Sammendrag
Denne hovedfagsoppgaven tar for seg metoder innen bildeanalyse for å skille marg- og yteside på limtrelameller slik at disse kan vendes korrekt i forkant av sammenliming til limtrebjelker. Limtrebjelkene vil dermed ikke bli så utsatt for sprekkdannelser grunnet kuving. En har i oppgaven lagt hovedvekt på analyse av årringsmønsteret siden trevirket alltid inneholder årringer til forskjell fra en del andre mulige egenskaper. En kan da også forutsi hvilken vei lamellen vil kuve og er således, til forskjell fra dagens systemer, ikke avhengig av at kuvingen er igang.
Siden lamellene er uhøvlede er flatene i stor grad preget av støy, hovedsakelig i form av opprevete fibre, som kan ha vesentlig større kontrast enn årringsmønstrene og i tillegg svært varierende form/størrelse. En av hovedutfordringene har vært å skille årringsmønstrene fra denne.
En har funnet en algoritme som fjerner de mest støyfylte regionene fra den videre prosesseringen for å redusere datamengden på et tidlig stadium. I den videre analysen har en fokusert på to prinsipielle hovedretninger. Den ene har gått ut på å finne en egnet algoritme for å segmentere vårvedsområdene fra sommervedsområdene, og så måle antall årringer og årringsbredder direkte, mens den andre har
sett på yte- og margsiden som ulike teksturregioner (texels), og har prøvd å finne teksturmål som kan diskriminere disse.
For førstnevnte hovedretning har en oppnådd lovende resultater ved å utnytte årringsmønstrenes form og orientering til å utvikle en adaptiv filtreringsalgoritme der valg av filterstørrelse er estimert utfra filtrenes respons i en projisert linjevektor. En har videre benyttet probabilistisk relaksasjon som ytterligere bildeforbedringssteg og linking av årringsregioner, samt projeksjon ned til én dimensjon før segmentering.
I sistnevnte hovedretning har en funnet at egenskapsuttrekning fra Gray Level Run Length Matrisen ga lovende resultater. Dette gjaldt både for egenskaper målt over manuelt avgrensede regioner og for adaptiv egenskapsuttrekning basert på klasseavstand- og klassedifferanse-matrise anvendt på konkatenerte matriser.
En har gjort en Bayesiansk klassifikasjon for kombinasjoner av egenskaper. Siden én lamells yte kan være en annens marg har en først transformert dataene til nye klasser der en benytter differanser eller konkatenerte matriser. En oppnådde 100% korrekt klassifikasjon for flere av metodene basert på 1-2 egenskaper, dog med et datasett som kun besto av 25 prøver.
I tillegg til rettvending av limtrelameller kan flere av metodene ha potensiell anvendelse innenfor en rekke andre områder der en ønsker å detektere årringer på ubehandlet trevirke, slik som papirproduksjon, dendrokronologi, styrkeberegninger, møbelproduksjon, panelproduksjon etc.