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

基于改进K-means聚类与分水岭的木材横截面管孔分割

程昱之 钟丽辉 何鑫 王远 李朝岚

程昱之, 钟丽辉, 何鑫, 王远, 李朝岚. 基于改进K-means聚类与分水岭的木材横截面管孔分割[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20210219
引用本文: 程昱之, 钟丽辉, 何鑫, 王远, 李朝岚. 基于改进K-means聚类与分水岭的木材横截面管孔分割[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20210219
CHENG Yuzhi, ZHONG Lihui, HE Xin, WANG Yuan, LI Chaolan. Segmentation of wood cross-section pores based on improved K-means clustering and watershed[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20210219
Citation: CHENG Yuzhi, ZHONG Lihui, HE Xin, WANG Yuan, LI Chaolan. Segmentation of wood cross-section pores based on improved K-means clustering and watershed[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20210219

本文已在中国知网网络首发,可在知网搜索、下载并阅读全文。

基于改进K-means聚类与分水岭的木材横截面管孔分割

doi: 10.11833/j.issn.2095-0756.20210219
基金项目: 云南省农业基础研究联合专项(2018FG001-108)
详细信息
    作者简介: 程昱之(ORCID: 0000-0001-5036-1873),从事木材图像处理研究。E-mail: 2848514993@qq.com
    通信作者: 钟丽辉(ORCID: 0000-0001-9630-1622),从事木材图像处理研究。E-mail: zhongsimple@sina.com
  • 中图分类号: S781.1

Segmentation of wood cross-section pores based on improved K-means clustering and watershed

  • 摘要:   目的  管孔是木材识别方面的重要特征之一。针对管孔随机分布、大小不一导致管孔分割鲁棒性不高,木纤维、木射线以及轴向薄壁组织等噪声区域对管孔分割效果影响较大的问题,本研究提出了一种改进K-means聚类与分水岭的木材横截面管孔分割算法。  方法  采用改进K-means聚类对管孔区域进行粗分割,有效区分管孔区域与木纤维、木射线以及轴向薄壁组织等噪声区域。再对粗分割结果采用改进分水岭算法进行精分割,分割出的管孔与实际管孔基本吻合。  结果  平均每张木材横截面微观图像有97.1%的管孔被准确有效地分割出来。本研究提出的改进分割算法与其他算法相比,分割效果显著提升,在大小不一且随机分布的管孔分割过程中鲁棒性高,具有良好的分割性能。  结论  该算法能有效解决传统K-means聚类算法在图像分割时受噪声影响大和初始聚类中心随机性问题,为阔叶材管孔特征提取和定量分析奠定了坚实基础。图7参16
  • 图  1  改进K-means与分水岭算法流程

    Figure  1  Improved K-means and watershed algorithm flow

    图  2  木材横截面原图

    Figure  2  Original cross-section of wood

    图  3  红脉槭颜色直方图

    Figure  3  Color histogram of A. rufinerve

    图  4  管孔粗分割结果

    Figure  4  Rough segmentation results of pores

    图  5  颜色编码结果

    Figure  5  Color coding results

    图  6  管孔精分割结果

    Figure  6  Fine segmentation results of pores

    图  7  各算法分割效果

    Figure  7  Segmentation effect diagram of each algorithm

    表  1  各算法分割效果对比

    Table  1.   Comparison of segmentation effects of various algorithms

    算法管孔
    漏分
    木射线
    误分
    轴向薄壁
    组织误分
    木纤维
    误分
    阈值分割
    分水岭
    K-means聚类与阈值分割
    本研究算法
    下载: 导出CSV
  • [1] 黄鹏桂, 赵璠, 李晓平, 等. 基于计算机的木材特征提取和分类识别技术研究综述[J]. 世界林业研究, 2020, 33(1): 44 − 48.

    HUANG Penggui, ZHAO Fan, LI Xiaoping, et al. Review of computer-based wood feature extraction and identification [J]. World For Res, 2020, 33(1): 44 − 48.
    [2] ESPINOSA L F, HERRERA R J, POLANCOTAPIA C. Segmentation of anatomical elements in wood microscopic images using artificial vision techniques [J]. Maderas Cienc Technol, 2015, 17: 106 − 108.
    [3] 黄鹏, 郑淇, 梁超. 图像分割方法综述[J]. 武汉大学学报(理学版), 2020, 66(6): 519 − 531.

