基于顏色特征的自適應(yīng)閾值林木樹干識(shí)別研究

宋文龍 莫沖 王琢

摘? 要： 樹干顏色是進(jìn)行林木樹干識(shí)別的重要依據(jù)之一。為實(shí)現(xiàn)不同顏色林木樹干的識(shí)別，基于樹干的顏色特征，提出一種自適應(yīng)閾值的樹干識(shí)別方法。首先，依據(jù)不同顏色林木樹干的顏色值分布特性來選定對(duì)樹干圖像分割的閾值區(qū)間;其次，在閾值區(qū)間內(nèi)根據(jù)樹干的圖形特征自適應(yīng)閾值對(duì)樹干進(jìn)行圖像分割;最后，對(duì)分割結(jié)果采用RANSAC算法精確擬合樹干邊緣，實(shí)現(xiàn)樹干的識(shí)別。實(shí)驗(yàn)選取水曲柳、興安落葉松和紫椴等樹干顏色存在較大差異的樹種，每一樹種隨機(jī)選取100棵樹干進(jìn)行識(shí)別，樹干識(shí)別率分別達(dá)97%，91%和93%。實(shí)驗(yàn)結(jié)果表明，對(duì)于顏色存在較大差異的林木樹干，所提方法具有較高的樹干識(shí)別率。

關(guān)鍵詞： 林木樹干識(shí)別; 顏色特征; 圖像分割; RANSAC; 精確擬合; 識(shí)別率

中圖分類號(hào)： TN911.73?34; TP391? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2019）16?0144?05

0? 引? 言

林木樹干識(shí)別是林業(yè)領(lǐng)域的基礎(chǔ)性研究?jī)?nèi)容之一，在森林資源調(diào)查、林木自動(dòng)對(duì)靶施藥、林地機(jī)器人自主導(dǎo)航等方面具有廣泛的應(yīng)用價(jià)值。

目前在二維圖像方面針對(duì)樹干識(shí)別的研究主要從樹干的紋理特征和顏色特征來展開?；诩y理特征的樹干識(shí)別方法利用樹干邊緣整體呈豎直狀態(tài)的特點(diǎn)來實(shí)現(xiàn)樹干的識(shí)別。陳金星等采用Canny邊緣檢測(cè)算法提取圖像的邊緣信息，然后在邊緣圖像中提取寬度最大的兩條豎直線段當(dāng)作樹干的輪廓，實(shí)現(xiàn)了樹干的邊緣提取[1]。鄂雪等采用改進(jìn)的Ncut分割算法識(shí)別樹干邊緣[2]。由于復(fù)雜環(huán)境下圖像的紋理非常復(fù)雜，基于紋理特征的樹干識(shí)別方法通常需要輔以人工或其他設(shè)備來將攝像頭對(duì)準(zhǔn)樹干才能取得較好的識(shí)別效果，因此這類方法應(yīng)用面較窄，主要應(yīng)用于林木的胸徑測(cè)量。基于顏色特征的樹干識(shí)別方法是利用樹干本身特有的顏色特征來識(shí)別樹干。與前一類方法相比，這類方法不需要輔助手段來完成樹干的識(shí)別，但其本身也有缺陷，即識(shí)別顏色相近的樹干才能取得較好的效果。如陳慶豐等以桔子樹干的顏色特征向量作為圖像分割的依據(jù)并結(jié)合形態(tài)學(xué)濾波來完成桔子樹干的提取[3]。Liu tianhu等在Cr?Cb顏色坐標(biāo)系上構(gòu)建一個(gè)多橢圓邊界模型來識(shí)別柑橘樹干[4]。但是在林區(qū)中由于樹木種類和生長(zhǎng)狀況的多樣性，樹干的顏色存在較大差異，對(duì)基于顏色特征的樹干識(shí)別方法來說，這是目前需要解決的關(guān)鍵性難題。研究中針對(duì)利用顏色特征識(shí)別不同顏色林木樹干難的問題，提出一種采用自適應(yīng)閾值的林木樹干識(shí)別方法。

