基于橫截面圖像分析的纖維異形度的指標(biāo)表征和異形纖維種類的自動識別.pdf

1、東華大學(xué)博士學(xué)位論文基于橫截面圖像分析的纖維異形度的指標(biāo)表征和異形纖維種類的自動識別姓名：王朝莉申請學(xué)位級別：博士專業(yè)：數(shù)字化紡織工程指導(dǎo)教師：鐘躍崎王善元201111特征參數(shù)提取方法。并在此基礎(chǔ)上，提出了基于特征向量之間的非相似度量的順序聚類算法，完成了異形纖維橫截面形狀種類的自動識別。在異形纖維顯微圖像處理方面，對可能出現(xiàn)的各類噪聲的來源和分布特點進行了分析，從纖維異形度表征和識別的應(yīng)用角度分析了異形纖維顯微圖像處理的特殊性，設(shè)計出

2、最適合異形纖維顯微圖像的處理算法和流程，大大提高了異形纖維圖像二值分割的精度。其中關(guān)鍵的兩個步驟分別為：(一)針對異形纖維顯微圖像的特點，提出了能夠最大化增強目標(biāo)(纖維的邊界)和背景(纖維橫截面紋理和外部包埋體)對比度的圖像增強方法；(二)通過計算包含標(biāo)注對象的最小凸多邊形的方法，大大改善了普通閾值分割算法的精度。實驗結(jié)果證明，本文提出的圖像增強算法降噪效果明顯，而且有效地消除了對后續(xù)閾值分割非常不利的光照不勻現(xiàn)象。本文提出的計算包含標(biāo)

3、注對象的最小凸多邊形的閾值分割后處理方法，能夠很好地保護纖維的邊界完整，有助于準(zhǔn)確而徹底地去除噪聲，大大改善了普通閾值分割算法的精度。該方法與常用的邊緣檢測算子相比較，提取出的纖維邊界更加完整、準(zhǔn)確，消除了雙邊緣和各種虛假邊界，同時噪聲點也較少。從后續(xù)處理的角度分析，也降低了隨后的特征提取的技術(shù)難度。在纖維異形度的指標(biāo)表征方面，突破了以往基于內(nèi)切圓和外接圓的傳統(tǒng)表征方法，借助纖維截面的距離一角度函數(shù)的提取，提出了一個新的異形度表征指標(biāo)c