西夏文字骨架抽取方法研究畢業(yè)論文(編輯修改稿)
2024-07-25 21:29 本頁面
【文章內(nèi)容簡介】 文獻(xiàn)[5]提出了一種邊緣點(diǎn)刪除和內(nèi)點(diǎn)保留細(xì)化方法相結(jié)合的新思想,即首先保留內(nèi)點(diǎn)及圖像中絕對不能被刪除的特殊點(diǎn)(如交叉點(diǎn),拐角點(diǎn)等)；其次,刪除多余的像素點(diǎn)；最后,該算法在細(xì)化的同時(shí)很好的保持了原圖像的連通性,細(xì)化方法受到了限制,如何消除細(xì)化結(jié)果中帶面的情況成為研究的難點(diǎn). 距離變換骨架提取算法距離變換的方法,如最大圓法,最大正方形法等,比如人體輪廓、大型的動(dòng)物輪廓、,使用不同的距離標(biāo)準(zhǔn)如歐氏距離、棋盤距離、街區(qū)距離等可產(chǎn)生不同的距離分布；然后尋找距離值梯度脊線,即局部距離極值,也是距離梯度發(fā)生突變的點(diǎn)來形成骨架,此類方法最大的缺陷是在離散域中,增加連通判決條件或連通方法使得得到連通的骨架. 文獻(xiàn)[6]對傳統(tǒng)的距離變換的方法進(jìn)行改進(jìn),[7]相比,然后以單像素寬度生長出其余的骨架點(diǎn),算法中可以給定權(quán)值控制生長精度,:(1)對二值圖作距離變換(這里采用歐氏距離變換),.(2)通過離散曲線演化把物體邊界分成了很多曲線段,分別加上離散演化標(biāo)記對曲線段加以區(qū)別. (3)以骨架種子點(diǎn)為起點(diǎn),判斷量是當(dāng)前判斷點(diǎn)的距離場值、距其最近的邊界點(diǎn)坐標(biāo)(最大圓邊界切點(diǎn))和邊界曲線標(biāo)一記,假設(shè)點(diǎn)P是前沿骨架點(diǎn),Pi(其中i=l,2,8)(1),并且這兩點(diǎn)的最近邊界點(diǎn)的離散演化標(biāo)記不同,那么Pi點(diǎn)就是一個(gè)骨架點(diǎn). () ,pi的最大圓半徑,(x1,y1),(x2,y2)為p,pi的坐標(biāo),[8].從這個(gè)過程中不難看出,按照這種算法得到的骨架確實(shí)可以保證骨架的單像素、,減弱了邊界噪聲的影響,消除造成信息冗余的骨架枝,保留視覺上重要的骨架枝,保證物體的拓?fù)浣Y(jié)構(gòu)不變形. Voronoi圖骨架化算法Voronoi圖的方法是基于采樣點(diǎn)的離散方法通過多面體表面侯選點(diǎn)集的Voronoi圖計(jì)算中軸,Sheepy等人重新定義了采樣點(diǎn),由此,算法的復(fù)雜度急劇增加,且Voronoi圖是中軸變換的包集,如何確定其非中軸變換的部分也是較復(fù)雜的問題. 偏微分方程骨架化算法偏微分方程的骨架化方法往往要結(jié)合距離場,通過初始曲線在距離場下外力和內(nèi)力的共同作用下移動(dòng)到骨架的位置,因此該方法結(jié)果精度高、抗噪性能好,不足在于計(jì)算開銷大,難以處理拓?fù)浣Y(jié)構(gòu)復(fù)雜的三維物體,是基于Level Sets 的AFFM算法結(jié)果含帶面的情況. 偏微分方程骨架化算法圖示 形態(tài)學(xué)骨架提取算法,除去不相干的結(jié)構(gòu),保持它們基本的形狀特性,并且有天然的并行實(shí)現(xiàn)的結(jié)構(gòu)優(yōu)點(diǎn).但是利用數(shù)學(xué)形態(tài)學(xué)理論提取物體骨架,存在一些問題：一是得到的骨架是非連通的；、彩色圖像、三維圖像,可以提高骨架包含信息量,得到實(shí)時(shí)處理的效果成為今后的發(fā)展方向. 當(dāng)前骨架提取算法面臨的重點(diǎn)和難點(diǎn)骨架是物體的“中軸”,現(xiàn)有的骨架提取算法都未能很好的體現(xiàn)這一思想,出現(xiàn)一些主次不分!