一种对年轮图像双边滤波增强的树龄测量方法

王燕凤，冯海林，杜晓晨，方益明

(浙江省林业智能监测与信息技术研究重点实验室，浙江农林大学信息工程学院，浙江 临安 311300)

一种对年轮图像双边滤波增强的树龄测量方法

王燕凤，冯海林，杜晓晨，方益明*

(浙江省林业智能监测与信息技术研究重点实验室，浙江农林大学信息工程学院，浙江 临安 311300)

树木圆盘年轮图像分析是一种具有较强实用价值的树龄测量方法，但树木横截面上的色斑、锯痕、木材组织中的粗大管孔等都会导致年轮图像发生灰度变化，降低树龄检测精度。为此,提出了一种新的树木年轮图像增强的树龄测量方法：首先采用双边滤波对树木年轮图像进行图像增强，在保留年轮边缘信息的同时抑制锯痕、色斑等导致的灰度变化；然后采用改进的Canny算法对年轮图像进行边缘检测，为了克服传统Canny算子对噪声敏感的缺点，在求取年轮图像的梯度时，计算水平、垂直、45°、135°等4个方向的梯度分量；最后根据多数投票原则，统计年轮图像中的边缘数量，实现树龄测量。实验结果表明，提出的方法能够有效抑制色斑、锯痕、粗大管孔等因素的干扰，得到的年轮边缘图像光滑、清晰，统计得到的树龄与真实情况一致。

年轮图像；图像增强；树龄测量；双边滤波；多数投票

树木年轮具有易于获取、分辨率高、定年准确等特点,是一种研究木材力学性能、全球环境和气候变化的重要手段[1-2]。传统的树木年轮检测主要是通过人工操作显微镜或其他工具读取年轮数量，这种检测方法步骤繁琐、效率低，而且在判读年轮时，需要长时间注视显微镜，极易陷入视力疲劳。

近年来，图像处理技术在林业中获得了广泛的应用[3]，很多学者提出了利用图像处理技术检测树木年轮，首先利用数码相机或摄像头对经过加工的树木圆盘拍照，再通过灰度转换、图像增强、边缘检测等运算，得到年轮参数[4]。Cerda等[5]提出了一种具有较强鲁棒性的年轮检测方法，实现了年轮的全自动化识别，对于年轮图像中的纹理、噪声等有较强的容错性。Meenakshi Sundari等[6]比较了Sobel、Prewitt、Roberts、Canny等方法在树木年轮检测中的效果，与其他方法相比，Canny具有较高的复杂度，但能取得较好的年轮检测效果。Soille等[7]采用形态学方法对云杉横截面图像进行修正，突出了图像中的年轮特征，较好地解决了因节子、噪声等因素导致的年轮边缘缺失等问题。 Norell[8]设计了一个在线年轮检测系统，在皮带运输系统上方安装摄像头，采集未经过抛光处理的原木断面图像，最后由图像处理系统自动完成年轮统计工作。He等[9]提出了一种锥形多尺度图像配准算法，并采用这种算法设计了半自动的年轮图像分析系统。韩其燕等[10]将区域生长算法应用于年轮图像分析中，取得了较好的效果。朱琪[11]利用分水岭算法对区域生长算法进行了改进，并将其应用于彩色年轮图像分割，可以快速地获得清晰的年轮边缘。夏萍等[12]提出利用动态阈值法和梯度法自动判定轮界点和早晚材分界点，通过数学模型一次读取年轮数、年轮宽度和年轮密度组成成分。

这些基于图像处理的年轮检测方法减少了检测过程中的人工参与，提高了检测精度和效率，但其实质都是通过颜色差异对年轮图像中的早材区域、晚材区域进行区分，但树木横截面上的色斑、锯痕、木材组织中的粗大管孔等都会影响树木年轮图像的分析结果，降低树龄检测精度。将传统的频域滤波方法应用于树木年轮图像，会出现边界模糊等问题。为此，笔者提出一种基于双边滤波的树木年轮图像增强树龄测量方法，以增强年轮检测的抗噪能力，提高年轮检测的精度。

1 树木年轮图像特征及树龄检测原理

通常一典型的辐射松(Pinusradiata)年轮图像[5](图1)，中间为髓心，早材和晚材交替地出现在髓心外围形成同心轮纹，其中早材区域厚度较宽且颜色浅，晚材区域则相反。当年生的晚材与次年生的早材之间有明显的突变分界线，称为轮界线，两条相邻的轮界线之间为一个年轮。基于图像的树龄检测是指对拍摄的年轮图像依次进行灰度转换、图像增强、边缘检测等运算，提取树木年轮图像中的轮界线，进而统计出该树木的树龄等参数。但通常情况下，在获取树木年轮图像时，树木横截面上的色斑、锯痕、木材组织中的粗大管孔等因素都会导致年轮图像的灰度变化，给基于年轮图像的树龄检测带来困难。

