探究年轮自动检测方法在木材CT断层图像中的使用.docVIP

探究年轮自动检测方法在木材CT断层图像中的使用 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：探究年轮自动检测方法在木材CT断层图像中的使用 1 1、图像特征分析与CT图像获取 2 2、年轮检测与识别方法 3 3、试验结果分析 6 4、讨论与展望 7 文2：CT图像三维重建在复杂颈椎骨折的诊断和治疗中的应用价值 7 1 资料与方法 7 2 结果 8 3 讨论 9 参考文摘引言： 10 原创性声明（模板） 12 文章致谢（模板） 12 正文 探究年轮自动检测方法在木材CT断层图像中的使用 文1：探究年轮自动检测方法在木材CT断层图像中的使用 树木是地球生态系统中的重要组成部分，其年轮可清晰反映生长地的环境条件和气候变化，因此研究树木年轮的疏、密、宽、窄及其形态特征具有重要意义[1]。传统的年轮检测方法通常是将树木伐倒，再观察其横切面年轮形态，或采用生长锥测定法，对树干进行钻孔取样，在仪器上读取年轮信息。以上方法均对树木造成了严重伤害，且费时费力，检测结果也不准确。目前，利用图像处理技术来获取木材年轮已成为研究热点[2]，基于计算机视觉的CT断层扫描技术可以在不破坏树木的条件下，重建其横切面图像，为树木年轮自动检测提供一种开创性的技术手段[3－5]。由于树木内部结构复杂，年轮形态多变，导致CT断层图像的灰度不均匀，且容易产生环形伪影现象。因此，对木材CT断层图像中年轮的特征提取、准确分割和识别是树木年轮自动检测技术亟需解决的关键问题。 Cerda等[6]提出了一种自动年轮识别检测方法，有较好的抗干扰能力和容错性；MeenakshiSundari等[7]运用Canny方法，虽然方法复杂但取得了较好的检测效果；Norell[8]设计了一种年轮自动检测装置，由图像处理系统通过摄像头获取木材断层图像检测年轮；朱琪[9]在木材断层彩色图像分割过程中运用改进的区域生长算法，得到良好的年轮边缘图像；王燕凤[10]等利用双边滤波和改进的Canny算法对获取的断层图像进行增强，然后利用多数投票原则获得木材年轮，取得了较好的实验结果。本文以具有节子、裂纹等结构的小径级原木为研究对象，通过重建某一断层CT图像，将图像转换为像素值在0~255之间的灰度图像，并将明暗度调节至适中位置，采用均值漂移算法和Otsu算法提高年轮、裂纹、节子等不同结构特征的差异性，使年轮界限更加明显，并分析图像中的年轮圈数、年轮直径等，取得了较好的成果。 1、图像特征分析与CT图像获取 树木年轮图像特征分析 自然生长条件下，树木内部结构复杂。由于树种、树龄不同，树木年轮形态各异，多为不规则圆形或椭圆形，且心、边材年轮宽度变化较大。受树木生长环境影响，内部很有可能存在开裂、节子等结构。图1所示为树木横切面结构特征，这些结构使树木年轮自动识别和检测更加困难。其中，图1（a）为一树木较完整横切面图像，图像中年轮形状规则且容易辨别，心、边材界限清晰，除轻微砍伐痕迹外，无其他干扰结构特征；图1（b）的树木横切面结构清晰，与图1（a）相比，心、边材交界处有一节子将年轮截断为两部分，该特征对年轮自动识别和测量有一定影响；在图1（c）中可见多条细小裂纹由髓心位置向边材蔓延，成星辐射状分部于木材横切面，虽然年轮清晰可见，但由于裂纹干扰，计算机图像自动识别和测量较为困难；图1（d）中木材有轻微心裂现象，年轮界限不明显，通过计算机检测法识别年轮比较困难。图1中的4种树木横切面年轮结构相对简单，但由于木材的各向异性及复杂条件下的多变性，使得年轮会产生更多难以预测的形态特征，给计算机年轮自动检测技术带来新的挑战。 图1? 树木横切面结构特征 断层图像获取 选择英国伟杰公司IXS160型扇形束X射线发射器和DS－LINXV3型平板等距检测器，构建一套木材年轮自动检测系统。经现场试验，设置射线源工作电压120kV，工作电流，检测器接收信号积分时间5000μs，将木材试件置于射线源和检测器之间，通过采集试件各旋转角度下的投影数据，重建其横切面CT断层图像。图像保存格式为bmp，分辨率为1024×1024像素。 2、年轮检测与识别方法 木材断层CT图像存在裂纹、节子等结构，且灰度不均匀、年轮形状不规则及界限不明显、宽窄变化较大等特点，故难以对年轮进行准确检测。针对上述问题，本文提出一种基于均值漂移算法和Otsu算法的年轮自动检测方法，其流程如图2所示。为提高检测效率和年轮自动识别的准确性，首先采用CT断层扫描技术获得木材断层图像，即横切面图像，用于木材年轮的识别与检测；然后，为克服木材CT图像中色彩不均匀现象，将图像转换为像素值在0~255之间的灰度图像，并将明暗度调节至适中位置；最后，为使断层图像易于处理