摘 要本文对数码相片车载木材自动识别进行讨论，分析了车载木材运输量图像的预处理、特征提取等过程。车载木材自动识别可以对车载木材运输量进行自动识别，该技术运用于木材加工厂、交通运输管理等领域，能起到节约人力成本、提高效率、改进管理体系等作用。目前车载木材运输量识别系统好像已有产品投放市场，但这些产品大多依赖硬件设施的辅助才能达到较高的识别率。本论文主要是依靠软件来实现车载木材运输量的自动识别，使得识别系统具备更强的环境适应性。通过对收集的车载木材图像样本进行处理和分析，证明了本系统具有较好的实际应用性能。本论文对车载木材运输量自动识别系统的图像预处理，特征提取，边缘检测的实现三个部分进行了总结与分析。论文首先总结了图像预处理技术和方法。图像预处理主要包括图像增强、图像分割、图像滤波等，图像增强主要是改善图像整体的视觉效果，图像分割是将图像中有意义或者需要的特征提取出来，滤波是在尽量保留图像细节特征的条件下对目标像的噪声进行抑制，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。特征提取是图象处理的重要组成部分，论文主要介绍了主成分分析法、区域生长算法和边缘检测的方法，主成分分析法是用较少的变量去解释原来数据中的大部分变异，将许多相关性很高的变量转化成彼此相互独立或不相关的变量；区域生长算法的基本思想是将具有相似性质的像素点集合起来构成区域；边缘检测法在一定程度上大幅度地减少了数据量，剔除了可以认为不相关的信息，保留了图像重要的结构属性。由于预处理后的木材图像整体颜色比较接近，主成分分析法和区域生长算法不适合作为其特征提取的方法，因此本文选取的特征提取的方法是边缘检测法。边缘检测的目的是在一幅图像中提取不同区域的轮廓，将图像分割成不同的区域，使每个区域都由大致相同的像素组成。前面预处理对木材图像进行滤波和锐化目的是为了提取更清楚的木材图像轮廓特征，在后面运用边缘检测法来提取木材图像轮廓特征，分别进行了 Prewitt 算子、Log 算子 Sobel 算子的边缘检测，接着对木材图像进行了开闭运算，消除了边缘检测之后的边缘出现断点的现象，使得木材图像轮廓特征更加明显，便于自动识别的识别。关键词：图像；木材识别；特征提取；边缘检测；模式识别ABSTRACTIn this paper, timber board automatic identification of digital photo research, analysis of timber traffic vehicle...
