基于FCM的刀具特征自適應(yīng)提取.pdf

1、在機(jī)器視覺(jué)和圖像理解中，圖像分割是非常重要的環(huán)節(jié)，是圖像處理等領(lǐng)域中主要研究課題之一。圖像分割結(jié)果的好與壞直接決定了后續(xù)圖像分析、圖像理解和模式識(shí)別的結(jié)果，因此具有較高的研究?jī)r(jià)值。一種快速刀具圖像分割以及特征檢測(cè)方法，對(duì)于提高視覺(jué)數(shù)控刀具檢測(cè)儀工作效率、進(jìn)行圖像匹配、圖像識(shí)別，甚至圖像三維建模都有著重要意義。
　　 本文研究的主要內(nèi)容是基于模糊C均值聚類(lèi)(fuzzy c mean clustering，F(xiàn)CM)算法的刀具圖像分割

2、、輪廓跟蹤以及特征提取的研究。針對(duì)傳統(tǒng)的FCM算法在樣本數(shù)和特征數(shù)較多時(shí)，運(yùn)算較為復(fù)雜以及耗時(shí)較多的問(wèn)題，提出了一種直方圖相關(guān)性作為約束采樣率的快速多閾值FCM分割算法，控制圖像失真，使得需要運(yùn)算的數(shù)據(jù)量減少，來(lái)獲得較快的分割速度以及較好的自適應(yīng)性。對(duì)經(jīng)過(guò)FCM算法分割出來(lái)的刀具圖像，進(jìn)而又研究了輪廓跟蹤算法，通過(guò)實(shí)驗(yàn)對(duì)比鄰域輪廓跟蹤算法的優(yōu)缺點(diǎn)，引入了編碼技術(shù)，得到刀具連續(xù)輪廓。通過(guò)檢測(cè)到的輪廓，分別進(jìn)行了三點(diǎn)求曲率、Harris角點(diǎn)

3、檢測(cè)、三次B樣條曲線(xiàn)擬合求曲率，計(jì)算得到了刀具圖像的特征點(diǎn)。
　　 本文實(shí)現(xiàn)的快速模糊C均值聚類(lèi)算法，在分割灰度圖像時(shí)耗時(shí)比傳統(tǒng)FCM算法明顯減少；平均運(yùn)算迭代步驟數(shù)也比傳統(tǒng)FCM算法少，在保證了分割效果的情況下，取得了較滿(mǎn)意的圖像分割效率，使得應(yīng)用在高像素圖像的分析成為可能。對(duì)分割后圖像進(jìn)行了串行方式的跟蹤，得到有效的輪廓點(diǎn)集，減少采用并行方式進(jìn)行邊緣檢測(cè)易產(chǎn)生斷點(diǎn)的缺點(diǎn)，提高了特征檢測(cè)正確率。同時(shí)，對(duì)于混合編程技術(shù)也進(jìn)行了一