基于n鏈碼的纖維特征參數(shù)提取算法的實現(xiàn).pdf

1、本課題作為全國百篇優(yōu)秀博士學(xué)位論文作者專項資金資助項目和教育部留學(xué)回國人員科研啟動基金資助項目,在上海市出入境檢驗檢疫局紡織品和纖維檢驗的實際需求下產(chǎn)生。研究重點是棉、麻等天然纖維素纖維和各種異形纖維的計算機顯微圖像識別。本纖維自動識別系統(tǒng)集圖像采集、圖像預(yù)處理、特征提取和模式識別為一體,以實現(xiàn)纖維的自動識別為目的。整個識別過程要求在無人干預(yù)的情況下自動進行。在各種復(fù)雜的環(huán)境下計算機能夠?qū)崿F(xiàn)自動識別。本文以纖維圖像的纖維分離結(jié)果為研究對

2、象,研究方向為纖維的特征提取和特征識別,研究重點為纖維特征參數(shù)提取算法的實現(xiàn),構(gòu)造纖維識別模型。
　　文章首先分析總結(jié)纖維特征參數(shù)提取的研究現(xiàn)狀,研究圖像特征提取的相關(guān)理論及其經(jīng)典算法,討論其中的關(guān)鍵技術(shù)和難點并進行分析和比較,針對目前具體的纖維識別對象,指出目前纖維截面特征提取及纖維識別存在的缺陷和不足,確定出解決方案。特征提取是模式識別必要的前期準備,特征參數(shù)的有效性直接影響纖維的識別率。
　　本文通過n鏈碼對圖形特征參

3、數(shù)影響的研究,討論了n鏈碼對纖維輪廓的平滑作用以及不同的n取值對輪廓曲線的不同平滑效果。通過面積誤差、周長誤差以及輪廓相似度3個誤差模型,分析了6種標準幾何圖形在不同的n值作用下輪廓的失真,討論了n的計算方法。在此基礎(chǔ)上,提出了一種適用于離散點集的局部極值的快速求解算法,設(shè)計了纖維角點、直線段以及輪廓扭曲等纖維特征的提取算法,并通過等級評價分析,對各參數(shù)進行優(yōu)化選擇,給出了基于n鏈碼的纖維特征參數(shù)提取模型。支持向量機算法是一種專門研究有

4、限樣本預(yù)測的學(xué)習(xí)方法,能很好地解決有限數(shù)量樣本的高維模型的構(gòu)造問題。支持向量機基于結(jié)構(gòu)風險最小化準則工作,能在訓(xùn)練誤差和分類器容量之間達到一個較好的平衡。纖維識別系統(tǒng)要能自適應(yīng)地從有限樣本中學(xué)習(xí)并提煉出區(qū)分各種纖維種別的決策規(guī)則,因此本文創(chuàng)新性地將支持向量機算法應(yīng)用于纖維識別,通過交叉驗證法進行參數(shù)選擇,開發(fā)了基于支持向量機的纖維識別模型,達到了滿意的效果。
　　文章最后對識別結(jié)果進行了分析,并對今后纖維自動識別的研究提出了幾點建