论文部分内容阅读
图像识别是利用计算机对图像进行处理、分析和理解,以识别不同模式的目标和对象的技术。图像是以图像的主要特征为基础来进行识别的,如轮廓、线、形状、颜色和纹理等。形状作为图像的一个基本特征,在物理描述和识别方面有独特优势。而骨架可以简单表示出物体的形状,把骨架提取技术用在图像识别中会降低计算量。并且骨架可以对原始图形进行压缩表示,具有平移、旋转和尺度不变形性等特点,能够与原始图形的拓扑结构相一致。因此将骨架理论应用到图像识别上,是计算机视觉、人工智能、图像处理等领域的研究重点。 本论文对现有的一些骨架提取算法进行了详细的分析研究,以此为基础,提出了一种基于K段主曲线的图像骨架提取算法。K段主曲线能够很好地提取分布在弯曲度大或相交曲线周围的数据的主曲线,真实地反应数据形态,保持数据信息。而手绘字符图像具有任意性、个性化的特点,识别具有一定难度,所以论文选取手绘字符图像作为实验图像来进行骨架提取。本文方法充分考虑手绘字符图像的像素点个数及弯曲程度,首先设定合适的参数来构建相应的主成分线,然后通过“哈密顿回路”原理连接各条主成分线并优化使之成为多边形(PolygonalLines),最后利用惩罚角度进行平滑完成手绘字符骨架化。并且针对K段主曲线算法字符骨架提取存在的不足做了进一步改进,在去掉多余的“假边”后,对不连续字符图形中应该连接的位置却没有连接的情况做出了较好的改善。最后,论文还将该算法得到的骨架结果用于拓扑相似性度量,对该算法提取得到的骨架结果的正确性进行了验证。 论文也将K段主曲线算法应用在图像模糊边缘提取中,首先对图像进行处理得到模糊边缘区域,然后利用K段算法提取边界,这样得到的模糊区域的骨架,就可以将它认为是原图像比较准确的边界。