骨架提取算法的研究及在异形纤维中的应用

为了对异形纤维进行分类识别,需要对主分枝进行计数,提取纤维骨架是重要的预处理方法.提出利用物体边缘点和最小覆盖集的骨架生成算法,提取异形纤维的骨架信息.通过计算二值图像物体的局部中心点集,结合物体边缘点建立相关矩阵,获得最小覆盖集,然后利用爬山算法结合方向导数生成连续骨架.最后,对细小分枝进行修剪,保留纤维主分枝.实验证明,本算法计算的骨架保存了物体拓扑信息,并且对物体边缘噪声具有较强的抗干扰能力.     

一种改进的图像骨架提取算法

针对Zhang细化算法的不足提出改进算法。首先,根据提取的骨架特点设计细化模板,将骨架进行细化并且保持骨架的连通性和满足单像素,便于后续处理;其次,利用像素找出骨架的分支点,骨架减去分支点形成多个不连通区域,根据骨架特点选择不同的阈值,去除小于该阈值的连通分支,从而去除骨架毛刺,该步骤高效地除去了多余的噪音和毛刺,优化了骨架的视觉效果。仿真实验结果表明用改进算法提取图像骨架比Zhang细化算法得到的骨架效果更好,不但能够根据阈值的选择来除掉长短不一的毛刺,且不会破坏物体结构中重要的骨架。     

基于内积和边界差的骨架结构提取

为提高骨架提取算法的适用性,提出一种新型的骨架提取算法.通过对对象的边界元素按照空间距离顺序标号,求出对象内部像素的边界差,由边界差得到8连通的骨架分层.为提高算法的处理速度,提出前向分层和反向跟踪两个过程的骨架细化方法,用向量差Vd和长宽比(LWR)两个参数及支持向量机(SVM)分类器对冗余的骨架分支进行剪枝处理.试验结果表明,该算法提取的骨架具有很好的连通性,尤其适用于提取对象狭长区域的骨架线.     

基于空间分布优选初始聚类中心的改进K-均值聚类算法

针对海量数据聚类过程中,经典的K-均值聚类算法对其K个初始聚类中心点的选择以及数据集噪声十分敏感的问题,提出了一种针对海量数据考虑初始聚类中心点选择的聚类算法.该算法首先采用冒泡排序法对数据集进行排序,获取数据集的各维中心值组成第一个初始聚类中心点.其次,通过计算与第一个初始聚类中心点的欧式距离,对剩余候选初始聚类中心点进行优化选择,保证所有的聚类中心点均匀地分布在数据集密度较大的空间上,以此减少聚类过程中的迭代次数和提高聚类算法效率.最后,基于UCI(University of California,Irvine)中多个数据集,进行聚类算法对比实验.结果表明,在不降低聚类效果的前提下,该聚类算法的迭代次数平均降低到50％,所需的时间降低平均达10％,由实验结果还能推出,当点集的数目越多时,该算法就能表现出越明显的聚类优势效果.     

优化的梯度最短路径骨架提取算法

计算二维图像的距离变换图,在距离图的基础上求出梯度图,综合0°、45°、90°和135°4个方向的梯度图,形成新的包含所有潜在骨架点的梯度图.通过预设的阈值消除大部分非骨架点;利用轮廓法、拓扑细化得到"细"中脊线.最后,利用"细"中脊线构建最短路径算法所需的邻接矩阵,大大地减少骨架提取算法的运行时间.     

