一種對年輪圖像雙邊濾波增強(qiáng)的樹齡測量方法

王燕鳳，馮海林，杜曉晨，方益明

(浙江省林業(yè)智能監(jiān)測與信息技術(shù)研究重點實驗室，浙江農(nóng)林大學(xué)信息工程學(xué)院，浙江 臨安 311300)

一種對年輪圖像雙邊濾波增強(qiáng)的樹齡測量方法

王燕鳳，馮海林，杜曉晨，方益明*

(浙江省林業(yè)智能監(jiān)測與信息技術(shù)研究重點實驗室，浙江農(nóng)林大學(xué)信息工程學(xué)院，浙江 臨安 311300)

樹木圓盤年輪圖像分析是一種具有較強(qiáng)實用價值的樹齡測量方法，但樹木橫截面上的色斑、鋸痕、木材組織中的粗大管孔等都會導(dǎo)致年輪圖像發(fā)生灰度變化，降低樹齡檢測精度。為此,提出了一種新的樹木年輪圖像增強(qiáng)的樹齡測量方法：首先采用雙邊濾波對樹木年輪圖像進(jìn)行圖像增強(qiáng)，在保留年輪邊緣信息的同時抑制鋸痕、色斑等導(dǎo)致的灰度變化；然后采用改進(jìn)的Canny算法對年輪圖像進(jìn)行邊緣檢測，為了克服傳統(tǒng)Canny算子對噪聲敏感的缺點，在求取年輪圖像的梯度時，計算水平、垂直、45°、135°等4個方向的梯度分量；最后根據(jù)多數(shù)投票原則，統(tǒng)計年輪圖像中的邊緣數(shù)量，實現(xiàn)樹齡測量。實驗結(jié)果表明，提出的方法能夠有效抑制色斑、鋸痕、粗大管孔等因素的干擾，得到的年輪邊緣圖像光滑、清晰，統(tǒng)計得到的樹齡與真實情況一致。

年輪圖像；圖像增強(qiáng)；樹齡測量；雙邊濾波；多數(shù)投票

樹木年輪具有易于獲取、分辨率高、定年準(zhǔn)確等特點,是一種研究木材力學(xué)性能、全球環(huán)境和氣候變化的重要手段[1-2]。傳統(tǒng)的樹木年輪檢測主要是通過人工操作顯微鏡或其他工具讀取年輪數(shù)量，這種檢測方法步驟繁瑣、效率低，而且在判讀年輪時，需要長時間注視顯微鏡，極易陷入視力疲勞。

近年來，圖像處理技術(shù)在林業(yè)中獲得了廣泛的應(yīng)用[3]，很多學(xué)者提出了利用圖像處理技術(shù)檢測樹木年輪，首先利用數(shù)碼相機(jī)或攝像頭對經(jīng)過加工的樹木圓盤拍照，再通過灰度轉(zhuǎn)換、圖像增強(qiáng)、邊緣檢測等運(yùn)算，得到年輪參數(shù)[4]。Cerda等[5]提出了一種具有較強(qiáng)魯棒性的年輪檢測方法，實現(xiàn)了年輪的全自動化識別，對于年輪圖像中的紋理、噪聲等有較強(qiáng)的容錯性。Meenakshi Sundari等[6]比較了Sobel、Prewitt、Roberts、Canny等方法在樹木年輪檢測中的效果，與其他方法相比，Canny具有較高的復(fù)雜度，但能取得較好的年輪檢測效果。Soille等[7]采用形態(tài)學(xué)方法對云杉橫截面圖像進(jìn)行修正，突出了圖像中的年輪特征，較好地解決了因節(jié)子、噪聲等因素導(dǎo)致的年輪邊緣缺失等問題。 Norell[8]設(shè)計了一個在線年輪檢測系統(tǒng)，在皮帶運(yùn)輸系統(tǒng)上方安裝攝像頭，采集未經(jīng)過拋光處理的原木斷面圖像，最后由圖像處理系統(tǒng)自動完成年輪統(tǒng)計工作。He等[9]提出了一種錐形多尺度圖像配準(zhǔn)算法，并采用這種算法設(shè)計了半自動的年輪圖像分析系統(tǒng)。韓其燕等[10]將區(qū)域生長算法應(yīng)用于年輪圖像分析中，取得了較好的效果。朱琪[11]利用分水嶺算法對區(qū)域生長算法進(jìn)行了改進(jìn)，并將其應(yīng)用于彩色年輪圖像分割，可以快速地獲得清晰的年輪邊緣。夏萍等[12]提出利用動態(tài)閾值法和梯度法自動判定輪界點和早晚材分界點，通過數(shù)學(xué)模型一次讀取年輪數(shù)、年輪寬度和年輪密度組成成分。