1? 單個(gè)林木樹干的二值化分割

以樣本圖1a）為例，分析單個(gè)林木樹干的二值化分割。相機(jī)捕獲的圖像通常都是由RGB顏色空間表示的RGB圖像。由于RGB顏色空間中每個(gè)分量不僅代表像素的顏色還代表像素的亮暗程度，因此各個(gè)分量的顏色值易受環(huán)境光強(qiáng)影響。相比于RGB顏色空間，L*a*b*顏色空間由L*分量專門負(fù)責(zé)表示像素的亮度，a*分量和b*分量表示像素的顏色[5]。因此，可以將圖像從RGB顏色空間轉(zhuǎn)到L*a*b*顏色空間，然后在a*通道圖像和b*通道圖像中利用樹干的顏色特征來分割樹干從而避免引入環(huán)境光強(qiáng)這一不確定性因素。

由于L*a*b*顏色空間是一種均勻的色彩空間[6]，因此樹干在a*通道圖像和b*通道圖像中的顏色值是均勻的。根據(jù)這一特性，以樹干在a*通道圖像中的顏色均值作為閾值通過式（1）對(duì)圖像進(jìn)行二值化處理（b*通道圖像同理）;然后采用20行2列的矩形結(jié)構(gòu)元素對(duì)二值圖像分別進(jìn)行腐蝕和膨脹的濾波操作;最后以濾波后的二值圖像中高度最大的連通區(qū)域[7]作為樹干的二值化分割結(jié)果。a*通道圖像的分割結(jié)果和b*通道圖像的分割結(jié)果分別如圖1b）和圖1c）所示。 [I（x，y）=255，? ?（TS-c）≤I（x，y）≤（TS+c）0，? ? ? ? else] （1）

式中：[I（x，y）]為圖像中坐標(biāo)為[（x，y）]處的像素值;[TS]為閾值;[c]為允許樹干顏色值在閾值附近浮動(dòng)的范圍。

由圖1b）和圖1c）可知，無論采用a*通道圖像或b*通道圖像分割樹干，分割效果基本一樣。為了降低算法復(fù)雜度，提高算法運(yùn)行效率，本研究選擇在a*通道圖像中利用樹干的顏色特征。下文將以a*通道圖像為例進(jìn)行闡述。

2? 自適應(yīng)閾值識(shí)別林木樹干

2.1? 林木樹干分割閾值區(qū)間的分析

由圖1中對(duì)單個(gè)林木樹干的二值化分割可知，在a*通道圖像中以樹干的顏色均值作為分割閾值可實(shí)現(xiàn)樹干的二值化分割。將問題擴(kuò)展到一般性，對(duì)于顏色存在差異的林木樹干，它們?cè)赼*通道圖像中的顏色均值無法達(dá)到一致，使得由式（1）表達(dá)的二值化算法無法以一個(gè)固定閾值來分割不同顏色的林木樹干。為了尋找不同顏色林木樹干的顏色值分布規(guī)律，在東北林業(yè)大學(xué)實(shí)驗(yàn)林場(chǎng)隨機(jī)采集了200個(gè)顏色存在較大差異的樹干樣本并計(jì)算它們?cè)赼*通道圖像中的顏色均值。樹木樣本的顏色均值的分布如圖2所示。

由圖2可知，樹干樣本在a*通道圖像中的顏色均值集中分布在[[-5，10]]的區(qū)間內(nèi)。出現(xiàn)這一規(guī)律的原因?yàn)楸M管林木樹干的顏色不同，但是從整體看顏色為中性色，因此樹干在a*通道圖像中的顏色均值會(huì)落在a*分量的中值，即0附近（注：a*分量的取值范圍為[[-128，127]]）。

2.2? 自適應(yīng)閾值分割林木樹干

針對(duì)不同顏色的林木樹干，可以在a*分量的中值附近選取一個(gè)固定的分割閾值區(qū)間，然后結(jié)合樹干在圖像中呈豎直長(zhǎng)條狀的形狀特征設(shè)置篩選條件，在閾值區(qū)間內(nèi)以迭代[8]的方式選取閾值來對(duì)待識(shí)別樹干進(jìn)行圖像分割并篩選滿足條件的分割結(jié)果。設(shè)分割閾值區(qū)間為[[a，b]]且[a