数学形态学的细化算法

对目标图象进行细化处理,提取其骨架,在目标检测、图象编码以及光学字符识别等计算机视觉、图象处理与模式识别领域都有着广泛的应用．在定义了数学形态学图象轮廓和骨架的基础上,提出了基于两组结构元素模板的数学形态学细化新算法,这两组结构元素模板分别用来去掉目标的西北、东北、东南、西南方向四个角上的点和北、东、南、西四个方向上的点．用该算法对实际的字符进行细化,获得了令人满意的结果．     

基于遗传算法自适应建立HMM的静脉识别算法

为了准确地对人的身份进行识别,利用图像中脉络延伸方向与脉络间位置的相互联系,将隐马尔科夫模型(HMM)应用于识别系统中,提出了一种基于遗传算法自适应建立HMM的静脉识别算法.图像经预处理后得到静脉的骨架信息,将细化后的静脉图像进行Radon变换,每一静脉对象可表示为一个HMM;对于已知确定的训练样本库,利用遗传算法自适应调整HMM参数,使所有测试图像的观测序列在真实匹配模型中发生的概率值远远大于其在虚假匹配模型中发生的概率值,提高了不同静脉对象的区分度.实验表明,该算法具有较高的正确识别率,并具有良好的实时性.     

数字图像的一种快速细化方法

提出一种基于保留中心骨架的细化算法 ,在细化过程中 ,只利用一个 3× 3的模板 ,便可以快速地判定细化中的连通性 .并且针对手写数字识别的一种实际问题 ,给出改进的细化算法     

使用新预测模型的动态多目标优化算法

针对实际应用中动态多目标优化算法对快速变化的最优解集跟踪能力不强的问题,提出了一种使用结合中心点预测值和垂直扰动分量的新预测模型的动态多目标优化算法。首先,计算变化前最优解集的中心点作为预测对象,改变了通常使用全部解进行预测的方式,提升了算法效率;其次,结合算法迭代的历史信息,选取位置、速度、加速度作为预测的状态向量,保证了算法对大多数情形下解集整体变化的跟踪预测能力;最后,为预测的新解添加了垂直于预测变化方向的超平面随机扰动,增强了解集的多样性,进而提升了算法收敛速度。实验结果表明,该算法在75%的测试函数集上的性能优于其他3种经典的动态多目标优化算法,其耗时较经典的基于卡尔曼滤波预测的动态多目标优化算法平均减少了39%。     

改进的ZS细化算法在FPC缺陷定位的应用

针对ZS细化算法中存在冗余像素,在运用到柔性电路板(Flexible Printed Circuit Board, FPC)短路和断路缺陷定位时,会出现误检和重检的情况,提出了一种改进的ZS细化算法.首先,对FPC原始图像进行通道分离和二值预处理,运用ZS细化算法获取初始细化图像;然后,针对Z字型,T字型和十字型交点处存在的像素冗余,构造9个删除模板,改进经典ZS细化算法,消除ZS细化算法的冗余像素;最后,将改进的ZS细化算法、Hilditch细化算法和经典的ZS细化算法应用到FPC短路和断路缺陷定位中,并进行对比.结果表明：改进的ZS细化算法处理时间比经典的ZS细化算法稍长,但只有Hilditch细化算法的1/3左右;改进的ZS细化算法在保证FPC骨架连续性的基础上,实现骨架的单一像素化,可以准确快速地定位FPC的短路和断路缺陷.     

基于两极复合式指纹图像细化算法的研究

针对现有指纹图像模板细化算法中存在的诸如迭代次数较多，细化速度慢，图像局部细化不完全等问题，分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点，提出了一种基于两极复合式算法的指纹图像细化算法，该算法在保证对图像完全细化的同时，能较明显提高细化处理速度。     

脱机手写汉字识别中笔段提取算法研究

基于目前细化和特征点提取的实现方法,提出了改进的分组细化方法和远端拐点法。改进的分组细化法能够在细化过程中,根据分组数标记字符图像中分叉点的类型,为后续的拐点提取做准备。给出了一种快速提取汉字拐点的方法远端拐点法。实验结果表明,该方法能够较好地提取笔段,特征点提取的正确率达到98.6％。     

对汉字图像进行细化处理的一种新算法

细化是图像分析和模式识别中的一个重要的操作,而基于图像集合运算的数学形态学细化算法则是细化算法中的一个重要分支,它可以利用灵活多变的结构元素对不同的图像进行处理.在保持原有图像拓扑关系不变的前提下,给出了一种新的形态学细化算法对汉字图像进行细化处理.     

