本文關(guān)鍵詞：類圓形堆疊顆粒分割問題研究

  更多相關(guān)文章： 堆疊類圓形顆粒 分水嶺分割 模糊梯度卷積核 h極小值變換 輪廓重構(gòu) 橢圓形狀先驗(yàn) 耦合Snake模型

【摘要】：類圓形顆粒圖像分析是當(dāng)前圖像處理、計(jì)算機(jī)視覺領(lǐng)域的一個備受關(guān)注的研究課題，在醫(yī)學(xué)細(xì)胞分析、工業(yè)工件粒度測量、農(nóng)業(yè)果實(shí)品質(zhì)分析等各種應(yīng)用領(lǐng)域都有廣泛的應(yīng)用前景。顆粒分割是其中一個尤為關(guān)鍵的核心問題，分割性能的好壞直接影響顆粒分析結(jié)果的準(zhǔn)確度。然而，當(dāng)類圓形顆粒圖像中的大量顆粒同時存在形狀尺寸不規(guī)則、排列緊密堆疊，相互之間紋理、灰度相似等因素時，將堆疊形成的大量復(fù)雜顆粒組合結(jié)構(gòu)準(zhǔn)確分離成獨(dú)立的顆粒個體，并有效提取各個顆粒的完整輪廓將變得異常困難，這也給經(jīng)典的圖像分割方法提出了新的挑戰(zhàn)。 本論文選取形狀尺寸不規(guī)則，相互之間紋理、灰度相似且存在堆疊的大量類圓形顆粒圖像作為研究對象，圍繞顆粒分割問題中的兩大難點(diǎn)問題即顆粒分離和完整輪廓提取展開研究和探討。具體的研究工作如下： 針對本論文研究對象中一類相互尺寸接近、并且標(biāo)準(zhǔn)尺寸已知的類圓形堆疊顆粒，提出了基于模糊梯度卷積核的分水嶺分割算法。該算法首先定義一個隸屬函數(shù)寬度為2*r的模糊梯度卷積核OFSC，有效描述各顆粒目標(biāo)的不規(guī)則形狀、尺寸先驗(yàn)知識；然后通過卷積操作使各顆粒的目標(biāo)邊緣點(diǎn)針對其偏離標(biāo)準(zhǔn)圓環(huán)的程度，對真實(shí)顆粒中心進(jìn)行軟投票，對應(yīng)生成形狀呈現(xiàn)單峰、且峰值差異較小的中心標(biāo)記增強(qiáng)結(jié)果；在此基礎(chǔ)上基于標(biāo)記控制分水嶺分割框架，給出了顆粒中心標(biāo)記提取、梯度圖灰度分布重構(gòu)等關(guān)鍵步驟，實(shí)現(xiàn)了堆疊顆粒的有效分割。仿真實(shí)驗(yàn)結(jié)果證明：針對各種堆疊程度不同的真實(shí)堆疊顆粒圖像，該算法均能有效抑制原有算法存在的中心增強(qiáng)峰值擴(kuò)散問題，提高中心標(biāo)記提取準(zhǔn)確性，有效減少傳統(tǒng)分水嶺分割方法存在的嚴(yán)重過分割現(xiàn)象。 針對工業(yè)領(lǐng)域中最為典型的一種標(biāo)準(zhǔn)尺寸已知堆疊類圓形顆粒目標(biāo)——棒材端面顆粒，將模糊梯度卷積核方法應(yīng)用到某在線棒材計(jì)數(shù)系統(tǒng)開發(fā)中，實(shí)現(xiàn)了對在線棒材端面中心的有效識別、準(zhǔn)確定位，并能滿足系統(tǒng)實(shí)時性要求。 針對本論文研究對象中一類相互尺寸差異較大，且先驗(yàn)尺寸未知的類圓形堆疊顆粒，提出了自適應(yīng)h minima變換的改進(jìn)分水嶺分割算法。該算法首先利用不同h值h minima變換抑制傳統(tǒng)分水嶺初始分割產(chǎn)生的種子噪聲；并以對應(yīng)候選種子為中心，分別采用改進(jìn)K-均值算法合并初始分割區(qū)域，產(chǎn)生候選分割結(jié)果；然后，基于顆粒形狀先驗(yàn)定義了一個新的圓度度量指標(biāo)FuzzyR,并將堆疊顆粒平均圓度最大作為優(yōu)化目標(biāo)，將各堆疊區(qū)域最優(yōu)h值的提取問題轉(zhuǎn)換為改進(jìn)K-均值算法的聚類類別數(shù)目的優(yōu)化問題來解決，自適應(yīng)地為各個堆疊區(qū)域選擇了最優(yōu)h值，實(shí)現(xiàn)了各堆疊區(qū)域的最優(yōu)分割；仿真實(shí)驗(yàn)結(jié)果證明：針對人工合成和各種真實(shí)類圓形顆粒圖像，本算法均能有效抑制過分割、減少欠分割，分割性能顯著提高。 針對本論文研究對象的顆粒輪廓提取問題，提出了一種基于可選形狀約束耦合Snake模型的兩階段堆疊顆粒輪廓重構(gòu)算法。該算法在粗分割階段采用上述兩種改進(jìn)分水嶺算法實(shí)現(xiàn)堆疊顆粒分離，有效獲取各顆粒的非遮擋證據(jù)邊緣，，并構(gòu)建合適的橢圓形狀先驗(yàn)?zāi)Ｐ停辉诰植繑M合重構(gòu)階段，將橢圓形狀約束力以可選方式式引入耦合Snake模型能量函數(shù)中，讓各個堆疊顆粒輪廓在同步迭代演化過程中，橢圓形狀約束力只針對各個顆粒堆疊區(qū)域的邊緣輪廓進(jìn)行約束，保證在重構(gòu)被遮擋輪廓邊緣的同時，非堆疊區(qū)域輪廓能更加真實(shí)地擬合實(shí)際顆粒目標(biāo)邊緣。仿真實(shí)驗(yàn)結(jié)果證明：針對各種人工合成和真實(shí)堆疊顆粒圖像，本算法能有效重構(gòu)相互堆疊顆粒的完整輪廓，相較于其它方法，提取的輪廓在Dice和Jaccard等性能指標(biāo)上均有提高。
