在机器视觉和图像理解中,图像分割是非常重要的环节,是图像处理等领域中主要研究课题之一。图像分割结果的好与坏直接决定了后续图像分析、图像理解和模式识别的结果,因此具有较高的研究价值。一种快速刀具图像分割以及特征检测方法,对于提高视觉数控刀具检测仪工作效率、进行图像匹配、图像识别,甚至图像三维建模都有着重要意义。
本文研究的主要内容是基于模糊C均值聚类(fuzzy c mean clustering,FCM)算法的刀具图像分割、轮廓跟踪以及特征提取的研究。针对传统的FCM算法在样本数和特征数较多时,运算较为复杂以及耗时较多的问题,提出了一种直方图相关性作为约束采样率的快速多阈值FCM分割算法,控制图像失真,使得需要运算的数据量减少,来获得较快的分割速度以及较好的自适应性。对经过FCM算法分割出来的刀具图像,进而又研究了轮廓跟踪算法,通过实验对比邻域轮廓跟踪算法的优缺点,引入了编码技术,得到刀具连续轮廓。通过检测到的轮廓,分别进行了三点求曲率、Harris角点检测、三次B样条曲线拟合求曲率,计算得到了刀具图像的特征点。
本文实现的快速模糊C均值聚类算法,在分割灰度图像时耗时比传统FCM算法明显减...
【英文摘要】
In machine vision and image analysis, image segmentation is very important. Image segmentation is one of the main research subjects in the fields of image processing. Segmentation directly determines the effects of follow-up digital image processing, digital image analysis, and digital image understanding. Image segmentation has high research value. A quick feature testing method of tool image segmentation is very important. The method can help to improve the efficiency of the digital image cutting tools me...
| 
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
