圖像紋理識(shí)別和分類(lèi)及其在管壁檢測(cè)中的應(yīng)用.pdf

1、本論文研究圖像識(shí)別中的重要課題：圖像紋理特征提取與分類(lèi)，并應(yīng)用于城市地下管道檢測(cè)中管壁缺陷的定位與分析。 圖像識(shí)別是根據(jù)圖像中的特征對(duì)其進(jìn)行識(shí)別并分類(lèi)的過(guò)程，目的在于用計(jì)算機(jī)代替或擴(kuò)展部分腦力勞動(dòng)，快速地實(shí)現(xiàn)大量圖像的自動(dòng)檢測(cè)和分析。圖像特征的提取和分類(lèi)是圖像識(shí)別的關(guān)鍵性環(huán)節(jié)。 本文首先討論紋理圖像識(shí)別中的特征提取和聚類(lèi)技術(shù)概況，并對(duì)國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行綜述。通過(guò)對(duì)特征提取的基本原理和主要方法的討論，結(jié)合管壁圖像的分類(lèi)進(jìn)行

2、深入研究，取得了以下主要成果： 1．在特征提取中采用Gabor濾波器并結(jié)合其他方法構(gòu)建特征向量。Gabor濾波器能很好地模擬視覺(jué)特性，我們采用一組Gabor濾波器在多尺度多方向上提取圖像的紋理特征，同時(shí)在Gabor特征的基礎(chǔ)上加入灰度均值以及Tamura粗糙度特征，并用PCA降維構(gòu)成新的特征向量。實(shí)驗(yàn)表明這種新的特征向量充分反映了紋理圖像中的有用信息，因而能夠更好地反映研究對(duì)象的紋理特征。 2．針對(duì)K均值聚類(lèi)方法對(duì)初始聚

3、類(lèi)中心敏感這一特點(diǎn)，提出一種對(duì)初始中心選取的改進(jìn)方法。該方法基于數(shù)據(jù)每個(gè)維度的直方圖特性。選擇數(shù)據(jù)分布最多的坐標(biāo)為該維度初始中心的坐標(biāo)。該方法具有實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小的優(yōu)點(diǎn)。通過(guò)實(shí)驗(yàn)表明該方法能夠有效減少聚類(lèi)迭代次數(shù)，降低系統(tǒng)開(kāi)銷(xiāo)。 3．將本文的紋理識(shí)別方法用于城市地下水管管壁缺陷探測(cè)工程中，識(shí)別管壁圖像中存在的光滑、粗糙和銹蝕區(qū)域。通過(guò)對(duì)識(shí)別結(jié)果的分析，可以得到圖像中缺陷部分所占的比例以及分布狀況，結(jié)果令人滿意。該項(xiàng)研究結(jié)果可應(yīng)