基于距离变换的纤维骨架提取算法研究

摘要

形态分析和描述是计算机视觉研究中重要方法。在图像处理中,骨架包含了物体形态的重要信息,是形态描述的重要表示,在形态分析和模式识别中已经得到了广泛的应用。在异形纤维识别的研究中,为了对不同类型的异形纤维进行区分,需要提取各纤维的骨架信息。通过细化算法进行骨架提取,在保证区域连通性的情况下,逐个剥离物体的边界点,最后得到的保留点组成了物体骨架。但是,细化计算是一个迭代过程,计算量大。而且,通过细化算法得到的骨架点位置精度差。距离变换是计算机图像处理中的一个基本算法,用于计算图像中各元素之间的距离。近年来,快速距离算法的提出,使得基于距离图的形态骨架化应用成为可能。
　　针对细化算法存在的缺陷,本文提出一种基于距离变换利用最小覆盖集获取纤维骨架的算法。
　　首先,对二值图像进行快速距离变换;然后根据距离变换结果,分析各元素与其邻域之间的关系,计算二值图像中物体的局部中心点集;再结合物体边缘点建立相关矩阵,对矩阵进行行列变换,获得物体的最小覆盖集,即骨架中心点。在生成的骨架中心点中存在孤立点,所以需要进行孤立点连接处理。在骨架中心点中选取距离值最小的点,以此点开始利用“陡峭爬山”算法,沿距离值变化梯度最大方向连接各中心点,最后生成连通的骨架线。由于数值图像的离散性,当物体边界通常会出现多余的分枝,为了方便后续的骨架匹配与识别,本文对骨架细小分枝进行了适当修剪和优化,生成最终的纤维骨架线。在对细化算法和距离骨架实验结果进行比较后可以看出,距离骨架能够更好地保存物体的拓扑结构。
　　本文提出的骨架提取算法应用于异形纤维识别系统中,与基于细化算法生成的识别结果进行比较。发现针对哑铃形、中空形和W形纤维的正确识别率基本相近,而针对三叶形、十字形和星形纤维,基于距离骨架算法的纤维识别率存在明显优势。基于本文算法识别的异形纤维的总体正确识别率为95.4％,比基于细化算法的纤维正确识别率高20%。因此,本文算法适用异形纤维识别系统。作为本文工作开展的教育部基础研究项目“纤维的计算机图像自动识别和纺织品成分分析系统”,已于2007年12月正式通过国家商检局鉴定。

目录

摘要

ABSTRACT

1 绪论

1.1 纤维图像分类识别问题研究背景

1.2 距离变换和骨架提取算法研究现状

1.3 影响骨架提取的因素

1.4 本文要研究的内容

2 纺织纤维识别系统介绍

2.1 纤维图像预处理

2.2 纤维图像分离

2.3 纤维图像特征提取

2.4 纤维图像拼接

2.5 纤维的分类识别和成分分析

2.6 本文内容在系统中的位置

2.7 本章小节

3 骨架定义及算法

3.1 骨架定义及解释模型

3.2 骨架的特性

3.3 骨架提取算法分析比较

3.4 本文算法流程

3.5 本章小结

4 距离变换与骨架中心点计算

4.1 距离定义

4.2 距离变换计算

4.3 骨架中心点提取理论依据

4.4 局部中心点计算

4.5 骨架中心点计算

4.6 本章小结

5 骨架连接生成和优化

5.1 基本定义

5.2 中心点连接过程

5.3 骨架优化

5.4 实验比较及结果分析

5.5 本章小结

6 距离变换骨架算法在纤维识别中的应用

6.1 纤维骨架特征点提取

6.2 属性图的匹配技术

6.3 识别结果

6.4 本章小结

7 总结与展望

7.1 全文总结

7.2 工作展望

参考文献

攻读硕士学位期间发表的学术论文

致谢