基于Snake模型的纖維圖像分割的研究與應(yīng)用.pdf

1、纖維圖像分割是纖維圖像自動識別系統(tǒng)中的一個重要步驟，是纖維特征提取以及纖維識別的基礎(chǔ)。在纖維圖像采集過程中，由于纖維包埋和切片技術(shù)、圖像采集系統(tǒng)中的環(huán)境、設(shè)備及人為等因素的限制，采集到的圖像存在光斑、扭曲變形、光照不均等噪聲，這給纖維圖像分割帶來困難。
　　 本文在深入分析現(xiàn)有的圖像分割方法的基礎(chǔ)上，為解決傳統(tǒng)圖像分割方法用于纖維圖像分割存在雙邊緣、偽邊緣和輪廓不連續(xù)的問題，將Snake模型引入到纖維圖像分割中，提出了一種基于S

2、nake模型的纖維圖像分割算法。
　　 本文在研究了Snake模型的基礎(chǔ)上，為解決傳統(tǒng)Snake模型對初始輪廓線位置敏感和不能分割凹陷區(qū)域等問題，重點研究了GVF Snake模型在纖維圖像分割領(lǐng)域中的應(yīng)用。雖然GVF Snake模型有效解決了傳統(tǒng)Snake模型的缺點，但運(yùn)用到纖維圖像分割中也存在著很多難點，比如時間效率、初始輪廓線的有效區(qū)域等問題。針對這些難點，本文首先結(jié)合GVF Snake模型的特點和纖維圖像自有的特性，研究了

3、適用于GVF Snake模型的纖維圖像平滑去噪、去除光照不均的預(yù)處理方法;其次，提出融合聚類分割算法和GVF Snake模型的纖維圖像分割方法，選取K-means聚類分割結(jié)果作為GVF Snake模型的初始輪廓線，充分發(fā)揮二者的優(yōu)點，有效地解決了傳統(tǒng)纖維圖像分割存在的諸多問題;最后，由于纖維圖像本身的特點，上一步的分割結(jié)果中可能存在毛刺，本文在輪廓跟蹤方法的基礎(chǔ)上找到毛刺并將其去除，得到完整、連續(xù)且單像素的纖維分割結(jié)果。