图1 树木年轮图像示意图Fig.1 Illustration of tree-ring image

2 双边滤波算法

双边滤波是一种非线性的滤波方法，其思想是利用邻域像素点的加权得到新的滤波值，能在保留边缘信息的同时达到去噪效果[13]。

设含有噪声的木材年轮图像为f(i,j)，可以将其表示为：

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

式中：g(i,j)为无噪的树木年轮图像；n(i,j)表示由于锯痕、色差、粗大管孔等导致的噪声。

式中：w(u,v)为加权系数；si,j表示像素(i,j)的邻域。

加权系数w(u,v)可以通过距离函数ws(u,v)和相似函数wr(u,v)得到：

式中：σs和σr分别表示ws(u,v)和wr(u,v)衰减程度[14]。

3 树木图像的边缘检测与树龄测量方法

3.1 基于Canny算子的年轮图像边缘检测

Canny算子是一种基于图像梯度计算的边缘检测算法，通常利用先平滑后求导数的方法实现边缘检测，一般由图像的平滑滤波、计算梯度幅值和方向、对梯度幅值进行非极大值抑制、阈值化和边缘连接4个步骤实现。

在实践中发现，直接利用Canny算子计算木材年轮图像的梯度时，由于2×2邻域一阶差分只考虑了像素在水平和垂直方向上的灰度差异，易产生漏检、误检，得到的年轮边缘信息不全。考虑树木年轮的生长特性，为获得年轮边缘的全方位响应，借鉴许宏科提出的改进3×3梯度模板，在8连通邻域内计算像素f(i,j)在x方向、y方向、45°方向和135°方向的一阶偏导数的差分，从而计算图像梯度幅值[15]。梯度方向模板如图2所示。

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

将经过双边滤波的木材年轮图像与图2中的梯度方向模板进行卷积运算，便可得到像素f(i,j)在4个方向上的一阶梯度分量Ex(i,j)、Ey(i,j)、E45(i,j)和E135(i,j)。最后，计算像素f(i,j)的梯度幅度值和梯度方向为：

3.2 基于多数投票的树龄统计方法

图3 实验样本Fig.3 Tree-ring images used in this study

由于边缘检测的结果中，往往存在年轮缺失、遗漏等情况，若沿单一方向统计年轮树木，会导致测量误差。此处笔者提出基于多数投票原则的树龄统计方法。首先在年轮图像中手动确定髓心的位置C，以C为原点建立坐标系，水平方向为x，垂直方向为y。设置斜率k分别为0、1/3、1/2、1、2、3、、-3、-2、-1、-1/2、-1/3，以C为起点并围绕C一周作24条射线，从点C出发遍历射线上的所有与年轮相交的点，记录交点个数作为年轮数RingNumi。最后以各射线上的年轮数作直方图，根据多数投票的原则，树龄为出现频数最多的年轮数。

TreeAge=max{RingNumi}

4 实验结果及分析

4.1 实验样本

选取图3所示的4张树木圆盘断面照片进行实验，其中图3a所示为一经过打磨抛光处理的柳杉(Cryptomeriafortunei)圆盘断面照片，图3b和图3d为落叶松(Larixgmelinii)，图3c为桦木(Betula)。为了验证算法对锯痕的抑制能力，图3b、c、d对应的样本未经打磨抛光处理，图片中含有大量锯痕。

首先将年轮图像从RGB色彩模式转换到YIQ色彩模式，提取其中表示亮度信息的Y分量，减少色彩空间的冗余信息[16]。转换关系为：

Y=0.229×R+0.587×G+0.114×B

式中：R、G、B分别表示原始年轮图像中每个像素点红色、绿色、蓝色分量的强度。

为了进一步扩大早材与晚材区域的亮度差别，还采用imadjust函数对树木年轮图像进行亮度调节，结果如图4所示。

由图4可知，年轮图像经过灰度转换、对比度拉伸，早材和晚材的特征信息更加明显，且剔除了部分不感兴趣的特征信息，有利于后续对年轮特征进行检测与提取。

图4 灰度调整后的树木年轮图像Fig.4 Tree-ring images after gray adjustment

4.2 双边滤波

对图4所示的图像进行双边滤波处理，结果如图5所示。从图5可以看出，经过双边滤波处理后，锯痕、色差等干扰因素的影响被抑制，在去噪的同时保留年轮中的一些细小边缘，为后续边缘定位提供基础。

