纖維的圖像拼接算法研究.pdf

1、我國是紡織品和服裝出口大國，紡織品和服裝出口在我國外貿(mào)出口中一直占有重要的位置。棉花、羊毛羊絨是紡織工業(yè)中最常用的、最主要的紡織纖維。我國不僅是棉花生產(chǎn)、進(jìn)口、消費(fèi)和紡織品出口位居世界第一的國家，也是羊毛、羊絨的主要生產(chǎn)國。纖維長度和纖維混紡比、纖維細(xì)度一樣，也是紡織品生產(chǎn)中的重要指標(biāo)。它是評判進(jìn)出口產(chǎn)品質(zhì)量優(yōu)劣和分級的重要依據(jù)。檢測的結(jié)果直接影響企業(yè)和國家的利益。
　　 纖維長度、細(xì)度和成熟度等參數(shù)反映纖維及其成紗質(zhì)量，它直接

2、影響纖維的可紡性和加工的有效性，故為紡織原料、精紡加工質(zhì)量檢驗(yàn)的必測項(xiàng)目。
　　 為了提高纖維檢測的自動化程度，我們課題組研究開發(fā)了一個(gè)計(jì)算機(jī)圖像檢測的纖維檢測系統(tǒng)，可以直接、精確、快速地測量棉纖維的長度、細(xì)度、成熟度等指標(biāo)。該系統(tǒng)通過獲取纖維圖像，對纖維圖像進(jìn)行多焦面融合、大圖拼接、纖維圖像細(xì)化和纖維圖像分離等過程處理，從而得出纖維的各項(xiàng)指標(biāo)。
　　 為了獲取纖維素纖維縱向的特征參數(shù)，縱向切成很短的纖維片段放置于載玻片

3、上，通過連接在光學(xué)顯微鏡的數(shù)碼相機(jī)，為了保證纖維目標(biāo)圖像的清晰度，顯微鏡的放大倍數(shù)為100～200。受顯微鏡物鏡的數(shù)值孔徑和顯微鏡的視野限制，整個(gè)目標(biāo)纖維的縱向圖像不可能一次全部采集到，必須采用分圖像采集的方法，然后對分圖像進(jìn)行拼接構(gòu)成全景圖。
　　 本文的主要內(nèi)容是根據(jù)圖像的相鄰關(guān)系確定拼接模板和拼接區(qū)域，研究一種高精度的算法，盡可能減小待拼接的圖像受噪聲干擾和圖像灰度差異的影響，以保證不同圖像之間的精確定位和正確拼接。

4、>　　 針對全景顯示纖維顯微圖像的需求，綜合考慮纖維圖像與一般自然圖像表現(xiàn)出的特征差異，提出一種纖維圖像的拼接算法。首先，利用人眼對兩幅圖像內(nèi)容對齊的認(rèn)識，即兩幅圖像重疊起來交錯(cuò)的區(qū)域最小，提出一種用于度量兩圖像間匹配準(zhǔn)確度的數(shù)學(xué)量--對齊度AM。通過比較線狀圖形匹配與塊狀圖形匹配過程中該度量函數(shù)圖像的收斂范圍，得出塊狀圖形在匹配穩(wěn)定性方面優(yōu)于線狀圖形的結(jié)論。然后依據(jù)纖維細(xì)長、平滑的外形特征，對整個(gè)圖像內(nèi)容用纖維線條進(jìn)行劃分，將原本屬

5、于前景內(nèi)容的待匹配線狀目標(biāo)轉(zhuǎn)化成為屬于背景內(nèi)容的塊狀目標(biāo)，從而使匹配過程由線狀特征匹配轉(zhuǎn)化為基于塊狀的特征匹配。
　　 纖維圖像的拼接包含特征提取與特征匹配兩個(gè)過程。在對塊狀區(qū)域進(jìn)行特征提取時(shí)，選擇多邊形塊狀的邊界信息作為特征，由于區(qū)域的劃分是以纖維本身作為分割線，本文采用提取纖維的輪廓首先將纖維轉(zhuǎn)化成線段。然后通過對纖維輪廓的跟蹤分段，提取出待拼接圖像重疊區(qū)域的特征參數(shù)。接著在特征匹配過程中，分別引入線性相關(guān)和迭代運(yùn)算實(shí)現(xiàn)匹配

6、。為了減少資源消耗和提高運(yùn)行效率，用迭代方式進(jìn)行塊匹配。
　　 在確定匹配位置后，直接進(jìn)行圖像拼接，在圖像拼合處會出現(xiàn)明顯的拼縫痕跡。為消除拼縫痕跡，文章引入圖像融合技術(shù)。通過對目前較常用的加權(quán)平均融合算法與小波變換融合算法進(jìn)行分析研究與實(shí)驗(yàn)比較，選取適用的融合算法，實(shí)現(xiàn)無縫拼接。
　　 最后對大量的待拼接的圖像樣本進(jìn)行拼接實(shí)驗(yàn)，給出部分實(shí)驗(yàn)結(jié)果圖像。實(shí)驗(yàn)結(jié)果表明本文算法對大多數(shù)的圖像能取得令人滿意的拼接效果。對少部分圖