異形纖維拓撲信息計算及其分類的研究.pdf

1、隨著科學技術(shù)的發(fā)展和人們生活水平的不斷提高，異形纖維在紡織服裝產(chǎn)品中的應(yīng)用越來越廣泛。異形纖維的不同截面形狀對織物性能的影響很大。為了正確區(qū)分各種類型的異形纖維，需要對各種異形纖維的特征進行提取，以正確描述異形纖維的拓撲結(jié)構(gòu)。雖然已有多種拓撲結(jié)構(gòu)描述方法存在，但是在異形纖維特征提取方面的研究不多，對日益增多的異形纖維種類，需要一種更為有效的異形纖維特征參數(shù)提取方法。
　　 骨架是物體形狀表示和識別的重要方法。作為一種降維的物體形

2、態(tài)描述方式，骨架包含了物體目標的輪廓和區(qū)域信息，能反映目標重要的視覺線索。骨架的線形連通結(jié)構(gòu)易于轉(zhuǎn)化為樹或圖的形式，為物體的特征匹配帶來方便。目前的骨架算法中，細化算法會使骨架點位置偏移，中軸算法無法保證骨架連通性，兩類算法都容易受到邊界噪聲影響，產(chǎn)生冗余的骨架分支，因此需要對骨架進行剪枝處理。而骨架剪枝算法會造成主骨架分支縮短，且無法保證拓撲結(jié)構(gòu)局部信息和整體特征的統(tǒng)一。針對上述問題，本文提出一種基于向量內(nèi)積的骨架提取算法，不需要進行

3、剪枝即可獲得完整連通的、無冗余分支的骨架。
　　 算法首先對二值圖像進行輪廓跟蹤獲得圖像邊界點序列，并通過距離變換得到物體內(nèi)部像素點和其對應(yīng)最近邊界點的位置。定義內(nèi)部像素點到其最近邊界點的有向向量為邊界向量。求任一內(nèi)部像素點的邊界向量和它八鄰域點的邊界向量的內(nèi)積，將其中的最小內(nèi)積值稱為極小內(nèi)積值。計算每個內(nèi)部像素點的極小內(nèi)積值獲得極小內(nèi)積值圖。根據(jù)內(nèi)積選取準則確定骨架種子點，根據(jù)骨架種子點對應(yīng)的最近邊界點在邊界序列中的位置，判斷

4、骨架種子點生長方向。利用八鄰域搜索法，在極小內(nèi)積值圖中尋找一條極小內(nèi)積值最小的通路連接骨架種子點，經(jīng)過骨架兩次生長處理得到連通的骨架，最后通過細化算法得到單像素的完整骨架。實驗證明，本文提出的算法能夠有效提取異形纖維骨架，并能保持異形纖維完整的拓撲結(jié)構(gòu)。求到的骨架位置準確，而且對物體邊緣噪聲不敏感，無需進行剪枝計算。
　　 將提取到的骨架線上的骨架端點和骨架分支點，作為一種異形纖維分類計算參數(shù)。實驗結(jié)果顯示，基于向量內(nèi)積的骨架提