论文部分内容阅读
图像分割是数字图像处理中的关键技术之一。目前,国内外对线状目标图像的分割主要应用于以下几个方面:遥感影像中河流、道路及机场跑道等线状目标的提取,医学图像中血管造影图像、微循环图像等医学图像的处理,以及造纸工业和纺织业中纤维的分割与识别。对线状目标图像分割方法的研究已经深入到很多领域,而图像分割的方法也不拘一格。常用的图像分割方法主要有:基于边缘的分割、基于区域的分割、阈值化分割、模板匹配法及骨架提取法等。有些方法具有一定的实用价值,但在分割方法的自动化程度、通用性、准确性、效率性、抗干扰能力等方面都有很多的工作要做。因此本文结合国内外的发展现状,对线状目标的分割方法进行了深入的探讨。
本文首先借鉴目前新的图像处理方法——小波分析理论,并结合线状目标的特点,改进了基于方向小波的边缘检测方法来完成边缘检测。该方法利用方向小波变换的方向性,通过寻找四个方向的边缘图来得到整幅图像的边缘图。纸浆纤维图像的边缘检测实验验证了该方法能较好的完成对比度低、噪声高、有分叉或重叠结构的复杂图像的边缘检测。
在基于方向小波的边缘检测基础上,本文进一步论述了基于边界对同时检测的线状目标分割方法。边界对同时检测方法是先利用基于方向小波的边缘提取算法对图像作初始化边缘提取,然后结合边界对的特征及空间分布关系,提出了合理的费用函数来协调和增强初始化边缘提取的结果,从而以全局最优的观点检测边界。
本文在完成线状目标图像分割的基础上,又进一步论述了适合线状目标识别的方法,并以纸浆纤维识别为例,综合利用边缘和骨架线这两个特征实现了复杂纤维图像的识别。其中进行边缘提取时根据纤维图像质量较低的特点,采用了边界对同时检测法,骨架线提取时运用了变向骨架线跟踪法。
经验证,本文论证的基于方向小波的边缘检测和边界对同时检测方法在图像分割与识别中有很好的效果。