2. 国内外研究动态

　　2.1木材识别特征提取

　　20世纪80年代初计算机图像处理技术开始应用于木材解剖学的研究，McMillin利用图像处理和分析技术测量了木材细胞率、纤维长度、细胞腔面积和径向细胞腔直径以及纤维板剪切过程中的木材破损率。Hie和Hillis所开发的图像处理分析系统对细胞管腔面积及不同细胞类型所占面积比例等特征进行了量化分析。Diao等应用能量光谱方法分析确定了木材细胞形状，并用快速傅立叶变换(FFT)检测了10种针叶材横断面细胞排列及形状的周期性，测量了细胞的径弦向直径和径弦壁角度，同时他们还对18种针叶材横切面上的管胞形态学指标进行量化测定以确定不同树种的管胞形态参数。Fujita用FFT分析了32种日本阔叶材横切面的导管分布。曲艳杰等利用FFT方法进行了木材细胞排列的图像分析研究，利用得到的木材解剖特征的波动性和周期性，以解决传统木材解剖方法难以做到的演化规律的研究问题。Masako KINO等也通过图像方式精确测定了木材细胞壁厚度。保昆雁等开发了木材解剖特征量的处理系统，可提取细胞数目、胞腔面积及其分布、胞腔直径、胞壁厚度、胞壁率、壁腔比等木材解剖特征参数。

　　以上的研究较多关注于细胞形态比量等特征的测量，图像处理技术用作辅助测量的方法为定量化研究提供了有力的手段，解决了以往人工无法测量的问题，但尚未对传统木材识别中的定性描述的识别特征如管孔式、木射线、轴向薄壁组织等木材图像中的特有对象特征(以下这类识别特征均称为对象特征)的研究，也未涉及对这类对象特征的自动提取。

　　有别于传统计算机视觉中对象处理时所遇到的诸如光照、遮挡、变形及对象本身高度复杂的挑战，木材显微图像构成中的对象相对稳定，仅存在如导管、木射线、薄壁组织等若干种稳定的对象，在标准约束条件下获取的图像也排除了光照等影响因素，因此特征提取仅需关注对象本身的特点。本论文的前期研究中，祁亨年、汪杭军等分别利用数学形态学、遗传算法、改进的OTSU方法等完成了木材横切面显微图像中导管对象的分割，从而可以获得导管的直径、面积、圆形度等特征。

　　2.2 木材图像纹理特征分析与提取

　　木材图像纹理特征分析的研究始于上世纪90年代。Huang利用FFT功率谱图分析了木材砂光表面的粗糙度。赵学增对木质材料表面粗糙度测量进行了研究。王克奇等选取9幅木材纹理图计算分形维数，提供了描述木材纹理粗糙度的一种定性度量方法。王晗等将高斯―马尔可夫随机场(GMRF)引入木材纹理的研究，提取样本的低阶和高阶GMRF参数，分析表明通过指定的参数可判断纹理的主方向、区分开木材的弦切和径切纹理。谢永华将不变矩方法引入木材纹理的计算机视觉研究领域。王晗利用灰度共生矩阵法建立了木材纹理参数。

　　以上研究以木材宏观的径切面和弦切面图像纹理为研究对象，基于显微构造纹理特征研究尚未涉及。对于木材识别而言，宏观特征变异性较大，而显微结构特征相对稳定，所以对识别来说显微木纹更加值得研究。

　　显微木纹图像纹理(简记为显微木纹)主要包含两类。一类是基于像素点的统计的全局性纹理，目前木材学研究已经表明根据不同的全局性纹理特征可以确定树种大类，如带状花纹的有红松、落叶松、檫木、山枣等，交错花纹有香樟、麻栋、大叶桉、桃花蕊木等;这类全局性纹理与木材的生长过程相关，有分类和识别价值，但还不能充分反映木材本身的特性，还无法完全满足木材识别的需求。另一类纹理是以木材显微图像中特有的对象形态及其分布和结构性约束而形成的可微结构性纹理，这类纹理反映了对象如导管、木射线等的上下文(context)关系，与木材本身的生长特性密切相关，有较强的分类能力，成为木材识别的热点和难点问题。

　　2.3 基于计算机视觉木材轴向薄壁组织提取技术研究

　　以往木材的识别或鉴定还采用过无损的扫描电镜方法和微波传感方法，基于视觉的木材识别研究刚刚起步，刘镇波等提出基于最大相似原理以木材构造特征量化参数来识别木材的想法;王锋等提出木材识别语义数据模型。这些基于视觉的木材识别方法研究尚停留于思路的探讨，理论和实验研究均未深入开展。