论文部分内容阅读
复合材料的图像分析是近年来国内外一个比较活跃的研究领域，其研究发展对于推动材料制造业的发展起到了非常重要的作用，有着广阔的应用前景。本文主要应用基于多样权值的离散距离（Discrete Distance）来对复合材料的图像进行处理、分析和研究。本论文中，我们主要研究一种其本地位移量随着位移向量和已遍历的距离的不同而不同的一种基于路径（Path-based）的距离。这种距离和距离变换是对邻域序列距离（Neighborhood Sequence Distances, NS Distances）、斜面距离(ChamferDistances)、基于闵可夫斯基和的通用距离的扩展[6]。其相应的距离变换算法，在形式上与经典的基于传播方向（Propagation-based）的距离的算法相似。近年来研究学者们提出了用这种距离转换算法来计算一种转化版本的具有有限的邻域点的邻域序列距离图以满足这些邻域点的前向扫描条件。基于满足前向扫描条件的任意数量的邻域点，我们用这种方法来计算一种非对称的通用的距离变换（Distance Transform，DT）。同时本文也介绍了一种将所得到的转化版的距离图转为通用的对称NS距离图的方法。开变换的直方图对于分析复合材料的图像具有非常重要的意义，但是直接对图像进行数学形态学操作，尤其是结构元素比较大的时候，是极其费时的。本文创新地采用几何粒度测定法（Granulometry）来从距离变换中近似得出开变换的直方图。本文应用多样权值的距离变换来估计图像的开变换的直方图从而得到图像的有用特性。与直接应用费时的数学形态学操作来对图像进行操作相比，这个方法很大程度上改善了效率，在实际应用中具有更广阔的应用前景。同时，实验得到的开变换的直方图在很大程度上反应了纹理图像的颗粒度的特征，实验结果可以与人类的视觉感知相联系，拟合出机器学习图像纹理特征与人类视觉对图像颗粒度的感知之间的关系。在本文中，我们只考虑复合材料的二维图像，这种方法在将来也可扩展到三维图像中。