纸浆纤维的图像分析方法的研究——纸浆纤维图像的搜索方法研究

摘要

图像分割和识别是数字图像处理中的关键技术之一，也是目标搜索的基础，在理论研究和实际应用中都得到了人们的广泛重视，图像分割和识别的方法也很多，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、高效性、抗干扰能力等方面都各有优势，常用的分割方法有：基于区域的分割方法、基于边缘的分割方法、基于边缘检测的分割方法，基于边界跟踪的分割方法等。常用的图像识别方法有统计法、句法识别和神经网络识别法，很多情况下要对这几种方法综合应用才能达到很好的分割和识别的目的。 图像最基本的特征是边缘，所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合，它是图像分割所依赖的最重要的特征，也是纹理特征的重要信息源和形状特征的基础，也是模板匹配的基础。数学形态学法是一个很好的图像边缘检测方法，结合中值滤波法，能很好地检测图像的边缘。 纸浆纤维目标图像的跟踪与搜索方法是图像处理中的一项关键技术，如何在众多目标中找到期望目标是图像搜索要解决的主要问题。如何在最短的时间内以最少的代价搜索到期望的目标纤维，提高搜索的速度和效率，减少成本和时间，是图像最优搜索法所要解决的问题。本文在实现图像的分割、识别和边缘检测的基础上对目标图像的搜索做了一些探讨，提出了一种基于用Hausdorff距离的高效纸浆纤维图像中目标纤维的搜索方法，取得了很好的效果。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题的研究背景及意义

1.2课题研究的现状与趋势

1.3本论文的主要任务

第2章图像分割及识别的一般方法

2.1图像分割的依据和条件

2.2基于边缘的分割

2.2.1边界跟踪

2.2.2图像滤波法

2.2.3基于边界曲线拟合法

2.2.4活动轮廓模型法

2.2.5基于灰度直方图的边缘检测

2.2.6基于梯度的边缘检测

2.3基于区域的分割

2.3.1直方图门限法

2.3.2区域生长法

2.3.3基于图像的随机场模型法

2.3.4标记法

2.3.5区域跟踪

2.4图像识别的基本方法及特点

2.4.1统计法

2.4.2句法识别

2.4.3神经网络法

2.4.4模糊集识别法

2.4.5标记松弛法

2.5纤维图像的分割及识别方法

第3章数学形态学及其在图像边缘检测中的应用

3.1边缘检测

3.1.1微分法

3.1.2拟合法

3.1.3松弛法

3.1.4神经网络分析法

3.2边缘的提取与跟踪

3.3数学形态学的基本知识

3.4数学形态学的算法

3.4.1腐蚀运算

3.4.2膨胀运算

3.4.3开运算

3.4.4闭运算

3.5基于数学形态学的图像边缘提取方法

3.6基于数学形态学的纸浆纤维图像边缘检测方法

第4章纸浆纤维目标图像搜索方法

4.1图像跟踪与搜索的基本知识

4.2基于匹配的线状目标跟踪

4.2.1模板匹配

4.2.2图像匹配

4.2.3灰度匹配

4.2.4特征匹配

4.3常用的图像搜索方法

4.3.1主动边界方法

4.3.2基于形态学的快速图像搜索方法

4.3.3基于模板的目标搜索方法

4.4线状目标的跟踪与搜索

4.5 Hausdorff距离理论及其在纸浆纤维图像搜索中的应用

4.5.1 Hausdorff距离理论基础

4.5.2 Hausdorf距离在目标搜索中的应用

4.5.3改进的Hausdorff距离理论及其在纸浆纤维图像搜索中的应用

4.5.4改进的模板匹配搜索策略

4.5.5模板更新策略

第5章总结与展望

5.1本论文所做的工作

5.2展望

参考文献

致谢

攻读硕士学位期间发表的论文