基于橫截面圖像分析的纖維異形度的指標(biāo)表征和異形纖維種類的自動(dòng)識(shí)別.pdf

1、東華大學(xué)博士學(xué)位論文基于橫截面圖像分析的纖維異形度的指標(biāo)表征和異形纖維種類的自動(dòng)識(shí)別姓名：王朝莉申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：數(shù)字化紡織工程指導(dǎo)教師：鐘躍崎王善元201111特征參數(shù)提取方法。并在此基礎(chǔ)上，提出了基于特征向量之間的非相似度量的順序聚類算法，完成了異形纖維橫截面形狀種類的自動(dòng)識(shí)別。在異形纖維顯微圖像處理方面，對(duì)可能出現(xiàn)的各類噪聲的來源和分布特點(diǎn)進(jìn)行了分析，從纖維異形度表征和識(shí)別的應(yīng)用角度分析了異形纖維顯微圖像處理的特殊性，設(shè)計(jì)出

2、最適合異形纖維顯微圖像的處理算法和流程，大大提高了異形纖維圖像二值分割的精度。其中關(guān)鍵的兩個(gè)步驟分別為：(一)針對(duì)異形纖維顯微圖像的特點(diǎn)，提出了能夠最大化增強(qiáng)目標(biāo)(纖維的邊界)和背景(纖維橫截面紋理和外部包埋體)對(duì)比度的圖像增強(qiáng)方法；(二)通過計(jì)算包含標(biāo)注對(duì)象的最小凸多邊形的方法，大大改善了普通閾值分割算法的精度。實(shí)驗(yàn)結(jié)果證明，本文提出的圖像增強(qiáng)算法降噪效果明顯，而且有效地消除了對(duì)后續(xù)閾值分割非常不利的光照不勻現(xiàn)象。本文提出的計(jì)算包含標(biāo)

3、注對(duì)象的最小凸多邊形的閾值分割后處理方法，能夠很好地保護(hù)纖維的邊界完整，有助于準(zhǔn)確而徹底地去除噪聲，大大改善了普通閾值分割算法的精度。該方法與常用的邊緣檢測(cè)算子相比較，提取出的纖維邊界更加完整、準(zhǔn)確，消除了雙邊緣和各種虛假邊界，同時(shí)噪聲點(diǎn)也較少。從后續(xù)處理的角度分析，也降低了隨后的特征提取的技術(shù)難度。在纖維異形度的指標(biāo)表征方面，突破了以往基于內(nèi)切圓和外接圓的傳統(tǒng)表征方法，借助纖維截面的距離一角度函數(shù)的提取，提出了一個(gè)新的異形度表征指標(biāo)c