利用显微成像的木材树种分类方法与流程

技术特征：
1.利用显微成像的木材树种分类方法，其特征在于，该方法包括：获取板材端面的细胞图像，并获取细胞图像的灰度图；获取灰度图中细胞的中心像素点及中心像素点所在像素行，根据中心像素点的所在像素行确定细胞的边界得到多排细胞，获取每排细胞中包含最多中心像素点的直线；获取每排细胞的中心像素点到其对应直线的距离、每两条相邻直线之间的线距离及所有直线在水平方向的角度；根据每排细胞的中心像素点到其对应直线的距离、每两条相邻直线之间的线距离及所有直线在水平方向的角度计算细胞的空间分布散乱度；对所有中心像素点进行聚类得到多个聚类范围及对应的聚类中心，计算每个聚类中心的偏移度及每个聚类范围内的细胞聚集度；根据所有细胞聚集度之和与所有偏移度之和计算细胞的排列聚合度；将木材的细胞图像中的细胞的排列聚合度和空间分布散乱度作为输入，木材的种类作为输出来对预先建立的神经网络进行训练，利用训练好的神经网络对待分类木材进行分类。2.根据权利要求1所述的利用显微成像的木材树种分类方法，其特征在于，获取灰度图中细胞的中心像素点的步骤包括：获取灰度图的边缘二值图；对边缘二值图进行距离变换得到距离变换灰度图；根据距离变换灰度图获取细胞的中心像素点。3.根据权利要求1所述的利用显微成像的木材树种分类方法，其特征在于，根据中心像素点的所在像素行确定细胞的边界得到多排细胞的步骤包括：获取前i个像素行内所有中心像素点的个数；根据像素行的数值及前i像素行内所有中心像素点的个数建立跃增型折线图；获取跃增型折线图对应的函数的导数，得到导数与像素行的数值的曲线图；获取曲线图中导数为零对应的像素行范围；根据像素行范围确定细胞边界线所在的像素行；根据细胞边界线所在的像素行对细胞进行划分多排细胞。4.根据权利要求1所述的利用显微成像的木材树种分类方法，其特征在于，获取每排细胞中包含最多中心像素点的直线的步骤包括：设定每排细胞的中心像素点的坐标；进行极坐标变换将灰度图中每个中心像素点的坐标映射到霍夫空间内；获取霍夫空间内曲线交点次数最多的极坐标点；根据极坐标点得到灰度图中对应的直线，该直线即为每排细胞中最多中心像素点对应的直线。5.根据权利要求1所述的利用显微成像的木材树种分类方法，其特征在于，获取每两条相邻直线之间的线距离的步骤包括：获取靠近每条直线两个端点的中心像素点的坐标；根据每两条相邻直线的靠近端点的中心像素点的坐标计算线距离。6.根据权利要求1所述的利用显微成像的木材树种分类方法，其特征在于，根据每排细
胞的中心像素点到其对应直线的距离、每两条相邻直线之间的线距离及所有直线在水平方向的角度计算细胞的空间分布散乱度步骤包括：根据每排细胞的中心像素点到其对应直线的距离得到每排细胞的中心像素点到其对应直线平均距离，获取所有平均距离的均值；根据线距离获取所有直线的距离方差；根据所有直线在水平方向的角度获取所有直线在水平方向的角度方差；根据均值、距离方差、角度方差计算细胞的空间分布散乱度。7.根据权利要求1所述的利用显微成像的木材树种分类方法，其特征在于，对所有中心像素点进行聚类得到多个聚类范围及对应的聚类中心，计算每个聚类中心的偏移度的步骤包括：将灰度图划分为n个子图像；以每个子图像的中心点坐标作为初始聚类中心坐标；对所有像素点进行位置聚类，获取聚类后的最终聚类中心坐标，根据每个聚类中心的最终聚类中心坐标和初始聚类中心坐标计算每个聚类中心的偏移度。8.根据权利要求1所述的利用显微成像的木材树种分类方法，其特征在于，计算每个聚类范围内的细胞聚集度的步骤包括：以每个最终聚类中心为圆心作小于对应聚类范围的圆；计算每个圆内所有中心像素点到对应的最终聚类中心的点距离；根据点距离及圆内中心像素点的个数计算细胞聚集度。

技术总结
本发明涉及应用电子设备进行识别的方法领域，具体涉及利用显微成像的木材树种分类方法，该方法包括：获取板材端面的细胞图像及灰度图；根据细胞的边界将细胞划分为多排细胞，获取每排细胞中包含最多中心像素点的直线；根据每排细胞的中心像素点到其对应直线的距离、每两条相邻直线之间的线距离、直线的角度计算细胞的空间分布散乱度；对所有中心像素点进行聚类得到多个聚类范围及对应的聚类中心，计算聚类中心的偏移度及聚类范围内的细胞聚集度；根据所有细胞聚集度之和与所有偏移度之和计算细胞的排列聚合度；对神经网络进行训练，利用训练好的神经网络获取待分类木材进行分类，本发明方法提高木材识别分类的准确性。本发明方法提高木材识别分类的准确性。本发明方法提高木材识别分类的准确性。


技术研发人员：陈福贵 汤卫兵
受保护的技术使用者：南通欧瑞佳木业有限公司
技术研发日：2022.04.22
技术公布日：2022/8/16