【關(guān)鍵詞】：堆疊類圓形顆粒 分水嶺分割 模糊梯度卷積核 h極小值變換 輪廓重構(gòu) 橢圓形狀先驗(yàn) 耦合Snake模型
【學(xué)位授予單位】：武漢科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-11
• 第1章 緒論11-21
• 1.1 課題背景及意義11-13
• 1.2 課題研究現(xiàn)狀與分析13-18
• 1.2.1 堆疊顆粒分離現(xiàn)有算法分析13-17
• 1.2.2 堆疊顆粒輪廓重構(gòu)現(xiàn)有算法分析17-18
• 1.3 論文主要研究內(nèi)容18-19
• 1.4 論文的結(jié)構(gòu)安排19-21
• 第2章 預(yù)備知識21-41
• 2.1 圖像分割技術(shù)概述21-25
• 2.1.1 傳統(tǒng)圖像分割方法21-24
• 2.1.2 結(jié)合特定理論的圖像分割方法24-25
• 2.2 分水嶺圖像分割方法25-34
• 2.2.1 傳統(tǒng)分水嶺方法26-27
• 2.2.2 標(biāo)記控制的分水嶺方法27-28
• 2.2.3 常用標(biāo)記提取方法實(shí)驗(yàn)結(jié)果分析28-34
• 2.3 Snake 主動輪廓模型圖像分割方法34-40
• 2.3.1 Snake 模型34-37
• 2.3.2 氣球 Snake 模型37-38
• 2.3.3 GVF Snake 模型38
• 2.3.4 實(shí)驗(yàn)結(jié)果與分析38-40
• 2.4 本章小結(jié)40-41
• 第3章 基于模糊梯度卷積核的分水嶺堆疊顆粒分割41-63
• 3.1 引言41-42
• 3.2 模糊梯度卷積核OO FSC42-47
• 3.2.1 標(biāo)準(zhǔn) CHT 方法42-43
• 3.2.2 模糊集理論43-44
• 3.2.3 模糊梯度卷積核的定義44-47
• 3.3 提出的方法47-51
• 3.3.1 類圓形顆粒目標(biāo)粒度測量47-48
• 3.3.2 基于OO FSC的中心標(biāo)記增強(qiáng)48
• 3.3.3 類圓形堆疊顆粒中心標(biāo)記提取48-50
• 3.3.4 基于標(biāo)記控制分水嶺算法的堆疊顆粒分割50-51
• 3.4 實(shí)驗(yàn)結(jié)果與分析51-58
• 3.4.1 中心標(biāo)記的增強(qiáng)效果對比與分析51-53
• 3.4.2 中心標(biāo)記提取和顆粒分割效果對比分析53-57
• 3.4.3 不同堆疊程度顆粒目標(biāo)分割性能對比分析57-58
• 3.5 本章算法的工業(yè)現(xiàn)場實(shí)際應(yīng)用58-62
• 3.5.1 在線棒材計(jì)數(shù)系統(tǒng)應(yīng)用背景介紹58-59
• 3.5.2 圖像采集硬件平臺設(shè)計(jì)59-60
• 3.5.3 在線棒材端面中心識別結(jié)果分析60-61
• 3.5.4 在線棒材計(jì)數(shù)系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)61-62
• 3.6 本章小結(jié)62-63
• 第4章 自適應(yīng) h-minima的改進(jìn)分水嶺堆疊顆粒分割63-80
• 4.1 引言63-64
• 4.2 h-minima變換64-65
• 4.3 圓度度量指標(biāo) FuzzyR65-68
• 4.4 提出的方法68-72
• 4.5 實(shí)驗(yàn)結(jié)果與分析72-79
• 4.5.1 圓度度量指標(biāo)比較與分析72-75
• 4.5.2 堆疊顆粒分割效果比較與分析75-79
• 4.6 本章小結(jié)79-80
• 第5章 可選形狀約束耦合 Snake 模型的顆粒輪廓重構(gòu)80-95
• 5.1 引言80-81
• 5.2 可選形狀約束耦合 Snake 模型81-86
• 5.2.1 能量函數(shù)定義81-84
• 5.2.2 數(shù)值化實(shí)現(xiàn)84-86
• 5.3 堆疊顆粒輪廓重構(gòu)86-89
• 5.4 實(shí)驗(yàn)結(jié)果與分析89-94
• 5.4.1 可選形狀約束耦合 Snake 模型有效性分析89-92
• 5.4.2 幾種輪廓重構(gòu)方法比較92-94
• 5.5 本章小結(jié)94-95
• 第6章 總結(jié)與展望95-99
• 6.1 本文所做工作的總結(jié)95-97
• 6.2 進(jìn)一步的工作展望97-99
• 致謝99-100
• 參考文獻(xiàn)100-109
• 附錄 1 攻讀博士學(xué)位期間發(fā)表的論文109-110
• 附錄 2 攻讀博士學(xué)位期間參加的科研項(xiàng)目110

