基于显微高光谱成像技术的木材树种分类识别

In the wood industry, wood species identification is meaningful for the wood efficient utilization and wood proper pricing. Conventional image processing schemes based on wood cell's microscopic images have some drawbacks, since they can not effectively discriminate the interspecific and intraspecific differences of wood cell's shape and texture features.In our project, we use the mathematical schemes to transform the wood cell's shape and texture information to the shape space, where Active Shape Model is used to efficiently discrimicate the above mentioned two differences. Moreover,the spectral analysis scheme is investigated in wood species recognition. The microscopic hyperspectral imaging device is used to get the wood cell's 1D spectral information to perform the wood species recognition based on the spectrum of pixel point and imaging plane, respectively. Finally, the shape, texture and spectral features of wood cells are fused to make full use of complementary information of each channel feature. The feature-level fusion scheme and the 3D image processing scheme are used so as to improve the recognition accuracy, species quantity and robustness of wood species recognition.

在木材工业中，木材树种的分类识别对于各种木材的高效利用及合理定价具有重要的实际意义。传统的木材细胞显微图像处理方法不能有效鉴别木材细胞的形状及纹理特征的种间差异和种内差异，具有一定的局限性。本项目使用数学变换法将木材细胞的形状信息和纹理信息转换到形状空间，然后在形状空间使用Active Shape Model模型进行分类识别，有效区分上述两类差异。此外，将研究光谱分析方法在木材树种分类识别中的应用，使用显微高光谱成像仪采集木材细胞的光谱维信息，进行点光谱和面光谱的木材树种分类识别。最后，将木材细胞的形状特征，纹理特征及光谱特征进行数据融合，充分利用各类模式特征的互补性信息。使用特征级融合及3D图像处理的新方法，进一步提高木材树种分类识别的精度、树种数量和抗干扰性。

本项目使用了SOC710VP高光谱成像仪（372~1038nm）进行了木材树种样本的体视化成像。首先，重点考虑了木材横切面上不同组织结构处（管孔中心、管孔周边以及随机选取）的光谱曲线的种间差异和种内差异，讨论了不同组织结构处的光谱曲线在木材树种分类识别方面的效果，实验表明管孔周边分类特征效果最好。其次，研究了木材横切面的纹理特征和光谱特征相融合的木材树种分类。在特征级上，完成了基于LBP纹理特征和光谱特征相融合的木材树种分类识别方法，它对于光照变化不敏感；完成了基于IBGLAM和光谱特征相融合的木材树种分类；完成了基于支持向量机四种复合核的木材树种分类。. 我们还使用了成本低廉的可见光成像设备和USB2000-VIS-NIR微型光纤光谱仪分别采集木材样本的可见光图像和可见光/近红外光谱（300~1100nm），提取针叶/阔叶木材的管孔特征、纹理特征和光谱特征后分别进行分类处理，对分类结果不一致的样本使用相似性判据判断最佳分类结果。其次，使用Fuzzy GLAM提取木材的微弱纹理特征，然后和光谱特征融合后送人ELM进行分类。这种纹理提取要优于GLCM, LBP, IBGLAM等纹理算子，特别适合于进行纹理相似树种的分类。本项目组使用可见光/近红外光谱特征对木材的树种和密度进行了同时预测。除此之外本项目组还开展了使用近红外光谱曲线进行古筝面板等级分类的识别工作，完成了基于卷积神经网络用于近红外光谱古筝面板木材分级；考虑了木材表面缺陷的检测方法，使用Artec 3D Scanner扫描木材表面提取3D点云数据后进行缺陷分割和计算，完成了基于3D扫描技术的木材缺陷定量化分析。. 项目组超额完成了合同指标，采集了SOC710VP体视化高光谱成像、可见光成像、USB2000-VIS-NIR可见光/近红外光谱和Flame NIR近红外光谱（950~1650nm）这四类数据集，获取了55个木材树种进行实验验证和分析。 综合看来，使用高光谱成像进行木材树种分类识别精度较高，但是仪器成本很高；而使用可见光成像设备和微型光谱仪进行数据采集成本较低，也可以获得不错的分类精度，它有着较好的推广应用前景，值得进一步研究。