這些基于圖像處理的年輪檢測方法減少了檢測過程中的人工參與，提高了檢測精度和效率，但其實質(zhì)都是通過顏色差異對年輪圖像中的早材區(qū)域、晚材區(qū)域進(jìn)行區(qū)分，但樹木橫截面上的色斑、鋸痕、木材組織中的粗大管孔等都會影響樹木年輪圖像的分析結(jié)果，降低樹齡檢測精度。將傳統(tǒng)的頻域濾波方法應(yīng)用于樹木年輪圖像，會出現(xiàn)邊界模糊等問題。為此，筆者提出一種基于雙邊濾波的樹木年輪圖像增強(qiáng)樹齡測量方法，以增強(qiáng)年輪檢測的抗噪能力，提高年輪檢測的精度。

1 樹木年輪圖像特征及樹齡檢測原理

通常一典型的輻射松(Pinusradiata)年輪圖像[5](圖1)，中間為髓心，早材和晚材交替地出現(xiàn)在髓心外圍形成同心輪紋，其中早材區(qū)域厚度較寬且顏色淺，晚材區(qū)域則相反。當(dāng)年生的晚材與次年生的早材之間有明顯的突變分界線，稱為輪界線，兩條相鄰的輪界線之間為一個年輪。基于圖像的樹齡檢測是指對拍攝的年輪圖像依次進(jìn)行灰度轉(zhuǎn)換、圖像增強(qiáng)、邊緣檢測等運(yùn)算，提取樹木年輪圖像中的輪界線，進(jìn)而統(tǒng)計出該樹木的樹齡等參數(shù)。但通常情況下，在獲取樹木年輪圖像時，樹木橫截面上的色斑、鋸痕、木材組織中的粗大管孔等因素都會導(dǎo)致年輪圖像的灰度變化，給基于年輪圖像的樹齡檢測帶來困難。

圖1 樹木年輪圖像示意圖Fig.1 Illustration of tree-ring image

2 雙邊濾波算法

雙邊濾波是一種非線性的濾波方法，其思想是利用鄰域像素點的加權(quán)得到新的濾波值，能在保留邊緣信息的同時達(dá)到去噪效果[13]。

設(shè)含有噪聲的木材年輪圖像為f(i,j)，可以將其表示為：

f(i,j)=g(i,j)+n(i,j)

式中：g(i,j)為無噪的樹木年輪圖像；n(i,j)表示由于鋸痕、色差、粗大管孔等導(dǎo)致的噪聲。

式中：w(u,v)為加權(quán)系數(shù)；si,j表示像素(i,j)的鄰域。

加權(quán)系數(shù)w(u,v)可以通過距離函數(shù)ws(u,v)和相似函數(shù)wr(u,v)得到：

式中：σs和σr分別表示ws(u,v)和wr(u,v)衰減程度[14]。

3 樹木圖像的邊緣檢測與樹齡測量方法

3.1 基于Canny算子的年輪圖像邊緣檢測

Canny算子是一種基于圖像梯度計算的邊緣檢測算法，通常利用先平滑后求導(dǎo)數(shù)的方法實現(xiàn)邊緣檢測，一般由圖像的平滑濾波、計算梯度幅值和方向、對梯度幅值進(jìn)行非極大值抑制、閾值化和邊緣連接4個步驟實現(xiàn)。

在實踐中發(fā)現(xiàn)，直接利用Canny算子計算木材年輪圖像的梯度時，由于2×2鄰域一階差分只考慮了像素在水平和垂直方向上的灰度差異，易產(chǎn)生漏檢、誤檢，得到的年輪邊緣信息不全?？紤]樹木年輪的生長特性，為獲得年輪邊緣的全方位響應(yīng)，借鑒許宏科提出的改進(jìn)3×3梯度模板，在8連通鄰域內(nèi)計算像素f(i,j)在x方向、y方向、45°方向和135°方向的一階偏導(dǎo)數(shù)的差分，從而計算圖像梯度幅值[15]。梯度方向模板如圖2所示。

圖2 各梯度方向模板Fig.2 Templates of four gradient directions

將經(jīng)過雙邊濾波的木材年輪圖像與圖2中的梯度方向模板進(jìn)行卷積運(yùn)算，便可得到像素f(i,j)在4個方向上的一階梯度分量Ex(i,j)、Ey(i,j)、E45(i,j)和E135(i,j)。最后，計算像素f(i,j)的梯度幅度值和梯度方向為：

