图象轮廓处理技术的基础算法研究

论文摘要

本文研究图象轮廓处理的基础理论与算法,包括多尺度角点检测算法、多尺度轮廓形状描述算法,以及直接角点检测算法。文章第一部分（包括第二、三、四章）系统地建立关于多尺度角点检测的直接曲率尺度空间（DCSS）理论和曲率尺度空间（CSS）理论,描述三种角点模式在这两类尺度空间中的形态。基于所建立的理论,可以将给定轮廓曲线的DCSS图象或CSS图象转化为一种树形结构图,并据此检测曲线上的角点。数值实验表明,多尺度角点检测算法能够有效处理具有多规格特征的曲线。在处理图象轮廓时,DCSS技术具有出色的计算效率,而CSS技术具有优秀的抗噪性能。为了综合两种多尺度技术的优势,可以使用混合CSS/DCSS策略。特别地,通过一个能够衡量图象噪音强度的指标函数,混合算法能够在噪音被消除后自动由CSS演化转换为DCSS演化。同CSS算法相比,混合CSS/DCSS角点检测算法及轮廓形状描述算法具有同样稳定的抗噪性能,但却能够显著节省计算成本,提高计算效率。这一部分同时讨论多尺度图象处理技术的一个基本问题,即曲线在曲率尺度空间中是如何收缩的。所得到的理论表明,带有角点的曲线在尺度空间中往往从角点处最先收缩,且整个收缩过程一般以曲线上的细节特征完全消失而告终。曲线收缩现象的描述对于合理设计多尺度算法是有益的。文章第二部分（第五章）针对现有直接角点检测算法所存在的问题,提出精化数字曲线技术,并基于精化曲线设计一种离散曲率的计量方法,称为L-曲率。精化数字曲线的思想是在数字曲线相邻的象素点之间作线性插值,得到曲线的连续边线,从而提高数字图象处理过程中的计算精度。同现有的离散曲率计量方法相比,精化数字曲线上的L-曲率具有更稳定的旋转不变性能和更强的抗噪性能。理论上的研究明确了L-曲率与曲线的实际曲率之间的关系,据此得到一项能够区分圆角点和尖角点的实用技术。这一部分同时讨论了直接角点检测中的一个基本问题,即如何选择检测尺度

论文目录

• 第一章 绪论
• 1.1 图象轮廓的多尺度处理技术
• 1.2 数字曲线上的直接角点检测技术
• 1.3 论文的主要研究成果及创新点
• 第二章 直接曲率尺度空间技术
• 2.1 直接曲率尺度空间
• 2.2 直接曲率尺度空间理论
• 2.2.1 Γ模式
• 2.2.2 END 模式
• 2.2.3 STAIR 模式
• 2.3 基于不同曲率估计方法的 DCSS 技术
• 2.4 DCSS 角点检测算法
• 第三章 曲率尺度空间技术
• 3.1 曲线在尺度空间中的收缩性质
• 3.1.1 Γ模式曲线的收缩性质
• 3.1.2 END 模式曲线的收缩性质
• 3.1.3 STAIR 模式曲线的收缩性质
• 3.2 曲率尺度空间理论
• 3.2.1 Γ模式
• 3.2.2 END 模式
• 3.2.3 STAIR 模式
• 第四章 混合 CSS/DCSS 技术
• 4.1 CSS 技术和 DCSS 技术的比较
• 4.1.1 计算量的比较
• 4.1.2 抗噪性能的比较
• 4.2 混合 CSS/DCSS 策略
• 4.3 混合 CSS/DCSS 角点检测算法
• 4.4 混合 CSS/DCSS 形状描述算法
• 4.4.1 CSS 及 DCSS 形状描述算法
• 4.4.2 混合 CSS/DCSS 形状描述算法
• 4.4.3 数值实验
• 第五章 精化数字曲线上的角点检测
• 5.1 引言
• 5.2 精化数字曲线
• 5.3 精化数字曲线上的 L-曲率
• 5.4 精化数字曲线上的角点检测
• 5.5 增强角点检测
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 在学期间的发表的学术论文
• 在学期间的参加的科研项目