基于距離變換的剝離算法在纖維識(shí)別中的研究與應(yīng)用.pdf

1、纖維的自動(dòng)識(shí)別是涉及圖像處理、模式識(shí)別、計(jì)算機(jī)視覺等多個(gè)領(lǐng)域的綜合性研究課題。傳統(tǒng)纖維檢測(cè)方法存在諸多弊端，隨著計(jì)算機(jī)圖像處理技術(shù)的不斷發(fā)展，纖維自動(dòng)識(shí)別的研究工作有了很大的進(jìn)展。但通過(guò)計(jì)算機(jī)對(duì)纖維進(jìn)行自動(dòng)識(shí)別研究仍有相當(dāng)大的難度。對(duì)于該領(lǐng)域國(guó)內(nèi)外的研究還比較少，還有很多問(wèn)題尚待解決。本課題為國(guó)家教育部全國(guó)百篇優(yōu)秀博士學(xué)位論文作者專項(xiàng)資金資助項(xiàng)目和留學(xué)回國(guó)人員科研啟動(dòng)基金資助項(xiàng)目，并結(jié)合上海市出入境檢驗(yàn)檢疫局的實(shí)際需求對(duì)紡織品和纖維檢驗(yàn)

2、進(jìn)行研究。課題研究的重點(diǎn)是棉、麻等天然纖維以及各種異形纖維的顯微圖像的計(jì)算機(jī)識(shí)別。該課題己于2007年12月通過(guò)國(guó)家商檢總局的項(xiàng)目鑒定。
　　 纖維自動(dòng)識(shí)別系統(tǒng)首先對(duì)獲取的纖維橫截面顯微圖像進(jìn)行預(yù)處理（包括光照不均去除、纖維圖象邊緣提取等）；之后提取單個(gè)纖維并統(tǒng)計(jì)纖維的幾何特征參數(shù)；然后通過(guò)支持向量機(jī)(SVM)分類器進(jìn)行纖維分類，實(shí)現(xiàn)對(duì)纖維成分的自動(dòng)檢驗(yàn)和纖維類型的自動(dòng)識(shí)別。其中，最為關(guān)鍵的技術(shù)包括圖像預(yù)處理、纖維圖像分割、纖維

3、特征提取和纖維識(shí)別。本文的主要研究?jī)?nèi)容為纖維圖像分割中的粘連纖維的判斷和分離，以及纖維特征參數(shù)提取中的骨架提取。
　　 由于纖維切片樣本制作工藝上的限制，采集到的纖維灰度圖像中不可避免地存在粘連纖維，影響了后續(xù)算法的精度。因此，纖維圖像分離是纖維成分識(shí)別的重要環(huán)節(jié)。其目標(biāo)是實(shí)現(xiàn)纖維對(duì)象與圖像背景的分離以及各粘連纖維對(duì)象之間的分離。為了較為真實(shí)地對(duì)粘連對(duì)象進(jìn)行分離，首先需要對(duì)粘連的纖維進(jìn)行準(zhǔn)確地判斷。本文結(jié)合纖維的特點(diǎn)，對(duì)輪廓的三

4、角形面積多尺度表示進(jìn)行了研究，提出了一種粘連纖維的判斷算法。經(jīng)實(shí)驗(yàn)驗(yàn)證，該算法能夠很好地判斷重度粘連的纖維，保證了粘連纖維分離算法的輸入的準(zhǔn)確性。
　　 粘連纖維的分離準(zhǔn)確性對(duì)纖維特征識(shí)別的準(zhǔn)確率有直接影響。本文分析總結(jié)了圖像分離領(lǐng)域中常用算法的特點(diǎn)及其在纖維圖像分離應(yīng)用上的局限性。針對(duì)纖維圖像的特點(diǎn)，提出了一種基于歐氏距離變換剝離的粘連纖維圖像分離算法。本算法能準(zhǔn)確地對(duì)纖維圖像進(jìn)行分離計(jì)算，并能有效地處理纖維圖像中的多重粘連問(wèn)

5、題，保證了后續(xù)算法的準(zhǔn)確性。
　　 物體的骨架包含了形態(tài)信息，作為一種降維的物體形態(tài)描述方式，包含了物體目標(biāo)的輪廓和區(qū)域信息，反映了目標(biāo)的重要視覺線索。骨架的線形連通結(jié)構(gòu)易于轉(zhuǎn)化為樹或圖的形式，為物體的特征匹配帶來(lái)方便。本文研究了各種的骨架提取方法，提出了一種基于距離變換剝離的骨架提取方法，能夠?qū)崿F(xiàn)連續(xù)的、滿足人類視覺規(guī)律的骨架的提取。所求骨架位置準(zhǔn)確，而且對(duì)物體邊緣噪聲不敏感。無(wú)需再行剪枝計(jì)算。本文提出的算法具有很強(qiáng)的通用性和