基于梯度向量流的圖像骨架提取方法.pdf

1、隨著現(xiàn)代科技的發(fā)展,圖像資源飛速增長,基于圖像分析與理解技術的圖像目標檢測,是人工智能、模式識別和圖像處理等相關領域的關鍵問題。圖像的形狀特征是最常用的圖像目標特征,它包含了很多視覺信息。骨架是一種保持拓撲結構的形狀特征,具有直觀的結果,且易于相似性計算,是目標識別的有效工具。本文在尋求一種抗噪性強、保持骨架拓撲性與連續(xù)性的骨架提取方法。
　　本文分析和總結了目前國內(nèi)外骨架提取的相關研究進展,以及五種典型的骨架提取方法。這些骨架提

2、取方法都普遍存在骨架不連續(xù)性和不能保持拓撲性等缺點。本文取神經(jīng)元圖像作為實驗對象,提出了基于梯度向量流的骨架提取方法,使其保持拓撲性與連續(xù)性。
　　首先,本文分析了梯度向量流的相關特性,提出了幾種關鍵點:吸引點、排斥點、鞍點與高曲率點。本文認為這些關鍵點就是神經(jīng)元的骨架點。為了連接這些骨架點,完成連續(xù)的骨架,本文提出了一種基于邊界權值的最小生成樹。其次,由于同一個神經(jīng)元在不同時刻所表現(xiàn)的形態(tài)不一樣,但是其骨架的主體部分基本不變,本