迭代算法的流程如圖3所示。

3? 實(shí)驗(yàn)結(jié)果與分析

本研究在Ubuntu 16.04操作系統(tǒng)的筆記本電腦上調(diào)用OpenCV庫(kù)進(jìn)行程序開發(fā)。電腦的配置為i5?3230M處理器、主頻2.6 GHz，4 GB內(nèi)存。研究中使用的攝像頭為普通的USB免驅(qū)高清攝像頭，攝像頭配備60°無畸變鏡頭，捕獲圖像的分辨率設(shè)置為[640×480]。實(shí)驗(yàn)將樹干識(shí)別率作為所提方法對(duì)林木樹干識(shí)別效果的評(píng)價(jià)指標(biāo)，樹干識(shí)別率定義為：

為了測(cè)試所提方法對(duì)不同顏色林木樹干的自適應(yīng)識(shí)別能力，實(shí)驗(yàn)時(shí)在東北林業(yè)大學(xué)實(shí)驗(yàn)林場(chǎng)選取了水曲柳、興安落葉松和紫椴3種在樹干顏色上存在較大差異的樹種，每一樹種隨機(jī)選取100棵樹干作為識(shí)別對(duì)象。3個(gè)樹種的樹干識(shí)別結(jié)果如表1所示，實(shí)驗(yàn)中的具體參數(shù)如表2所示。

在使用同一套實(shí)驗(yàn)參數(shù)的情況下，由表1可知所提方法對(duì)選取的3個(gè)樹種的樹干識(shí)別率均達(dá)到90%以上，體現(xiàn)了算法的自適應(yīng)能力。其中水曲柳的樹干識(shí)別率最高，其余兩個(gè)樹種的樹干識(shí)別率略低一些。主要原因?yàn)槊總€(gè)樹種的樹干顏色與背景的區(qū)分度不同，導(dǎo)致樹干識(shí)別率略有波動(dòng)。由于所提方法以樹干呈豎直長(zhǎng)條狀的形狀特征作為篩選條件，因此樹干的歪斜或彎曲程度也是影響樹干識(shí)別率的一個(gè)重要因素。

為了證明本實(shí)驗(yàn)所選取的3種林木樹干測(cè)試樣本能夠代表同種與不同種林木樹干之間的顏色差異，實(shí)驗(yàn)以樣本樹干在a*通道圖像中的顏色均值作為指標(biāo)，統(tǒng)計(jì)了樣本樹干的顏色值分布。統(tǒng)計(jì)結(jié)果如圖6所示。

圖6表明，3種林木樹干測(cè)試樣本的顏色值的總體分布區(qū)間不一樣，出現(xiàn)了分層現(xiàn)象，其中興安落葉松樹干的顏色值主要分布在上層，水曲柳樹干的顏色值主要分布在中層，紫椴樹干的顏色值主要分布在下層，體現(xiàn)了不同種林木樹干之間的顏色差異。對(duì)于同一種樹干，樹干之間的顏色值分布也有差異，其中以興安落葉松樹干的顏色值差異最大。

4? 結(jié)? 論

本研究結(jié)合林木樹干在圖像中呈豎直長(zhǎng)條狀的形狀特點(diǎn)提出一種自適應(yīng)閾值的林木樹干識(shí)別方法。所提方法對(duì)顏色存在較大差異的同種和不同種林木樹干具有較高的樹干識(shí)別率，解決了基于顏色特征的樹干識(shí)別方法識(shí)別不同顏色林木樹干難的問題。但是該方法也有一定的局限性，由于利用了林木樹干在圖像中呈豎直長(zhǎng)條狀的形狀特征，因此對(duì)于識(shí)別生長(zhǎng)比較歪斜或彎曲的林木樹干并不會(huì)取得較好的識(shí)別效果，這是后續(xù)需要進(jìn)行深入研究的地方。

參考文獻(xiàn)

[1] 陳金星，岳德鵬，馮仲科，等.樹干直徑自動(dòng)識(shí)別與測(cè)量技術(shù)研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47（3）：349?353.

