基于数学形态学的骨架层次性分解及显著度计算与分析-hierarchical decomposition of skeleton and calculation and analysis of salience based on mathematical morphology.docxVIP

1 绪论1.1 课题背景目标识别已经成为图像分析和理解领域的重要环节[1]。本篇论文所在的课题是多 源影像的目标识别。目标的识别策略与其表征方法密切相关[1]。对各种目标表示方 法的深入研究发现：选择合适的特征空间非常关键[1]。因为目标的形状包含了大量 的视觉信息，成为最常用的特征空间[2]。数学形态学对于把握几何形状具有相当的 优势，目前已提出一些基于数学形态学的形状描述算子[2]，如形态学形状分解[3-11]， 形态学骨架变换[12-13]等。对各种形状表示的方法进行分析之后，课题最终选定余莉提出的一种基于形态 学形状分解的算法[2]。本篇论文是以此为基础产生的。余莉的算法中首要条件是得 到显著度最大的骨架段，利用骨架段进行条件膨胀从而获得目标形状的各个子部分 [2]。骨架段的选取将直接影响后续形状分解的效果和效率，是重要环节[2]。本篇论文 的主要工作是骨架提取、层次性分解及显著度计算，最终获得显著度最大的骨架段， 为课题接下来的形状分解奠定基础。但是本文并不局限于余莉提出的形状分解算法。在各种形状描述算子中，骨架 的应用最为广泛[3-13]。因为骨架保留了目标形状的拓扑结构，并且结果直观，意义明 确 [1]。论文对骨架提取的各种算法进行研究，并且实现形态学骨架变换（MST）算法， 通过实验，提出改进思路。通过改进 ABLAMEYKO 提出的骨架层次性分解算法及定义 骨架段