Tree Species Recognition with Machine Vision Using Color and Texture Analysis
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology |
Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Authors
Date
2007
Department
Major/Subject
Automaatiotekniikka
Mcode
AS-84
Degree programme
Language
en
Pages
78 s. + liitt.
Series
Abstract
Tämä diplomityö käsittelee neljän Suomen metsäteollisuudelle tärkeimmän puulajin (mänty, kuusi, koivu sekä haapa) tunnistamista konenäön avulla todellisessa metsäympäristössä. Puulajien tunnistaminen toteutettiin analysoimalla käsin segmentoitujen puunrungon kuvien tekstuuria sekä väriä. Segmentoidut runkokuvat olivat neliön muotoisia ja puunrungon levyisiä. Kuvien leveys vaihteli välillä 70 - 250 pikseliä riippuen puun koosta sekä sen etäisyydestä kameraan. Työssä käytettiin yhteensä kuutta erilaista tekstuurianalyysialgoritmia: co-occurrence matrix, local binary patterns, multiscale blop features, fractal dimension, edge frequency sekä log-polar wavelet energy signatures. Lisäksi rungon väristä laskettiin tilastollisia tunnuslukuja kunkin RGB-kanavan histogrammista (odotusarvo, keskihajonta, huipukkuus). Kuvankäsittelyalgoritmeistä lopulliseen käyttöön valittiin parhaiten soveltuva osa, joiden muodostaman piirrevektorin avulla puulajit tunnistettiin. Luokittelijana käytettiin neuroverkkoa, joka pystyi hyvään luokittelutarkkuuteen - yli 80 % - yksittäisten algoritmien näennäisestä riittämättömyydestä huolimatta. Testiaineisto kerättiin mönkijän päälle asennetulla konenäkölaitteistolla kesällä hyvissä valaistusolosuhteissa, mikä jättää toivomisen varaa tulosten yleistämisen kannalta.Description
Supervisor
Visala, ArtoThesis advisor
Vannas, KostiKeywords
texture, tekstuuri, tree species, luokittelu, classification, puulaji, image analysis, kuva-analyysi, probabilistic neural network, konenäkö, machine vision, neuroverkko