3.2 基于多數(shù)投票的樹齡統(tǒng)計方法

圖3 實驗樣本Fig.3 Tree-ring images used in this study

由于邊緣檢測的結(jié)果中，往往存在年輪缺失、遺漏等情況，若沿單一方向統(tǒng)計年輪樹木，會導(dǎo)致測量誤差。此處筆者提出基于多數(shù)投票原則的樹齡統(tǒng)計方法。首先在年輪圖像中手動確定髓心的位置C，以C為原點建立坐標(biāo)系，水平方向為x，垂直方向為y。設(shè)置斜率k分別為0、1/3、1/2、1、2、3、、-3、-2、-1、-1/2、-1/3，以C為起點并圍繞C一周作24條射線，從點C出發(fā)遍歷射線上的所有與年輪相交的點，記錄交點個數(shù)作為年輪數(shù)RingNumi。最后以各射線上的年輪數(shù)作直方圖，根據(jù)多數(shù)投票的原則，樹齡為出現(xiàn)頻數(shù)最多的年輪數(shù)。

TreeAge=max{RingNumi}

4 實驗結(jié)果及分析

4.1 實驗樣本

選取圖3所示的4張樹木圓盤斷面照片進(jìn)行實驗，其中圖3a所示為一經(jīng)過打磨拋光處理的柳杉(Cryptomeriafortunei)圓盤斷面照片，圖3b和圖3d為落葉松(Larixgmelinii)，圖3c為樺木(Betula)。為了驗證算法對鋸痕的抑制能力，圖3b、c、d對應(yīng)的樣本未經(jīng)打磨拋光處理，圖片中含有大量鋸痕。

首先將年輪圖像從RGB色彩模式轉(zhuǎn)換到Y(jié)IQ色彩模式，提取其中表示亮度信息的Y分量，減少色彩空間的冗余信息[16]。轉(zhuǎn)換關(guān)系為：

Y=0.229×R+0.587×G+0.114×B

式中：R、G、B分別表示原始年輪圖像中每個像素點紅色、綠色、藍(lán)色分量的強(qiáng)度。

為了進(jìn)一步擴(kuò)大早材與晚材區(qū)域的亮度差別，還采用imadjust函數(shù)對樹木年輪圖像進(jìn)行亮度調(diào)節(jié)，結(jié)果如圖4所示。

由圖4可知，年輪圖像經(jīng)過灰度轉(zhuǎn)換、對比度拉伸，早材和晚材的特征信息更加明顯，且剔除了部分不感興趣的特征信息，有利于后續(xù)對年輪特征進(jìn)行檢測與提取。

圖4 灰度調(diào)整后的樹木年輪圖像Fig.4 Tree-ring images after gray adjustment

4.2 雙邊濾波

對圖4所示的圖像進(jìn)行雙邊濾波處理，結(jié)果如圖5所示。從圖5可以看出，經(jīng)過雙邊濾波處理后，鋸痕、色差等干擾因素的影響被抑制，在去噪的同時保留年輪中的一些細(xì)小邊緣，為后續(xù)邊緣定位提供基礎(chǔ)。

圖5 雙邊濾波后的樹木年輪圖像Fig.5 Tree-ring images after bilateral filtering

4.3 邊緣檢測

采用改機(jī)的Canny算子對圖5所顯示的經(jīng)雙邊濾波后的樹木年輪圖像進(jìn)行邊緣檢測，結(jié)果如圖6所示。

圖6 樹木年輪圖像的邊緣檢測結(jié)果Fig.6 Results of tree-ring edge detection using proposed method

對比圖5與圖6可以看出，在改進(jìn)Canny算法中，將梯度計算擴(kuò)展至4個方向，獲得了年輪邊緣的全方位響應(yīng)，進(jìn)一步增加樹木年輪邊緣檢測的準(zhǔn)確度，得到的年輪邊緣圖像清晰、邊緣光滑、定位準(zhǔn)確。

為了進(jìn)行對比，直接采用傳統(tǒng)Canny算子，對圖5所示圖片進(jìn)行邊緣檢測處理，結(jié)果如圖7所示。從圖7a可見，對于經(jīng)拋光處理后的樹木圓盤圖像，傳統(tǒng)Canny算法能有效檢測出年輪的邊緣信息，但是對與含鋸痕的粗糙樹木圓盤圖像，傳統(tǒng)Canny方法檢測出了大量的偽邊緣信息，給后續(xù)的樹齡統(tǒng)計帶來了較大困難，如圖7b、c、d所示。

圖7 直接采用Canny算子的圖像邊緣檢測結(jié)果Fig.7 Results of edge detection using conventional Canny

