森林是保護陸地生態(tài)系統(tǒng)平衡的主體,樹木葉片作為至關重要的固碳庫,有效利用與保護林木資源成為當下重要課題。林木種類精確識別是建設生態(tài)林帶的關鍵,對森林資源監(jiān)測、生態(tài)多樣性的保護以及智慧林業(yè)的建設具有重要意義。但因葉片形狀與紋理脈絡相近且受季節(jié)、環(huán)境等因素影響,傳統(tǒng)經驗觀察法識別樹種難度較大。故將機器視覺融入林業(yè)樹種識別領域,使其成為自動分類的重要途徑。本研究在基于灰度共生矩陣的基礎上,構建BP神經網絡的樹種識別模型,經實驗驗證可精準有效化的實現樹種識別。在東北林業(yè)大學實驗林場采集林區(qū)常見10種闊葉樹種的葉片作為研究對象,包括（鉆天楊、金銀忍冬、旱柳、黃檗、榆葉梅、色木槭、紫椴、白樺、復葉槭及蒙古櫟）。通過自主設計與研發(fā)的圖像采集硬件系統(tǒng),用以獲取葉片樣本的二維數字圖像,并對其進行灰度化、二值化和邊緣檢測處理。同時提出一種新型加和法將葉片的原始灰度圖像從整幅圖像的背景區(qū)域分割出來,該方法保留了葉片灰度圖像的完整性特征信息,且葉片區(qū)域與背景完全分離。為后續(xù)圖像特征提取和樹種識別等研究提供堅實的理論支撐,加和法也可應用于其他圖像分割領域。對預處理后的二維樹木葉片圖像,提取其幾何與紋理的特征信息... 

【文章來源】：東北林業(yè)大學黑龍江省 211工程院校 教育部直屬院校

【文章頁數】：47 頁

【學位級別】：碩士

【部分圖文】：

圖２－１樹木葉片圖像采集器結構示意圖??１相機２電源開關３合頁４把手５日光燈管６載樣臺??２．２．２

?東北林業(yè)大學碩士學位論文???Ａ?ｉ??ｍｍ?Ａ?９??＾?’?Ｗ??（ａ）白樺?（ｂ）黃檗?（ｃ）蒙古櫟??▲?ｉ?Ａ??ＳＢ??ｉｌ４；，：ｖ，；．??（ｄ）色木槭?（ｅ）金銀忍冬?（ｆ）鉆天楊??圖２－２葉片ｉ？Ｇ５圖像??２．２．３樹木葉片圖像背景與葉柄去除??葉片數字圖像包括前景與背景，如圖２－３?（ａ）所示。在樹木葉片圖像采集器拍攝過??程中雖然以Ａ４白紙作為樹木葉片的背景板，但仍會包含部分與葉片不相關的背景，使??背景區(qū)域像素值存在差異，對后續(xù)實驗可能有一定干擾。將葉片圖像背景轉換為黑色，??使葉片與背景完全分離。如圖２－３?（ｂ）所示，在實地自主采集樹木葉片時，可能對葉柄??造成折損，葉柄的長度與方向均不一致，且包含的特征信息較少。為保證后續(xù)實驗精準??性，利用形態(tài)學處理方法中的腐蝕操作，去除樹木葉片的葉柄，以消除其在實驗過程中??帶來的不利影響，如圖２－３?（ｃ）所示。??－８?－??

２樹木葉片采集及圖像預處理??■■■■■■■??—■■??（ａ）原始圖像?（ｂ）去背景圖?（ｃ）去葉柄圖像??圖２－３色木槭去除背景和葉柄圖像??２．３樹木葉片圖像灰度化??圖像預處理目的為減弱葉片圖像中存在的無用信息，突顯與增強目標區(qū)域，圖像處??理軟件利用ＭＡＴＬＡＢ?Ｒ２０１６ａ的工具箱進行操作。高質量的預處理過程可改善樹種識別??算法的復雜度以及提高識別精準度。為減少程序的運算時間，將從實驗室暗箱拍攝的像??素為５１８４ｘ３４５６的圖像壓縮為像素為４００ｘ５３２的等比圖像，之后進行灰度化處??理。??圖像的像素矩陣較大，包含ｉ？、Ｇ?Ｓ三個通道，如圖２－４所示，對樹木葉片??進行圖像處理時，可通過三個通道實現。因人眼對顏色的視覺敏感程度不同，故??在對三個通道進行轉換時需給予不同的權重。因為隨著時間，季節(jié)的改變，葉片的顏色??也會隨之發(fā)生變化，由綠色變?yōu)辄S色、紅色等，會產生較大誤差給后續(xù)的目標識別增加??困難。??Ｚ??５?－?（〇－ａｉ）?青（０４，１）??品紅／ｅ??（１，０，１）?Ｉ?ＪＴ７］??綠（０，１，０）??／ＥＴａａｏ）?￣＾?Ｙ??紅?／?／?＾度??（１Ａ０）?Ｙ－?＾??／?貢（１，１，０）??Ｘ??圖２－４?顏色空間模型??－９－??


本文編號：3504316