主部分概念提取视觉主骨架结论骨架树描述及有关识别算法研究骨架树的基本概念骨架树模型的建立骨架树形状描述及有关识别算法形状特征描述基于拓扑和形状相似度结合的识别算法结论基于的实现步骤及分析图像分析方法简介算法实现步骤流程图算法实现骨架提取形态学骨架化算法实现骨架提取二值图像细化算法实现骨架提取图像对比分析结论与展望参考文献致谢附录绪论研究背景与意义随着扫描技术和计算机图形学的发展以及计算机性能的提高，模型己成为继声音图像和视频之后的第四种多媒体数据类型。对模型的使用与研究在娱乐医学机械工程计算机仿真和虚拟现实，工业应用等领域得到了认间，日益发达的互联网技术为人们对三维模型的共享和处理提供了条件，这些都导致对维模型应用需求的增长。但是三维模型的信息量很大，同时三维模型的描述方法多样，如点集合表示法多边形网格表示法和体素表示法等，这也使得三维模型在许多应用中发生占用存储空间过大运行计算负载过重达不到时计算的情形。所以需要种紧凑的表示方式来尽可能完整，全面地表示描述三维模型的结构特征信息等。其中最常用种简化的表示方式就是使用维曲线，般称为中心线或者线性骨架。利用物体的骨架来捕述对象是种既能强调物体的结构特征，也能提高内存使用率与数据压缩率的好方法。骨架作为计算机图形学计算几何学点集拓扑学和图论等跨学科专业的研究内容，有丰富的理论支撑和很多成熟的数学工具可以利用。自从的开创性研究以来，数十年来研究者们从不同的角度研究了骨架的各个侧面，并且将它应用到越来越广泛的领域之中。这些领悟几乎涉及到计算机视觉和图像理解领域的方方面面。骨架是原始图形的种压缩表示，与原始图形保持了相同的拓扑结构，并且存在于图形的对称轴上，能够同时反映图形的拓扑与形状信息，减少原始图形的冗余信息，是在二维或三维空间里描述物体基本拓扑的有力抽象化手段。三维模型的骨架是该物体的直观图或中心线的表示。应用中它可以代替原三维模型参与许多运算，从而大大减少计算开销，可广泛用于医学可视化模式识别计算机动画等领域。近年来，随着体可视化技术的发展以及体图形学的出现，使得三维骨架提取成为了个研究热点。在过去的二十年里，科研工作者在三维骨架提取领域已经开发了很多的算法，并且新的算法也正在不断出现。年美国大学的等人详尽综述了三维线性骨架提取的应用与研究，并在网站上公开了部分算法的源代码供大家使用。可以说这极大方便了研究者，但提供的源代码读取数据格式不统，同时缺乏可视化显示，非常不便于重复使用。为避免重复使用，非常有必要充分利用各种已有算法，开发二维三维骨架提取平台。国内外研究现状骨架是表示物体的种很自然的形式，三维模型的骨架可以看成是由物体中所有的最大内接球中心所在位置点构成。三维模型的骨架在计算机视觉医学图像可视化特征提取与表示模型匹配跟踪等诸多领域有着广泛的应用。骨架算法的研究工作已经开展了三十多年，其中二维图形的骨架算法研究比三维情况下要成熟许多。最初三维物体骨架提取算法使用人工指定的方法。人工指定算法要求用户张张地在切片上直接指定中心点，然后再将点连成线。这种方法耗时费力，己很少采用。当前的研究主要可以分为以下四类。第类是基于拓扑与几何分析的方法，通过构造模型的图或图来得到骨架第二类是拓扑细化法，又称为模拟烧草模型算法，此类算法从边界开始，反复迭代地逐层剥离离散后的模型，直至剩下维的骨架第三类方法是基于距离场的方法，它们先生成关于模型的距离场，再提取距离场中的局部极值点，然后连接这些点，并作些细化调整得到骨架第四类是广义势场方法，假设模型的边界上聚集了均匀分部的同种电荷电源，采用牛顿静电力学模型建立立场，让种子点逐步移动到达力学平衡点，然后依据种子点的相邻关系连接这些平衡点得到骨架。下面分别详细介绍各类算法的研究情况。基于拓扑与几何分析的方法基于拓扑与几何分析的方法又主要包括两方面图和图。图是计算几何领域里的项重要工具。图的概念是俄国数学家在年提出的，是计算几何学上非常著名物轮廓整体性较好的汽车等轮廓。但最大的缺陷是在离散域中，难以保证骨架的连通性。同时该算法不具有良好的抗边界噪声鲁棒性。二值图像细化算法的方法在解决细节性较多形状多为线状长条状等这些规则性强的结构的物体形状方面效果较好，如图所示细化能准确提取汉字的骨架。提取出的图像骨架较为光滑，在保持了原图像的连通性及对称性的同时，基本保证了骨架的单像素宽。算法的中心思想是在保持拓扑结构不变性的条件约束下，不断地剥离表层的像素,直到最后剩余的骨架。这类方法通过制定大量的约束条件，判断像素的去留问题，往往执行效率较低。此类方法得到的骨架可保证连通性和单像素性，但对边界噪声非常敏感，不能得到简化的整体形状重要的的拓扑结构，容易产生不必要的分支，且造成骨架点的位置不准确。结论与展望骨架是图像描述和识别的种有力手段，基于骨架的目标表示和识别技术已成为计算机视觉领域的个研究热点。从基于骨架的图像识别技术涉及到的骨架提取描述方式等关键点入手，论文详细研究分析了当前该技术的发展现状，分门别类的进行了归纳分析。