    HUANG Peng, ZHENG Qi, LIANG Chao. Overview of image segmentation methods [J]. J Wuhan Univ Nat Sci Ed, 2020, 66(6): 519 − 531.
    [4] 韩刘杨, 田兴玲, 周海宾, 等. 饱水清代木材的构造腐朽程度及加固处理对其颜色的影响[J]. 西南林业大学学报(自然科学), 2020, 40(1): 132 − 138. doi:  10.11929/j.swfu.201903133

    HAN Liuyang, TIAN Xingling, ZHOU Haibin, et al. The Influences of the anatomical structure and deterioration state of wood from a Qing Dynasty shipwreck on wood color after the consolidation treatment [J]. J Southwest For Univ Nat Sci, 2020, 40(1): 132 − 138. doi:  10.11929/j.swfu.201903133
    [5] 杨建飞, 宁莉萍, 杨了, 等. 黑壳楠生长量及木材解剖特征的径向变异[J]. 南京林业大学学报(自然科学版), 2018, 42(1): 181 − 187.

    YANG Jianfei, NING Liping, YANG Liao, et al. Variation in radial increment of Lindera megaphylla and its wood anatomical characteristics [J]. J Nanjing For Univ Nat Sci Ed, 2018, 42(1): 181 − 187.
    [6] 中国林业科学研究院木材工业研究所. 一种木材识别方法及系统: CN201810830841.3[P]. 2019-01-03.
    [7] 于海鹏, 刘一星, 崔永志, 等. 基于二值形态学的木材横切面显微构造特征测量[J]. 材料科学与工艺, 2008, 16(1): 107 − 111. doi:  10.3969/j.issn.1005-0299.2008.01.027

    YU Haipeng, LIU Yixing, CUI Yongzhi, et al. Measurement of wood microstructural parameters on transverse section by binary morphology [J]. Mater Sci Technol, 2008, 16(1): 107 − 111. doi:  10.3969/j.issn.1005-0299.2008.01.027
    [8] 计智伟, 汪杭军, 何涛, 等. 基于改进区域生长的木材导管形态特征提取方法[J]. 北京林业大学学报, 2011, 33(3): 64 − 69.

    JI Zhiwei, WANG Hangjun, HE Tao, et al. A morphological feature extraction method of wood pores based on an improved growing region algorithm [J]. J Beijing For Univ, 2011, 33(3): 64 − 69.
    [9] 张广群, 汪杭军. 基于多目标遗传算法的管孔组合特征识别[J]. 林业科学, 2012, 48(4): 87 − 92. doi:  10.11707/j.1001-7488.20120414

    ZHANG Guangqun, WANG Hangjun. Multi-objective genetic based pore combination recognition [J]. Sci Silv Sin, 2012, 48(4): 87 − 92. doi:  10.11707/j.1001-7488.20120414
    [10] 汪杭军. 基于纹理的木材图像识别方法研究[D]. 合肥: 中国科学技术大学, 2013.

    WANG Hangjun. The Study of Recognition Methods of Texture-based Wood Images[D]. Hefei: University of Science and Technology of China, 2013.
    [11] 祁亨年, 陈丰农, 方陆明, 等. 一种基于形态学的木材导管图像分割方法[J]. 北京林业大学学报, 2008, 30(4): 12 − 16. doi:  10.3321/j.issn:1000-1522.2008.04.003

    QI Hengnian, CHEN Fengnong, FANG Luming, et al. A method for wood pore image segmentation based on mathematical morphology [J]. J Beijing For Univ, 2008, 30(4): 12 − 16. doi:  10.3321/j.issn:1000-1522.2008.04.003
    [12] SHEN Pan, KUDO M. Segmentation of pores in wood microscopic images based on mathematical morphology with a variable structuring element [J]. Comput Electron Agric, 2010, 75(2): 250 − 260.
    [13] 何拓, 高瑞清, 焦立超, 等. 世界木材标本馆现状与发展建议[J]. 木材工业, 2020, 34(3): 40 − 43, 55.

