形态分水岭变换在木材细胞图像分割中的应用

论文摘要

随着木材科学研究的发展和深入,通过计算机视觉来对木材细胞微观图像进行分析成为当今木材研究的一个重要方向。图像分割技术是进行细胞面积、个数、胞壁率等反映木材性质重要参数分析的一种快速准确技术环节,为木材细胞微观形态的定量计算和分析奠定了理论基础。图像处理技术作为一门新兴的学科,在短短几十年的时间内得到了迅速的发展,并且广泛应用到军事、工业、航天等各个方面。图像分析与理解的基础,图像分割是计算机视觉领域中最基本环节,分割结果的好坏直接关系到后续算法的性能。由于图像的多样性和复杂性,目前还没有一种完全通用的分割方法可以实现对所有图像的正确分割,因此图像分割技术一直是图像处理的研究热点。本文首先简要介绍了具有代表性的各种分割算法的原理及其功能,将几种传统边缘检测算法在木材细胞图像分割中的应用进行了比较。并从传统的典型边缘检测算子的原理入手,对木材细胞微观图像进行了分割,阐述了各种经典算子之间的性能差异,并深入研究比较了各种传统算法在木材细胞微观图像分割中的优缺点。在针对传统边缘检测算子无法解决的问题,将形态分水岭算法模型引入木材细胞显微图像的分割中。文中重点介绍了分水岭方法,并通过实验结果说明采用形态分水岭算法的分割方法在木材细胞微观形态图像分析中的优势与不足。本文针对针叶材细胞图像的特点及形态分水岭算法的不足,对形态分水岭图像分割模型进行了改进,首先对模型进行基于偏微分方程的非线性滤波的预处理,去除噪声的同时突出了边界;将滤波后的图像再进行灰度差变换,将灰度差变换后的图像作为分水岭分割的参考图像进行分割。这样有效的去除了分割中产生过分割的可能,为木材细胞的分类、识别更准确打下了理论基础。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 计算机视觉在木材细胞微观构造的发展现状
• 1.1.1 国外研究现状
• 1.1.2 国内研究现状
• 1.2 计算机视觉技术的发展趋势
• 1.3 课题的目的和意义
• 1.4 课题的研究内容及方法
• 2 图像分割技术简介
• 2.1 图像分割的定义
• 2.2 图像分割算法
• 2.2.1 基于区域的分割方法
• 2.2.2 边缘检测的分割方法
• 2.2.3 现代分割方法简介
• 2.3 适合木材细胞图像分割的算法研究
• 2.3.1 待分析的图像的特点
• 2.3.2 可采用的图像分割方法
• 2.4 软件平台简介
• 2.4.1 MATLAB工具包介绍
• 2.4.2 MATLAB语言的优点
• 2.5 本章小结
• 3 几种传统边缘检测算法在木材细胞图像分割中的应用
• 3.1 图像边缘检测的定义
• 3.2 边缘检测中的常用算法
• 3.2.1 Roberts边缘检测算法
• 3.2.2 Sobel边缘检测算法
• 3.2.3 Prewitt边缘检测算法
• 3.2.4 二阶微分算子
• 3.2.5 Canny边缘检测算法
• 3.2.6 小波边缘检测算法
• 3.3 仿真结果
• 3.4 木材细胞的应用中各算子性能比较
• 3.5 本章小结
• 4 基于分水岭变换的木材细胞图像分割方法
• 4.1 数学形态学基础
• 4.1.1 二值形态学基本运算
• 4.1.2 灰度级图像的形态学运算
• 4.2 基于形态学分水岭的分割
• 4.2.1 分水岭变换的基本概念
• 4.2.2 分水岭分割方法的数学表述
• 4.2.3 分水岭分割方法的优点
• 4.3 实验结果及讨论
• 4.4 本章小结
• 5 基于改进的分水岭算法的木材细胞图像分割方法
• 5.1 基于偏微分方程的非线性扩散滤波方法
• 5.2 基于灰度差的分水岭分割方法
• 5.3 基于灰度差的分水岭分割方法在木材细胞图像分割中的应用
• 5.3.1 木材细胞图像的灰度特点
• 5.3.2 算法流程
• 5.4 实验结果及讨论
• 5.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