在已有的研究成果的基础上，针对该研究中的难点问题，结合自己对骨架理论的认识提出些新的解决思路和方法，以期丰富这个体系。鉴于时间和精力因素，论文的研究内容概括整理分为以下几个方面。提取物体的骨架，得到个简化的物体特征是人们直追求的目标。骨架定义为物体的中轴，体现的是物体的整体拓扑结构和形状。然而，现有的骨架提取算法都未能很好的体现这思想，不能有效处理骨架的噪声问题。这样提取的骨架主次不分结构混乱，影响人们对物体的真实形状和连接关系的正确判断。本文抓住骨架的核心定义中轴，提出了种减弱骨架噪声问题的新视角。从实验结果看出，与当前最新成果的方法提取的结果相比，本文方法定程度上改善了提取骨架的质量。树描述方式具有自然的金字塔式结构特点，图像描述中利用树结构组织骨架的拓扑形状信息表达效果突出明显，并且简单容易操作，在识别系统的应用中有着得天独厚的优势。因此我们在宋婷骨架树研究的基础上分析研究重新整理了相关内容，提出了新的骨架树模型的建立过程和控制规则，将物体的骨架映射为可以更好的反映骨架拓扑和形状信息的骨架树。在拓扑特征的描述和匹配度量中，本文将算法改为多尺度骨架树逐级细化分级匹配上级匹配控制约束下级匹配的思想策略，修改了原有匹配方法的层次不分缺乏逻辑关系的不合理数据的出现，使之具有更优的匹配效果。当然，基于骨架的图像识别技术是个相当广泛的体系。这里论文只是在定的假设条件下，就其中的几点要素展开论述和证明，真正能投入到实际应用中还需要多方面的综合处理。基于骨架的目标表示和识别技术尚有很多问题需要探讨研究和解决，作者相信，随着各项理论的进步完善和技术的进步发展，有关骨架的目标表示和识别技术必将取得丰硕的成果。参考文献吕俊白种有效的二值图像细化算法计算机工程美北京电子工业出版社，美冈萨雷斯数字图像处理版北京电子工业出版社，美冈萨雷斯数字图像处理第二版北京电子工业出版社，张强,王正林精通图像处理北京电子工业出版社,王耀南,李树涛,毛建旭编著计算机图像处理与识别技术高教育出版社杨义军,孟祥旭,等复杂带状图像的快速三角剖分与骨架化算法计算机辅助设计与图形学学报张若文,滕奇志等种快速简便的图像骨架变换方法信息与电子工程秦筱威,蔡超等种有效的骨架毛刺去除算法华中科技大学学报自然科学版杨承磊,孟祥旭等带状图像交叉区域的骨架求解算法计算机辅助设计与图形学学报杨义军,孟祥旭等种基于三角化的手写体文字细化方法中国图象图形学报贾永红，数字图象处理，武汉，武汉大学出版社,刘敏捷,杨杰,施鹏飞数学形态学的细化算法上海交通大学学报致谢本论文是在导师欧巧凤的悉心指导下完成的，从选题研究实验，直至论文的最后完成，其中任何点成绩的取得都离不开欧老师的关怀和点拨。欧老师她严谨求实的治学态度渊博的学识严格的要求和耐心的教诲对我的学士论文的顺利完成起着至关重要的作用，也将使我终生受益。在此向欧老师致以最真诚的感谢。衷心感谢信息系的各位老师，他们不仅教给我知识，更重要的是教给我严谨的治学态度和科学的学习方法，使我在学习的道路上不断前进。衷心感谢所有在学习与生活上帮助过我的同学。四年当中的互相激励与帮助，使我们各自都有了较大的进步。正是有了你们，四年的学习生涯才变得多姿多彩。感谢我的师弟师妹们在我的学习过程中给予我的帮助。衷心感谢我的家人在我的学习生涯中给予我的关心鼓励和支持。最后对参加论文评阅和论文答辩的各位专家老师表示最衷心的感谢,附录完整程序源码原始图像二值图像次骨架提取次骨架提取,完整程序源码,毕业设计论文题目基于的骨架提取算法的研究实现系别信息工程系专业名称通信工程班级学号学生姓名俞浩然指导教师欧巧凤二三年五月毕业设计论文任务书毕业设计论文题目基于的骨架提取算法的研究实现毕业设计论文使用的原始资料数据及设计技术要求学习数字图像处理技术，深入研究中轴变换的各种算法原理，采用编程，完成中轴变换，要求算法效率较高，且能较好的抑制噪声。具体要求如下﹑充分了解数字图像处理原理熟悉开发环境，图像转换骨架提取等相关算法采用实现图像二值化和中轴变换比较各种算法的处理效果并进行算法性能分析毕业设计论文工作内容及完成时间第周第周查找资料，翻译英文文献，撰写开题报告。第周第周程序流程框图编制源程序设计，系统软件设计及调试。第周第周实验数据分析。第周第周撰写毕业论文，准备答辩。Ⅳ主要参考资料美恩格尔西安西安交通大学出版社，美北京电子工业出版社，美冈萨雷斯数字图像处理版北京电子工业出版社，美冈萨雷斯数字图像处理第二版北京电子工业出版社，张化光,刘鑫蕊,孙秋野实用教程北京人民邮电出版社,秦筱威种有效的骨架毛刺去除算法华中科技大学学报杨承磊,孟祥旭等带状图像交叉区域的骨架求解算法计算机辅助设计与图形学学报信息工程系通信工程专业类班学生签名填写日期自年月日至年月日指导教师签名助理指导教师并指出所负责的部分通信工程系主任签名学士学位论文原创性声明本人声明，所呈交的论文是本人在导师的指导下完成的研究成果。除了文中特别加以标注引用的内容外，本论文不包含法律意义上已属于他人的任何形式的研究成果,也不包含本人已用于