    HE Tuo, GAO Ruiqing, JIAO Lichao, et al. Present status of global leading xylaria and suggestions for xylaria development in China [J]. Chin J Wood Sci Technol, 2020, 34(3): 40 − 43, 55.
    [14] 李玉功. K-means聚类算法的改进及其在彩色图像分割中的应用[D]. 合肥: 安徽大学, 2018.

    LI Yugong. Improvement of K-means Clustering Algorithm and Its Application in Color Image Segmentation[D]. Hefei: Anhui University, 2018.
    [15] 卢印举, 段明义, 李祖照, 等. 一种改进的路面裂缝图像分割方法[J]. 科学技术与工程, 2020, 20(26): 10815 − 10821. doi:  10.3969/j.issn.1671-1815.2020.26.039

    LU Yinju, DUAN Mingyi, LI Zuzhao, et al. An improved road crack image segmentation method [J]. Sci Technol Eng, 2020, 20(26): 10815 − 10821. doi:  10.3969/j.issn.1671-1815.2020.26.039
    [16] 李平. 四种槭属植物形态解剖学研究[D]. 长春: 吉林农业大学, 2011.

    LI Ping. Morphological and Anatomical Studies on Fours Species of Acer L. [D]. Changchun: Jilin Agricultural University, 2011.
  • [1] 柳懿祥, 汪杭军, 徐铁平.  1种基于全局对比度的害虫收集方法 . 浙江农林大学学报, 2021, 38(2): 369-376. doi: 10.11833/j.issn.2095-0756.20200318
    [2] 兰洁, 肖中琪, 李吉玫, 张毓涛.  天山雪岭云杉生物量分配格局及异速生长模型 . 浙江农林大学学报, 2020, 37(3): 416-423. doi: 10.11833/j.issn.2095-0756.20190384
    [3] 明浩, 苏喜友.  利用特征分割和病斑增强的杨树叶部病害识别 . 浙江农林大学学报, 2020, 37(6): 1159-1166. doi: 10.11833/j.issn.2095-0756.20190752
    [4] 向安民, 刘凤伶, 于宝义, 李崇贵.  基于k-NN方法和GF遥感影像的森林蓄积量估测 . 浙江农林大学学报, 2017, 34(3): 406-412. doi: 10.11833/j.issn.2095-0756.2017.03.004
    [5] 张广群, 李英杰, 汪杭军.  基于词袋模型的林业业务图像分类 . 浙江农林大学学报, 2017, 34(5): 791-797. doi: 10.11833/j.issn.2095-0756.2017.05.004
    [6] 施泉, 陈晓沛, 林新春, 徐永汉, 徐英武.  雷竹和拟南芥SOC1多聚体差异性分析 . 浙江农林大学学报, 2016, 33(2): 183-190. doi: 10.11833/j.issn.2095-0756.2016.02.001
    [7] 白雪冰, 许景涛, 郭景秋, 陈凯.  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 . 浙江农林大学学报, 2016, 33(2): 306-314. doi: 10.11833/j.issn.2095-0756.2016.02.017
    [8] 姚飞, 叶康, 周坚华.  植物叶图像特征分析和分类检索 . 浙江农林大学学报, 2015, 32(3): 426-433. doi: 10.11833/j.issn.2095-0756.2015.03.015
    [9] 冯雪, 吴达胜, 骆文建.  森林防火多出救点应急调度算法 . 浙江农林大学学报, 2013, 30(2): 257-262. doi: 10.11833/j.issn.2095-0756.2013.02.016
    [10] 姜广宇, 徐爱俊, 黄小银, 邵建龙.  带约束条件的森林防火最优路径算法 . 浙江农林大学学报, 2013, 30(1): 76-82. doi: 10.11833/j.issn.2095-0756.2013.01.011
    [11] 张广群, 吴伟志, 汪杭军.  基于加速鲁棒特征的木材显微图像自动配准方法 . 浙江农林大学学报, 2012, 29(4): 600-605. doi: 10.11833/j.issn.2095-0756.2012.04.018
    [12] 郝红, 徐常青, 张新平.  基于非负矩阵分解的航拍图像信息提取 . 浙江农林大学学报, 2012, 29(1): 72-77. doi: 10.11833/j.issn.2095-0756.2012.01.013
    [13] 夏国华, 刘传荷.  高岭景天:中国景天属一新记录种 . 浙江农林大学学报, 2011, 28(2): 254-255. doi: 10.11833/j.issn.2095-0756.2011.02.013
    [14] 陈建珍, 何超, 岳彩荣.  基于FLAASH模块的高级陆地成像仪图像的大气校正 . 浙江农林大学学报, 2011, 28(4): 590-596. doi: 10.11833/j.issn.2095-0756.2011.04.011
    [15] 方益明, 郑红平, 冯海林.  基于傅里叶变换和独立成分分析的木材显微图像特征提取与识别 . 浙江农林大学学报, 2010, 27(6): 826-830. doi: 10.11833/j.issn.2095-0756.2010.06.004
    [16] 刘羿, 佘光辉, 刘安兴, 张国江.  林业自然地理的模糊聚类区划 . 浙江农林大学学报, 2008, 25(4): 422-426.
    [17] 王彬, 王辉, 杨君珑, 孙栋元.  子午岭次生油松林主要乔木树种的更新特点 . 浙江农林大学学报, 2007, 24(5): 559-563.
    [18] 王锐萍, 刘强, 彭少麟, 林开豪, 文艳, 薛宁.  尖峰岭不同树种枯落物分解过程中微生物动态 . 浙江农林大学学报, 2006, 23(3): 255-258.
    [19] 管宇.  方程求实根的四分试位算法 . 浙江农林大学学报, 2001, 18(2): 184-187.
    [20] 张君析, 林绍生.  应用气候生态聚类指导脐橙引种 . 浙江农林大学学报, 1996, 13(1): 41-47.
  • 加载中
  • 链接本文:

