基于數(shù)學(xué)形態(tài)學(xué)的骨架層次性分解及顯著度計(jì)算與研究.pdf

1、隨著圖像資源的急劇增加，目標(biāo)識(shí)別已經(jīng)成為圖像處理的關(guān)鍵問(wèn)題。論文所屬的課題是多源影像的目標(biāo)識(shí)別。識(shí)別的首要任務(wù)是目標(biāo)表示。選擇合適的特征空間非常關(guān)鍵。目標(biāo)的形狀包含了大量的視覺(jué)信息，成為最常用的特征空間。對(duì)目標(biāo)表示方法的深入研究發(fā)現(xiàn)：利用骨架進(jìn)行形狀表示的應(yīng)用最為廣泛。骨架保留了目標(biāo)形狀的拓?fù)浣Y(jié)構(gòu)。提取骨架后，將骨架分解為若干有意義的骨架基元，根據(jù)骨架段的層次關(guān)系及顯著度大小，組織到一個(gè)圖中。這個(gè)圖包含了骨架的全部信息，為利用圖匹配技術(shù)

2、進(jìn)行目標(biāo)識(shí)別奠定基礎(chǔ)。同時(shí)，計(jì)算骨架段的顯著度，對(duì)顯著度設(shè)定閾值，可降低噪聲對(duì)骨架的影響。
　　 首先，論文對(duì)骨架的基本理論和提取技術(shù)進(jìn)行研究。從分析骨架的概念入手，系統(tǒng)研究了骨架的各種提取算法。實(shí)現(xiàn)形態(tài)學(xué)骨架變換算法，通過(guò)實(shí)驗(yàn)，分析算法中存在的主要問(wèn)題，提出一種基于此算法的改進(jìn)思路。
　　 然后，論文重點(diǎn)研究骨架的分解技術(shù)。詳細(xì)研究了目前提出的幾種主要分解方法。通過(guò)分析比較，選擇并且實(shí)現(xiàn)層次性分解算法。通過(guò)實(shí)驗(yàn)，分析原