結(jié)構(gòu)混亂的現(xiàn)象,影響對物體的真實(shí)形狀和連接關(guān)系的正確判斷,都面臨這樣的問題,.(a) 字符圖形 (b) 提取骨架 邊界擾動(dòng)產(chǎn)生的骨架分支 以往人們對于噪聲的控制,就如引言中介紹的那樣一定程度上抑制了繃帶骨架噪聲的產(chǎn)生,但是并沒有引入骨架分支的視覺貢獻(xiàn)大小的判斷思想,這樣難免丟棄了一些視覺貢獻(xiàn)較大的骨架,如不能保證復(fù)雜形狀的拓?fù)浣Y(jié)構(gòu),縮短了主骨架分支而短的多余骨架分支卻又沒去除,[8],消除造成信息冗余的骨架枝,保留視覺上重要的骨架枝,保證物體的拓?fù)浣Y(jié)構(gòu)不變形,、減少冗余信息的過程.因此,骨架噪聲控制是骨架提取中一個(gè)很普遍卻很重要的方面,. 構(gòu)建物體視覺主骨架通過前面的分析,本文認(rèn)為建立基于視覺重要部分的骨架噪聲約束策略是解決目前骨架分支冗余問題的有效途徑[9].通過物體的形狀判斷出視覺中物體的重要部分和不重要部分,“骨架”.這樣處理一是邊界噪聲預(yù)先去除了,得到的骨架噪聲當(dāng)然少了；另一個(gè)是可以解決實(shí)際應(yīng)用中遇到的物體輪廓模糊情況,下面具體的闡述這種視覺主骨架理論. 形狀特征是人類認(rèn)識物體的最初階段和有效形式,計(jì)算機(jī)視覺識別中,一般要涉及到圖像的獲取,最終得到的圖像輪廓一般是不正確的,也即不能完全確切的描述真實(shí)的物體[10],例如在草原中,由于兔子所處環(huán)境的復(fù)雜性,最終很難正確的、完全的分割和提取出兔子的真實(shí)輪廓,識別研究者除了感覺很難解決外,同時(shí)也驚奇的發(fā)現(xiàn)一種現(xiàn)象：這種情況并沒有影響到人類那個(gè)是否是兔子的判斷結(jié)果,換句話說就是如何在輪廓簡化中依據(jù)這些條件消去非主要的輪廓線,從而保留下對視覺重要的物體邊界,最終得到人們的視覺重要部位. 提取視覺主骨架隨著近些年圖像處理技術(shù)的快速發(fā)展,簡化結(jié)構(gòu)分析,. 因此本文借鑒現(xiàn)有骨架理論描述視覺重要部位,因?yàn)檫@種骨架是從視覺重要部位提取出來的,而視覺重要部位具有平移、旋轉(zhuǎn)、旋轉(zhuǎn)、尺度變化不變性等性質(zhì),簡化了骨架結(jié)構(gòu),突出了視覺的主要部分. 本文依據(jù)前面提出的視覺主骨架理論,主要分為三大部分.(l)首先對圖像進(jìn)行預(yù)處理,包括一些彩色圖轉(zhuǎn)變?yōu)槎祱D,圖像分割,物體對象邊緣提取等,得到物體的輪廓；(2)然后在得到的物體輪廓的基礎(chǔ)上,對獲得病態(tài)圖像進(jìn)行曲線演化,選取合適的視覺貢獻(xiàn)度因子,得到物體的視覺重要部位；(3)在得到滿足要求的視覺重要部位之后,包括噪聲和被人類視覺忽略的部分,[11]. .開始原始圖像圖像預(yù)處理YES圖像分割并轉(zhuǎn)換為二值圖像得到簡化的視覺主體部分選取視覺貢獻(xiàn)度因子得到物體的骨架點(diǎn)NO利用曲線演化得到物體的視覺主體部分 得到視覺主骨架判斷視覺主題部分是否滿足要求結(jié)束 視覺主骨架提取方法流程圖 結(jié)論針對計(jì)算機(jī)識別中出現(xiàn)的實(shí)際問題,本文提出了解決物體骨架提取問題的一個(gè)新的視角,在視覺重要部位的認(rèn)知理論的基礎(chǔ)上提出了一種視覺主骨架的概念,兼具視覺重要部位對物體識別的可靠性與骨架對物體的降維描述兩者的優(yōu)勢,具有很好的噪聲消除作用,不僅可以突出物體的視覺部分,而且簡化了骨架結(jié)構(gòu)和曲線形狀,提取的骨架描述形狀的效果和人類視覺的認(rèn)知結(jié)果一致,與當(dāng)前最新成果的方法提取的結(jié)果相比,本文的方法一定程度上改善了提取骨架的
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號-1