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉偉華;隋青美;;基于凹點(diǎn)搜索的重疊粉體顆粒的自動分離算法[J];電子測量與儀器學(xué)報;2010年12期

2 許新征;丁世飛;史忠植;賈偉寬;;圖像分割的新理論和新方法[J];電子學(xué)報;2010年S1期

3 陽春華;楊盡英;牟學(xué)民;周開軍;桂衛(wèi)華;;基于聚類預(yù)分割和高低精度距離重構(gòu)的彩色浮選泡沫圖像分割[J];電子與信息學(xué)報;2008年06期

4 張瑞華;吳謹(jǐn);;基于邊緣鏈碼信息的黏連細(xì)胞分割算法[J];北京理工大學(xué)學(xué)報;2013年07期

5 王海起;王勁峰;;一種基于空間鄰接關(guān)系的k-means聚類改進(jìn)算法[J];計(jì)算機(jī)工程;2006年21期

6 侯彩云,王一鳴,凌云,孫劍鋒,孫明,賈貴儒,林夕;堊白米粒的計(jì)算機(jī)圖像識別[J];農(nóng)業(yè)工程學(xué)報;2002年03期

7 陳英;李偉;張俊雄;;基于圖像輪廓分析的堆疊葡萄果粒尺寸檢測[J];農(nóng)業(yè)機(jī)械學(xué)報;2011年08期

8 謝忠紅;姬長英;郭小清;朱淑鑫;;基于凹點(diǎn)搜索的重疊果實(shí)定位檢測算法研究[J];農(nóng)業(yè)機(jī)械學(xué)報;2011年12期

9 李宏輝;郝穎明;吳清瀟;段紅旭;周靜;;基于凹點(diǎn)方向線的粘連藥品圖像分割方法[J];計(jì)算機(jī)應(yīng)用研究;2013年09期

10 孫俊;金夏明;毛罕平;武小紅;楊寧;;高光譜圖像技術(shù)在摻假大米檢測中的應(yīng)用[J];農(nóng)業(yè)工程學(xué)報;2014年21期

本文編號：576541