基于數(shù)學形態(tài)學的骨架層次性分解及顯著度計算與研究.pdf

1、隨著圖像資源的急劇增加，目標識別已經(jīng)成為圖像處理的關(guān)鍵問題。論文所屬的課題是多源影像的目標識別。識別的首要任務(wù)是目標表示。選擇合適的特征空間非常關(guān)鍵。目標的形狀包含了大量的視覺信息，成為最常用的特征空間。對目標表示方法的深入研究發(fā)現(xiàn)：利用骨架進行形狀表示的應用最為廣泛。骨架保留了目標形狀的拓撲結(jié)構(gòu)。提取骨架后，將骨架分解為若干有意義的骨架基元，根據(jù)骨架段的層次關(guān)系及顯著度大小，組織到一個圖中。這個圖包含了骨架的全部信息，為利用圖匹配技術(shù)

2、進行目標識別奠定基礎(chǔ)。同時，計算骨架段的顯著度，對顯著度設(shè)定閾值，可降低噪聲對骨架的影響。
　　 首先，論文對骨架的基本理論和提取技術(shù)進行研究。從分析骨架的概念入手，系統(tǒng)研究了骨架的各種提取算法。實現(xiàn)形態(tài)學骨架變換算法，通過實驗，分析算法中存在的主要問題，提出一種基于此算法的改進思路。
　　 然后，論文重點研究骨架的分解技術(shù)。詳細研究了目前提出的幾種主要分解方法。通過分析比較，選擇并且實現(xiàn)層次性分解算法。通過實驗，分析原