4.4 樹齡統(tǒng)計

首先以髓心為原點建立直角坐標(biāo)系，分別以0,1/3,1/2,1,2,3,,-3,-2,-1,-1/2,-1/3為斜率繪制經(jīng)過原點的射線，求每條射線與年輪的交點，結(jié)果如圖8所示。

圖8 射線與年輪的交點Fig.8 Intersections of rays and rings

圖9 每條射線上交點個數(shù)直方圖Fig.9 Histogram of intersection numbers on each ray

統(tǒng)計每條射線上的交點個數(shù)，畫出直方圖如圖9所示。圖9中，橫坐標(biāo)代表射線與年輪線的交點個數(shù)，即樹木年輪數(shù)，縱坐標(biāo)為樹木年輪數(shù)出現(xiàn)的頻次。從圖中可以看出，樣本a上年輪線數(shù)為12的出現(xiàn)頻次最多，樣本b上年輪線數(shù)為7的出現(xiàn)頻次最多，樣本c上年輪線數(shù)為8的出現(xiàn)頻次最多，樣本d上年輪線數(shù)為7的出現(xiàn)頻次最多，根據(jù)多數(shù)投票的原則，各樣本的實測樹齡分別為12，7，8，7，實驗結(jié)果與人工檢測的結(jié)果一致。

5 結(jié) 論

針對樹木橫截面上的色斑、鋸痕、木材組織中的粗大管孔等因素影響樹木年輪圖像分析精度等問題，提出了基于雙邊濾波和改進(jìn)Canny算法的樹木年輪圖像增強(qiáng)的樹齡檢測方法。實驗結(jié)果表明，雙邊濾波算法能夠有效抑制鋸痕、色差等干擾因素的影響，在去噪的同時保留年輪中的一些細(xì)小邊緣，為后續(xù)邊緣定位提供基礎(chǔ)；在改進(jìn)Canny算法中，將梯度計算擴(kuò)展至4個方向，獲得了年輪邊緣的全方位響應(yīng)，進(jìn)一步增加樹木年輪邊緣檢測的準(zhǔn)確度，得到的年輪邊緣圖像清晰、邊緣光滑、定位準(zhǔn)確；多數(shù)投票法能克服邊緣檢測中的年輪缺失、遺漏等問題，得到準(zhǔn)確的年輪數(shù)。

[1]周賢武,張俊珍,周海賓,等.樹齡對日本落葉松木材物理力學(xué)性質(zhì)的影響[J].林業(yè)科技開發(fā),2014,28(4):54-57.ZHOU X W,ZHANG J Z,ZHOU H B,et al.Tree age’s effects on physical and mechanical properties ofLarixkaempferiwood[J].China Forestry Science and Technology,2014,28(4):54-57.

[2]ZHOU H,FENG R,HUANG H,et al.Method of tree-ring image analysis for dendrochronology[J].Optical Engineering,2012,51(7):077202.

[3]劉俊焱,陳云鳳,云挺,等.基于多種優(yōu)化SVM的林木冠層圖像分割[J].林業(yè)科技開發(fā),2015,29(1):126-129.LIU J Y,CHEN Y F,YUN T,et al.Segmentation method for forest canopy image based on various optimized SVM[J].China Forestry Science and Technology,2015,29(1):126-129.

[4]薛倩,楊銀科.圖像識別技術(shù)在樹木年輪分析中的應(yīng)用進(jìn)展[J].中國農(nóng)學(xué)通報,2015，31(1):24-29.XUE Q,YANG Y K.The application advances of image processing and pattern recognition technology in dendrochronology[J].Chinese Agricultural Science Bulletin,2015,31(1):24-29.

[5]CERDA M,HITSCHFELDKAHLER N,MERY D.Robust tree-ring detection[C]∥Advances in Image and Video Technology,Second Pacific Rim Symposium,PSIVT 2007.Santiago,Chile: DBLP,2007:575-585.

[6]MEENAKSHI SUNDARI P,BRITTO RAMESH KUMAR S.Comparison of various edge detection techniques in tree ring structure[J].International Journal of Computer Applications,2014,90(19):26-28.

[7]SOILLE P,MISSON L.Tree ring area measurements using morphological image analysis[J].Canadian Journal of Forest Research,2001,31(6):1074-1083.

[8]NORELL K.Automatic counting of annual rings onPinussylvestrisend faces in sawmill industry[J].Computers and Electronics in Agriculture,2011,75(2):231-237.

[9]HE Z,MUNRO M A R,GOPALAN G,et al.System and algourithm design for a new generation tree-ring image analysis system[J].Optical Engineering,2008,47(2):027003.

