基于橫截面圖像分析的纖維異形度的指標表征和異形纖維種類的自動識別.pdf

1、東華大學博士學位論文基于橫截面圖像分析的纖維異形度的指標表征和異形纖維種類的自動識別姓名：王朝莉申請學位級別：博士專業(yè)：數(shù)字化紡織工程指導教師：鐘躍崎王善元201111特征參數(shù)提取方法。并在此基礎上，提出了基于特征向量之間的非相似度量的順序聚類算法，完成了異形纖維橫截面形狀種類的自動識別。在異形纖維顯微圖像處理方面，對可能出現(xiàn)的各類噪聲的來源和分布特點進行了分析，從纖維異形度表征和識別的應用角度分析了異形纖維顯微圖像處理的特殊性，設計出

2、最適合異形纖維顯微圖像的處理算法和流程，大大提高了異形纖維圖像二值分割的精度。其中關鍵的兩個步驟分別為：(一)針對異形纖維顯微圖像的特點，提出了能夠最大化增強目標(纖維的邊界)和背景(纖維橫截面紋理和外部包埋體)對比度的圖像增強方法；(二)通過計算包含標注對象的最小凸多邊形的方法，大大改善了普通閾值分割算法的精度。實驗結果證明，本文提出的圖像增強算法降噪效果明顯，而且有效地消除了對后續(xù)閾值分割非常不利的光照不勻現(xiàn)象。本文提出的計算包含標

3、注對象的最小凸多邊形的閾值分割后處理方法，能夠很好地保護纖維的邊界完整，有助于準確而徹底地去除噪聲，大大改善了普通閾值分割算法的精度。該方法與常用的邊緣檢測算子相比較，提取出的纖維邊界更加完整、準確，消除了雙邊緣和各種虛假邊界，同時噪聲點也較少。從后續(xù)處理的角度分析，也降低了隨后的特征提取的技術難度。在纖維異形度的指標表征方面，突破了以往基于內切圓和外接圓的傳統(tǒng)表征方法，借助纖維截面的距離一角度函數(shù)的提取，提出了一個新的異形度表征指標c