基于距離變換的剝離算法在纖維識別中的研究與應(yīng)用.pdf

1、纖維的自動識別是涉及圖像處理、模式識別、計算機(jī)視覺等多個領(lǐng)域的綜合性研究課題。傳統(tǒng)纖維檢測方法存在諸多弊端，隨著計算機(jī)圖像處理技術(shù)的不斷發(fā)展，纖維自動識別的研究工作有了很大的進(jìn)展。但通過計算機(jī)對纖維進(jìn)行自動識別研究仍有相當(dāng)大的難度。對于該領(lǐng)域國內(nèi)外的研究還比較少，還有很多問題尚待解決。本課題為國家教育部全國百篇優(yōu)秀博士學(xué)位論文作者專項資金資助項目和留學(xué)回國人員科研啟動基金資助項目，并結(jié)合上海市出入境檢驗(yàn)檢疫局的實(shí)際需求對紡織品和纖維檢驗(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算機(jī)識別。該課題己于2007年12月通過國家商檢總局的項目鑒定。
　　 纖維自動識別系統(tǒng)首先對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）；之后提取單個纖維并統(tǒng)計纖維的幾何特征參數(shù)；然后通過支持向量機(jī)(SVM)分類器進(jìn)行纖維分類，實(shí)現(xiàn)對纖維成分的自動檢驗(yàn)和纖維類型的自動識別。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、特征提取和纖維識別。本文的主要研究內(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別的重要環(huán)節(jié)。其目標(biāo)是實(shí)現(xiàn)纖維對象與圖像背景的分離以及各粘連纖維對象之間的分離。為了較為真實(shí)地對粘連對象進(jìn)行分離，首先需要對粘連的纖維進(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)確性對纖維特征識別的準(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)確地對纖維圖像進(jìn)行分離計算，并能有效地處理纖維圖像中的多重粘連問

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，而且對物體邊緣噪聲不敏感。無需再行剪枝計算。本文提出的算法具有很強(qiáng)的通用性和