CHEN Jinxing， YUE Depeng， FENG Zhongke， et al. Automatic Recognition and Measurement Technology of Tree Trunk Diameter [J]. Transactions of the Chinese society of agricultural machinery， 2016， 47（3）： 349?353.

[2] 鄂雪，程朋樂.基于改進(jìn)歸一化割的立木邊緣識(shí)別技術(shù)研究[J].西北林學(xué)院學(xué)報(bào)，2018，33（3）：232?237.

E Xue， CHENG Pengle. Edge recognition technology of livieng trees based on improved normalized cut [J]. Journal of Northwest Forestry University， 2018， 33（3）： 232?237.

[3] 陳慶豐，邱白晶.基于顏色特征的桔子樹干圖像分割方法[J].農(nóng)機(jī)化研究，2010，32（2）：174?176.

CHEN Qingfeng， QIU Baijing. Image segmentation methods for orange trunk based on color features [J]. Journal of agricultural mechanization research， 2010， 32（2）： 174?176.

[4] LIU Tianhu， EHSANI Reza， TOUDESHKI Arash， et al. Detection of citrus fruit and tree trunks in natural environments using a multi?elliptical boundary model [J]. Computers in industry， 2018， 99： 9?16.

[5] 姜繼春，王曉紅，許秦蓉.基于Lab顏色空間的手寫文字提取算法研究[J].包裝工程，2014，35（7）：139?143.

JIANG Jichun， WANG Xiaohong， XU Qinrong. Handwritten text extraction algorithm based on the lab color space [J]. Packaging engineering， 2014， 35（7）： 139?143.

[6] 陳珠琳，王雪峰.檀香咖啡豹蠹蛾蟲害的樹干區(qū)域分類研究[J].北京林業(yè)大學(xué)學(xué)報(bào)，2018，40（1）：74?82.

CHEN Zhulin， WANG Xuefeng. Classification of sandalwood trunk area damaged by Zeuzeracoffeaenietner in complex background [J]. Journal of Beijing Forestry University， 2018， 40（1）： 74?82.

[7] 馮海文，牛連強(qiáng)，劉曉明.高效的一遍掃描式連通區(qū)域標(biāo)記算法[J].計(jì)算機(jī)工程與應(yīng)用，2014（23）：31?35.

FENG Haiwen， NIU Lianqiang， LIU Xiaoming. Efficient one?scan algorithm for labeling connected component [J]. Computer engineering and applications， 2014（23）： 31?35.

[8] 李家賢，張海軍，劉全.基于變步長(zhǎng)迭代算法的微軸承參量特性研究[J].現(xiàn)代電子技術(shù)，2017，40（16）：10?12.

LI Jiaxian， ZHANG Haijun， LIU Quan. Study on micro bearing parameter characteristics simulated with variable step size iterative algorithm [J]. Modern electronics technique， 2017， 40（16）： 10?12.

[9] 張艷莉.基于最小二乘法擬合直線的研究[J].信息通信，2014（11）：44?45.

ZHANG Yanli. The research of fitting straight?line least square method [J]. Information & communications， 2014（11）： 44?45.

[10] 袁清珂，張振亞，畢慶.改進(jìn)RANSAC算法在直線擬合中的應(yīng)用[J].組合機(jī)床與自動(dòng)化加工技術(shù)，2015（1）：123?125.

YUAN Qingke， ZHANG Zhenya， BI Qing. Linear fitting application based on the improved RANSAC algorithm [J]. Modular machine tool&automatic manufacturing technique， 2015（1）： 123?125.

[11] 樊超，狄?guī)?，侯利龍，?基于改進(jìn)RANSAC算法的車道線識(shí)別方法[J].汽車工程，2014，36（4）：503?508.

FAN Chao， DI Shuai， HOU Lilong， et al. Lane marking detection technique based on improved RANSAC algorithm [J]. Automotive engineering， 2014， 36（4）： 503?508.