图5 双边滤波后的树木年轮图像Fig.5 Tree-ring images after bilateral filtering

4.3 边缘检测

采用改机的Canny算子对图5所显示的经双边滤波后的树木年轮图像进行边缘检测，结果如图6所示。

图6 树木年轮图像的边缘检测结果Fig.6 Results of tree-ring edge detection using proposed method

对比图5与图6可以看出，在改进Canny算法中，将梯度计算扩展至4个方向，获得了年轮边缘的全方位响应，进一步增加树木年轮边缘检测的准确度，得到的年轮边缘图像清晰、边缘光滑、定位准确。

为了进行对比，直接采用传统Canny算子，对图5所示图片进行边缘检测处理，结果如图7所示。从图7a可见，对于经抛光处理后的树木圆盘图像，传统Canny算法能有效检测出年轮的边缘信息，但是对与含锯痕的粗糙树木圆盘图像，传统Canny方法检测出了大量的伪边缘信息，给后续的树龄统计带来了较大困难，如图7b、c、d所示。

图7 直接采用Canny算子的图像边缘检测结果Fig.7 Results of edge detection using conventional Canny

4.4 树龄统计

首先以髓心为原点建立直角坐标系，分别以0,1/3,1/2,1,2,3,,-3,-2,-1,-1/2,-1/3为斜率绘制经过原点的射线，求每条射线与年轮的交点，结果如图8所示。

图8 射线与年轮的交点Fig.8 Intersections of rays and rings

图9 每条射线上交点个数直方图Fig.9 Histogram of intersection numbers on each ray

统计每条射线上的交点个数，画出直方图如图9所示。图9中，横坐标代表射线与年轮线的交点个数，即树木年轮数，纵坐标为树木年轮数出现的频次。从图中可以看出，样本a上年轮线数为12的出现频次最多，样本b上年轮线数为7的出现频次最多，样本c上年轮线数为8的出现频次最多，样本d上年轮线数为7的出现频次最多，根据多数投票的原则，各样本的实测树龄分别为12，7，8，7，实验结果与人工检测的结果一致。

5 结 论

针对树木横截面上的色斑、锯痕、木材组织中的粗大管孔等因素影响树木年轮图像分析精度等问题，提出了基于双边滤波和改进Canny算法的树木年轮图像增强的树龄检测方法。实验结果表明，双边滤波算法能够有效抑制锯痕、色差等干扰因素的影响，在去噪的同时保留年轮中的一些细小边缘，为后续边缘定位提供基础；在改进Canny算法中，将梯度计算扩展至4个方向，获得了年轮边缘的全方位响应，进一步增加树木年轮边缘检测的准确度，得到的年轮边缘图像清晰、边缘光滑、定位准确；多数投票法能克服边缘检测中的年轮缺失、遗漏等问题，得到准确的年轮数。

[1]周贤武,张俊珍,周海宾,等.树龄对日本落叶松木材物理力学性质的影响[J].林业科技开发,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]刘俊焱,陈云凤,云挺,等.基于多种优化SVM的林木冠层图像分割[J].林业科技开发,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,杨银科.图像识别技术在树木年轮分析中的应用进展[J].中国农学通报,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]韩其燕,何东健.基于区域生长的年轮图像分割方法[J].农机化研究,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.改进的区域生长算法在彩色年轮图像分割中的应用[J].林业机械与木工设备,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,刘盛全,陈黎卿,等.基于LabVIEW的树木年轮微密度分析系统设计[J].系统仿真学报,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]张闯,迟健男,张朝晖,等.基于边缘检测与双边滤波的彩色图像去噪[J].电子学报,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]孙抗,汪渤,周志强,等.基于双边滤波的实时图像去雾技术研究[J].北京理工大学学报,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]许宏科,秦严严,陈会茹.一种基于改进Canny的边缘检测算法[J].红外技术,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，FENG Hailin，DU Xiaochen，FANG 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

国家自然科学基金(61302185，61272313)；浙江省自然科学基金(LQ14F020014,LY15F 020034)；浙江省科技厅科技计划项目(2015F50025);浙江省新苗人才计划项目(2015R412048)。

王燕凤，女，研究方向为农林业信息化。

方益明，男，副教授。E-mail:ilone_fang@126.com