得到的结果对测量年轮数目的误差在±10%之内，同时本文的方法对已经存在的传统方法Canny算子也有一定优势。(本文来源于《西安电子科技大学》期刊2013-03-01）
年轮图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
木材断层CT图像存在裂纹、节子等结构,而且还存在灰度不均匀、年轮形状不规则及界限不明显、宽窄变化较大等特点,因此难以对年轮进行准确检测。针对上述问题,提出了一种基于均值漂移和Otsu算法的年轮自动检测方法,首先采用CT断层扫描技术获得木材的断层图像,即横切面图像,用于木材年轮的识别与检测;然后,为克服木材CT图像中色彩不均匀现象,将图像转换为像素值在0～255之间的灰度图像,并将明暗度调节至适中位置;最后,为使断层图像易于处理及分析,采用均值漂移算法和Otsu算法来提高年轮、裂纹、节子等不同结构特征的差异性,使年轮界限更加明显,进而识别出年轮。经验证,该方法提高了检测效率和年轮识别的准确性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
年轮图像论文参考文献
[1].宁霄,赵鹏.基于U-Net卷积神经网络的年轮图像分割算法[J].生态学杂志.2019
[2].董义华,台流臣.木材CT断层图像中的年轮自动检测方法研究[J].林业机械与木工设备.2019
[3].宁霄,赵鹏.随机森林算法在树木年轮图像分割中的应用[J].林业工程学报.2018
[4].程玉柱,李赵春,孙烨.基于纹理特征的木材年轮图像检测方法研究[J].森林工程.2018
[5].赵娟娟,郭志成,苏芳,赵亚明.基于数字图像法树木年轮宽度测量方法研究[J].工业仪表与自动化装置.2017
[6].王燕凤.树木年轮图像的边缘检测与树龄测量方法研究[D].浙江农林大学.2017
[7].张文涛,江源,王明昌,张凌楠,郭媛媛.使用MiVnt图像分析系统进行树木年轮细胞特征研究的尝试[J].北京师范大学学报(自然科学版).2015
[8].薛倩,杨银科.图像识别技术在树木年轮分析中的应用进展[J].中国农学通报.2015
[9].朱琪.基于区域的自动区域生长算法在彩色年轮图像分割中的应用[J].电子技术与软件工程.2013
[10].陈佶.图像处理技术与统计学方法在自动化年轮分析系统中的应用[D].西安电子科技大学.2013