[10]韓其燕,何東健.基于區(qū)域生長的年輪圖像分割方法[J].農(nóng)機(jī)化研究,2006(4):204-206.HAN Q Y,HE D J.Segmentation algorithm of tree ring image based on region growing[J].Journal of Agricultural Mechanization Research,2006(4):204-206.

[11]朱琪.改進(jìn)的區(qū)域生長算法在彩色年輪圖像分割中的應(yīng)用[J].林業(yè)機(jī)械與木工設(shè)備,2012(3):28-31.ZHU Q.Application of improved regional growing algorithm in color annual ring image segmentation[J].Forestry Machinery &Woodworking Equipment,2012(3):28-31.

[12]夏萍,劉盛全,陳黎卿,等.基于LabVIEW的樹木年輪微密度分析系統(tǒng)設(shè)計[J].系統(tǒng)仿真學(xué)報,2007,19(15):3410-3413.XIA P,LIU S Q,CHEN L Q,et al.Design of tree-ring micro-density analysis system based on LabVIEW[J].Journal of System Simulation,2007,19(15):3410-3413.

[13]張闖,遲健男,張朝暉,等.基于邊緣檢測與雙邊濾波的彩色圖像去噪[J].電子學(xué)報,2010,38(8):1776-1783.ZHANG C,CHI J N,ZHANG C H,et al.Removing noise of color images based on edge detection and bilateral filter[J].Acta Electronica Sinica,2010,38(8):1776-1783.

[14]孫抗,汪渤,周志強(qiáng),等.基于雙邊濾波的實時圖像去霧技術(shù)研究[J].北京理工大學(xué)學(xué)報,2011,31(7):810-813.SUN K,WANG B,ZHOU Z Q,et al.Real time image haze removal using bilateral filter[J].Transactions of Beijing Institute of Technology,2011,31(7):810-813.

[15]許宏科,秦嚴(yán)嚴(yán),陳會茹.一種基于改進(jìn)Canny的邊緣檢測算法[J].紅外技術(shù),2014,36(3):210-214.XU H K,QIN Y Y,CHEN H R.An improved algorithm for edge detection based on Canny[J].Infrared Technology,2014,36(3):210-214.

[16] GONZALEZ R C,WOODS R E.Digital image processing[M].3rd edition.London：Pearson Education Group,2007.

Improving the tree-age measurement by enhancing thetree-ring image with bilateral filter

WANG Yanfeng，F(xiàn)ENG Hailin，DU Xiaochen，F(xiàn)ANG Yiming*

(Zhejiang Provincial Key Laboratory of Intelligent Monitoring in Forestry and Information Technology, School of Information Engineering,Zhejiang A &F University,Lin’an 311300,Zhejiang,China)

Tree-ring image analysis has been proven to be a promising tool for predicting tree age and has attracted more and more attention.Many approaches were proposed to detect and count tree-ring boundaries in images of wood cross section.However,factors such as stain,saw mark and pore often lower the accuracy of tree-age prediction.In this paper,a practical method was proposed for tree-ring image enhancement and tree-age measurement.The images of wood cross sections were first enhanced by the bilateral filtering method due to its excellent noise reduction performance.The gray variation caused by stain,saw mark and pore was reduced,whereas the information of tree-ring edges was not affected.Then,an improved Canny algorithm was used to detect the edges of tree rings.During this process,gradients in directions of the horizon,the vertical,45° and 135° were computed to overcome the drawback of the conventional Canny algorithm.Finally,a majority rule was proposed so that the tree-ring boundaries could be counted with high accuracy even though broken edges existed in the images.The tree-age measurement was thus achieved.In this study,four wood cross section images were used as the samples.One of them was polished and the other three remained untreated after saw cutting.The experimental results show that the proposed method can achieve good performance.Smooth and clear edges can be obtained even though stains,saw marks and pores exist.The tree ages obtained were consistent with the real data.The result of this study indicates that the proposed method has extensive application potentiality in extracting tree-age information from wood cross section images.

tree-ring image;image enhancement;tree-age measurement;bilateral filtering;majority voting

S718.4

A

2096-1359(2017)05-0109-06

2016-11-23

2017-01-19

國家自然科學(xué)基金(61302185，61272313)；浙江省自然科學(xué)基金(LQ14F020014,LY15F 020034)；浙江省科技廳科技計劃項目(2015F50025);浙江省新苗人才計劃項目(2015R412048)。

王燕鳳，女，研究方向為農(nóng)林業(yè)信息化。

方益明，男，副教授。E-mail:ilone_fang@126.com