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。

　　木材显微图像中的对象特征，如导管、木射线等，与基于像素点的统计的全局性纹理特征，以及对象的空间分布和结构性约束所形成的可微结构性纹理特征，均具有不同程度的分类和识别能力，可充分利用三者在分类和识别方面的互补性，而现有研究未将这些特征相结合进行木材识别。

　　二、研究目标与内容、研究方法与技术路线及拟解决的关键问题。

　　研究目标：

　　基于木材显微结构图像，应用计算机图像处理、模式识别技术，通过显微构造对象特征、全局性纹理特征、可微结构性纹理特征的提取和量化，发现并验证轴向薄壁组织的提取技术。

　　研究方法：

　　为基于木材显微构造图像精确而有效地进行智能化木材识别，本研究拟采用以下的研究方法：首先，结合木材微观识别知识，研究木材显微构造特有的.导管、木射线、轴向薄壁组织等对象特征的提取，这些特征本身具有很强的分类能力，通过量化将进一步提高其分类能力;其次，提取显微图像的全局性纹理特征并验证其识别能力;并根据木材特性，进行可微结构性纹理的描述和提取，挖掘出轴向薄壁组织的提取技术。