基于灰色系統(tǒng)理論的邊緣檢測(cè)算法的研究及應(yīng)用.pdf

1、纖維成分的識(shí)別涉及數(shù)字圖像處理、計(jì)算機(jī)視覺和灰色系統(tǒng)理論等多個(gè)科研領(lǐng)域的研究課題。而隨著科學(xué)水平的進(jìn)步，纖維的種類越來(lái)越多，而紡織物中纖維成分的含量對(duì)其性能、價(jià)格都有很大的影響，因此纖維成分的檢測(cè)變得異常重要。人工的纖維識(shí)別方法存在諸多弊端，而數(shù)字圖像處理技術(shù)的飛速發(fā)展使得纖維自動(dòng)識(shí)別系統(tǒng)的實(shí)現(xiàn)成為可能。但實(shí)現(xiàn)完全自動(dòng)化的識(shí)別纖維成分仍有很多難題亟待解決。
　　經(jīng)包埋、切片采集得到的纖維圖像存在光照不均勻、邊緣模糊、噪聲污染嚴(yán)重等

2、問題，這些都給后續(xù)的纖維圖像的分離、特征提取和識(shí)別統(tǒng)計(jì)帶來(lái)了很大的難題。因此，纖維自動(dòng)識(shí)別系統(tǒng)中纖維圖像的邊緣檢測(cè)是至關(guān)重要的。因而有必要研究一種能夠有效地提取出低質(zhì)量的纖維圖像邊緣信息的且有較好的魯棒性的邊緣檢測(cè)算法。
　　本文通過對(duì)低質(zhì)量的纖維圖像進(jìn)行研究，結(jié)合灰色預(yù)測(cè)模型、灰色關(guān)聯(lián)度在圖像邊緣檢測(cè)中的應(yīng)用及方向圖算法的思想設(shè)計(jì)了一種新的邊緣檢測(cè)算法。主要的研究工作包括:
　　由于采集到的纖維圖像存在較嚴(yán)重的噪聲污染，直

3、接進(jìn)行圖像的邊緣檢測(cè)不能得到較好的結(jié)果，故本文先對(duì)圖像進(jìn)行高斯濾波處理，以改善圖像的質(zhì)量，抑制不必要的噪聲。
　　對(duì)于纖維圖像存在目標(biāo)與背景區(qū)分不明顯、粘連等現(xiàn)象，本文先獲取纖維的外輪廓，然后再對(duì)粘連纖維進(jìn)行邊緣檢測(cè)處理。在獲取纖維的外輪廓時(shí)，基于灰色關(guān)聯(lián)度在圖像邊緣檢測(cè)中的思想提出了把灰色關(guān)聯(lián)度應(yīng)用于圖像感興趣區(qū)域(RegionofInterest，ROI)的提取中，基于灰色預(yù)測(cè)模型可以進(jìn)行準(zhǔn)確的邊緣定位、Niblack算法可以

4、獲得豐富的邊緣信息及利用雙尺度進(jìn)行圖像邊緣檢測(cè)的思想，提出了圖像外輪廓提取的算法。此方法可以獲取完整、連續(xù)的外邊緣信息，但無(wú)法消除纖維內(nèi)部的虛假邊緣，從而易造成對(duì)纖維的過度分割，由此，利用填充算法及輪廓跟蹤算法得到纖維圖像的外輪廓。
　　然后，根據(jù)方向圖算法可以檢測(cè)出圖像較弱的邊緣優(yōu)點(diǎn)，但其檢測(cè)得到的邊緣易出現(xiàn)斷裂現(xiàn)象，提出將以上算法得到的外輪廓與原圖結(jié)合，并把背景區(qū)域(非ROI)填充為圖像的均值，從而達(dá)到增強(qiáng)纖維外邊緣的效果，接