导　　师： 郑启伦;彭宏

学科专业： H1203

授予学位： 博士

作　　者： ;

机构地区： 华南理工大学

摘　　要： 有效地从复杂图像中准确表征和提取待识别目标的形状和轮廓在许多领域具有重要的应用，也是计算机进行目标智能识别和分析的重要基础技术。大量研究表明，由于目标特征的复杂性与在不同背景中个体认知的差异，目标形状轮廓的分析和表征，以及对其有效准确的提取是至今亟待深入探讨和研究的问题。 　　传统用于轮廓、形状提取和目标定位的方法大致可归纳如下：1)阈值方法直接分离目标；2)通过SNAKE模型或变形模板匹配目标；3)先提取边缘，再识别目标轮廓；4)进行各向异性扩散，从扩散的背景中获取目标形状和轮廓。 　　基于偏微分方程的图像扩散方法是近十年间迅速发展起来的初级图像处理方法，但目前这种方法还存在包括扩散模式多样性、扩散尺度不确定性以及运算时间长等多方面的问题。本论文针对目标形状和轮廓的准确几何表征和提取的科学问题，对图像扩散方法进行了理论和应用方面的研究，具体就下述几个方面研究内容进行展开。 　　论文详细讨论了6种典型的图像扩散模型和11种自适应阈值面分割方法，通过实验比较了不同方法的实用性和不足之处，为后续研究提供了重要基础以及有实用价值的综合实验分析结果。 　　针对用于目标识别的扩散模型存在的两方面具体问题：在满足扩散要求的前提下提高扩散速度和尽可能加大对背景的扩散以突出目标信息，(A)本文提出了一种均值统计扩散模型，大大加快了扩散算法的运行速度，在保持良好保边性的同时，能够快速得到图像的区域一致性特征；(B)建造了类似神经网络无监督自学习机制的竞争扩散应用模型，并将其应用于X光缺陷图像以进行目标轮廓的提取，结果表明该方法能得到准确有效的定位和识别的缺陷目标信息。 　　从复杂背景中有效地提取目标一直是目标识别任务中的难点，为此本文提出了在反几何扩散表征目标特性的基础上的扩散阈值目标分割方法。研究结果表明，相对于目前已有的自适应阈值方法，所提出的扩散阈值方法具有更强的处理复杂背景的自适应性和良好的分割效果。 　　目标的封闭性常常是目标形状轮廓表征中的一个典型特征，本文提出了一种基于非封闭轮廓线段的消去判别的封闭轮廓搜索方法，该方法简单快速，大量实验样本检测结果表明该算法的有效可靠。本文还在封闭轮廓搜索的基础上进一步提出了针对铸件X光图像识别缺陷目标的目标区域分割方法，实验证明分割的准确率达到实用要求。 　　量化表征纳米粉体的形貌特征是当前纳米测量分析面临的难题。本文在进行相关函数分维分析的基础上，提出了将显微镜可以提供的仿三维信息引入分维计算的方法，实验数据显示出计算结果能较准确对应纳米粉体的形貌特征，具有较强的可比性。 　　为了验证以上各结论，文中使用MATLAB软件进行实验，采用了大量不同的灰度图像进行实验效果比较，应用研究中均采用实测的大量样本检验，结果表明，文中提出的算法具有很强的实用性。

关 键 词： 图像处理 扩散方程 各向异性 分形 形状轮廓表征

分 类 号： [TP391.41 TP751]

领　　域： [自动化与计算机技术] [自动化与计算机技术] [自动化与计算机技术] [自动化与计算机技术]