    https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20210219

    https://zlxb.zafu.edu.cn/article/zjnldxxb/2022//1

计量
  • 文章访问数:  8
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-03-11
  • 修回日期:  2021-07-27

基于改进K-means聚类与分水岭的木材横截面管孔分割

doi: 10.11833/j.issn.2095-0756.20210219
    基金项目:  云南省农业基础研究联合专项(2018FG001-108)
    作者简介:

    程昱之(ORCID: 0000-0001-5036-1873),从事木材图像处理研究。E-mail: 2848514993@qq.com

    通信作者: 钟丽辉(ORCID: 0000-0001-9630-1622),从事木材图像处理研究。E-mail: zhongsimple@sina.com
  • 中图分类号: S781.1

摘要:   目的  管孔是木材识别方面的重要特征之一。针对管孔随机分布、大小不一导致管孔分割鲁棒性不高,木纤维、木射线以及轴向薄壁组织等噪声区域对管孔分割效果影响较大的问题,本研究提出了一种改进K-means聚类与分水岭的木材横截面管孔分割算法。  方法  采用改进K-means聚类对管孔区域进行粗分割,有效区分管孔区域与木纤维、木射线以及轴向薄壁组织等噪声区域。再对粗分割结果采用改进分水岭算法进行精分割,分割出的管孔与实际管孔基本吻合。  结果  平均每张木材横截面微观图像有97.1%的管孔被准确有效地分割出来。本研究提出的改进分割算法与其他算法相比,分割效果显著提升,在大小不一且随机分布的管孔分割过程中鲁棒性高,具有良好的分割性能。  结论  该算法能有效解决传统K-means聚类算法在图像分割时受噪声影响大和初始聚类中心随机性问题,为阔叶材管孔特征提取和定量分析奠定了坚实基础。图7参16

English Abstract

程昱之, 钟丽辉, 何鑫, 王远, 李朝岚. 基于改进K-means聚类与分水岭的木材横截面管孔分割[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20210219
引用本文: 程昱之, 钟丽辉, 何鑫, 王远, 李朝岚. 基于改进K-means聚类与分水岭的木材横截面管孔分割[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20210219
CHENG Yuzhi, ZHONG Lihui, HE Xin, WANG Yuan, LI Chaolan. Segmentation of wood cross-section pores based on improved K-means clustering and watershed[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20210219
Citation: CHENG Yuzhi, ZHONG Lihui, HE Xin, WANG Yuan, LI Chaolan. Segmentation of wood cross-section pores based on improved K-means clustering and watershed[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20210219

返回顶部

目录

    /

    返回文章
    返回