基于数学形态学的二值图象细化算法

介绍了传统细化算法的主要设计思想,提出一种改进的二值图象细化算法,在原有算法的基础上增加了一组承担交叉线两侧细化处理的结构元素.结果表明:这一算法使得目标图象能从各方面快速、均匀地收敛至其骨架.可以看出,结构元素是数学形态学中形态运算最重要最基本的概念,结构元素选择的是否恰当,将直接影响目标图象的细化结果.     

一种基于重心的快速细化算法

分析快速细化算法和OPTA细化算法不足产生的内在原因,提出一种新的基于重心的快速细化算法.该算法根据被细化图像的特点,用密度重心快速将纹线细化到3个像素宽度内,计算4邻域拓扑实现彻底细化.仿真结果表明,在细化效率方面,该算法一次遍历删除超过一半的大量冗余像素,是快速细化算法的3～7倍;在细化要求方面,该算法可达到绝对单像素、光滑无毛刺,并能保持端点不被吞噬,能够很好地满足图像细化的要求.     

基于改进的三维Douglas-Peucker算法的多波束测深数据抽稀方法

 为压缩海量多波束测深数据,提出了一种利用三维D-P 算法进行多波束测深数据抽稀的方法。首先对三维D-P 算法中首基面的确定进行改进,使得算法运行效率提高数十倍,然后利用该算法对中国北部某海域的多波束测深数据进行数据抽稀的实验和验证,取得了较好的实验效果,表明该方法能够较好地抽取海底地形的特征点信息,适用于多波束测深数据的抽稀。该方法符合多波束测深系统的面测量模式,实现了三维空间下的具有全局性特点的数据抽稀,其渐进式数据选取方式,可以为建立海底地貌LOD（细节层次模型）提供不同精度要求的抽稀数据,具有良好的应用前景。     

一种有效的基于八邻域查表的指纹图像细化算法

指纹图像预处理是指纹识别的第一步,它的好坏直接影响着后续指纹特征值提取和匹配的准确性,而细化是又是预处理过程的核心环节。因而文章重点研究了二值化后指纹图像细化算法基础上,提出更有效的基于"八邻域"查表细化算法及其改进算法。实验表明基于八邻域查表细化算法效率更高、处理后几乎没有毛刺、效果更理想,为后续的工作奠定了良好的基础。     

基于SUSAN的指纹细节点提取算法

在整个指纹识别过程中，指纹图像的细节点提取至关重要．许多算法是先将脊线细化后进行提取，耗时较多，且易产生大量不易去除的伪细节点．作者将一般图象配准中常用的角点检测技术运用到指纹识别中，提出基于SUSAN的指纹细节点提取新算法．该法在传统的SUSAN上进行数项改进，使其适用于指纹图象，完成端点和分叉点的提取，再根据所产生伪细节点的分布情况将它们去除．此法计算简单、抗噪声能力强、不需事先对脊线进行细化．     

基于内点保留的二值图像细化算法

提出一种基于内点保留的并行细化算法，与一般基于边缘点去除的细化算法比较，它具有运算速度快，程序简单，便于硬件实现，能够完整地保存图像的拓朴结构，所获得的骨架对称性好等优点。在ＩＩＳ图像处理系统上进行了初步实验，结果表明，所提出的二值图象细化方法为解决二值图像细化问题开辟了一条新途径。     

指纹图像细化算法的研究

对指纹图像的细化算法进行了较深入的研究，分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点．针对这两种算法的不足，分析其产生的原因，并且在第二种算法的基础上，重新构建了细化模板，提出了一种新的细化算法．经过实验证明。该算法能够很好的满足细化的要求，细化完全彻底，细化以后的指纹骨架在纹线中心线，并保持了纹线原有的拓扑结构和细节特征，而且光滑无毛刺，运算速度也很快．