36、嘈杂锯木厂图像中年轮自动计数方法

嘈杂锯木厂图像中年轮自动计数方法

在木材加工领域，原木端面的年轮模式与木材质量密切相关。传统上，木材质量评估依赖人工目视检查，不仅工作量大，而且结果缺乏一致性。本文介绍了一种自动计算锯木厂环境中原木端面年轮数量的方法，该方法基于灰度加权极坐标距离变换（GWPDT）和从两个不同方向检测到的年轮的配准。

1. 引言

木材锯切时，产品质量与原木质量相关，而原木质量会影响供应商价格和木材用途。瑞典锯木厂将年轮宽度作为木材质量分类的参数之一，目前由原木检验员在传送带旁目视估算。基于图像分析的自动系统可减轻检验员工作负担，且结果更稳定。

以往利用图像分析测量年轮宽度的方法，如基于高分辨率显微镜图像边缘检测的半自动方法、野外数码相机图像边缘检测拟合多边形方法以及基于傅里叶变换的方法，都因锯木厂图像质量差、年轮窄且图像有噪声等问题，不适用于本文场景。

2. 数据

• 真实图像 ：方法开发和评估使用的端面图像在瑞典Setra Nyby锯木厂采集。相机为工业彩色相机PixeLINK PL - A782，采用Bayer马赛克模式和滚动快门技术，图像分辨率为1800×1536像素，像素尺寸约0.4mm。由于相机位置和成像技术，图像存在运动模糊和畸变，特别是在髓心上下的水平年轮处更难区分。训练集有24张图像，评估集有20张图像，这些图像至少在某些方向上可目视数出年轮。
• 合成图像 ：为评估和测试方法，创建了基于正弦信号模拟年轮模式的合成图像。通过对图像原点的欧几里得距离应用正弦函数创建圆形正弦模式，添加二维线性函数使其变形。公式为：
  [S(p)