彭荣杰[1]2006年在《图像矢量化方法研究与应用》文中研究表明图像矢量化技术在科学工程领域有着广泛的应用,如工程图纸识别领域、图像压缩与传输领域中,都大量使用到了此种技术。图像矢量化技术已经有几十年的历史,但由于图像的复杂性,各种矢量化算法都有一定的局限性。因此,图像矢量化算法仍在不断发展,此种技术依然有着广阔的研究空间。本文围绕图像矢量化技术,介绍了图像矢量化技术的研究与应用状况,以及基本的图像预处理算法和图像矢量化算法。在此基础上,本文进行了两个方面的研究:一、针对图像矢量化在绣花机中的应用,提出了一套实用的彩色图像矢量化算法,并设计了一种半自动的绣花算法;二、针对矢量化图形处理的需要,本文利用Visual C++6.0编制了一套矢量图形编辑软件。彩色图像矢量化算法,包括以下叁个步骤:1)图案的区域标识;2)图案的边界识别与提取;3)图案边界的光滑与矢量化。此方法能有效的识别彩色图案,提取图案的边界,并对其进行矢量化。根据图案边界矢量化后的数据,本文设计的半自动绣花算法能实现简单图案的走线。本文编制的矢量图形编辑软件主要是处理清江流域等高线矢量化后的数据。此软件实现了等高线矢量的快速显示与缩放,并且能有效的完成等高线的修改、删除、打断与对接等编辑操作。软件操作方便,具有实用价值。
何爱君[2]2008年在《光栅图像矢量化研究及应用》文中指出近年来,光栅图像矢量化是CAD&CG领域的热门研究课题。其在工程图纸、地图等的扫描输入和数控切割、雕刻中均有应用。刺绣制品因其特有的审美价值和装饰功能一直以来深受人们喜爱,电脑刺绣也应运而生,此时,刺绣打版系统中刺绣画稿的设计及打版效率成了刺绣品生产效率的瓶颈。目前,着名的刺绣打版系统可以对输入的矢量图形实现自动打版,但刺绣画稿的设计仍采取交互输入图形或在参考图像上勾画图形的方式,其效率仍然不高。本文提出运用光栅图像矢量化的方法辅助矢量刺绣画稿的快速设计。对黑白线画稿图像的预处理、色彩均匀以色块表现图案的彩色图像的分割、点链的提取以及拟合等几个问题开展研究。主要内容包括:1.针对黑白线划稿图像中可能存在的斑点噪声、线划粘连、线划断裂,给出了相应的快速有效处理方法。2.综合现有文献的线划点链的提取方法,提出了一种尽可能不改变原始线划拓扑关系及尽量少线划条数的点链提取方法,达到预期目的。3.根据输入的彩色图像特点提出了两种有效的分割方法。在噪声色调与主色调相近的情况下,考虑到图像中人视觉感知的图案信息不仅与其中的色块色调有关,还与色块的面积及空间位置有关,采取了先基于色调信息对图像进行色彩聚类,而后根据色块的空间位置及面积信息对色块进行合并的分割方法;在噪声色调与主色调相差很远的情况下,则采取交互式的色块区域生长的方法。实验表明两种方法的运用兼顾了处理的效率和分割的效果,分割后的图像适宜于刺绣画稿设计。4.以直线段和圆弧为点链拟合图元,采取遗传算法直接对点链进行线段和圆弧的一步拟合方法,给出了相关参数和处理步骤。实验表明该方法能较好的克服量化误差,拟合的线划平滑,特征点定位准确。本文的创新点在于:提出一种先颜色聚类而后区域合并的彩色图像分割方案,给出了图像中连通区域位置关系的表达方法和快速求取方法,该方法成功地应用于自动的图像小面积噪声区域去除和交互式的图像区域合并,从而实现快速有效的彩色图像分割。
周蓓蓓[3]2008年在《彩色地形图点状地物符号的提取与识别》文中研究表明地理空间数据对数字城市的建设至关重要,将现有的地形图数字化,并对地图要素进行自动提取和识别以获得地理信息,是获得地理空间数据的一种低廉而高效的方法,在今后相当长的一段时间内仍将是数字地理信息的主要来源之一。本文针对彩色地形图点状地物符号的自动提取和识别作了具体的研究工作。本文首先分析了人阅读地图的过程,并利用模式识别理论分析了计算机阅读地图过程,在此基础上对地图识别的总体框架进行了设计,采用二次去噪模型,提高了彩色图像处理的效果。地形图经扫描后,采用非线性各向异性扩散方法对彩色图像进行平滑处理,以提高彩色图像的质量。通过对各种颜色空间的比较,选择了适合彩色地形图分割的I1-I2-I3颜色空间,并利用模糊C均值聚类方法在颜色链表的直方图上完成了对彩色地形图的自动分色,得到了黑、棕、蓝、绿四个要素图。要素图经二值化后,用数学形态学方法对其进行二次去噪,修补断点,去除孤立点、毛刺,为后续的识别打下基础。对细化的二值要素图进行矢量化操作,得到矢量化数据。最后使用统计方法和神经网络方法实现了点状地物符号的识别。
杨云[4]2008年在《基于地图及遥感影像的地理信息提取研究》文中提出地理信息是国民经济和社会发展规划中最重要的基础信息之一,在农业、林业、水利、国土资源、地矿、测绘、气象、海洋、城市建设、国防等领域发挥着不可替代的作用。然而,地理信息数据生产却是周期长、成本高、工程量大、技术复杂。如何高效、智能化地获取地理信息成为目前迫切需要解决的问题。本文围绕地图及遥感影像中地理信息提取的一系列理论和技术问题展开研究,重点在地图要素分割、识别和矢量化、高分辨率遥感影像道路提取、矢量数据压缩等方面进行了深入的研究与实践,并建立了高效实用的地理信息数据采集系统。本文主要工作和创新性成果如下:1.阐明了地理信息提取的研究意义,分析了地理信息提取的实质和基本过程,对课题研究方向的发展历史和研究现状进行了回顾和总结,指出了目前研究存在的问题。2.以数学形态学多角度并行运算理论为基础,根据地图要素的形状和尺度特征,提出了地图上方里网、独立房等一些要素的分割算法。算法将方向特征平面与非各向同性的邻域运算统一起来,具有快速并行的特点和良好的分割效果。3.提出了基于径向基函数神经网络及递推最小二乘训练的地图数字注记识别方法,基本过程包括数字注记分割、特征向量提取、神经网络训练和模式分类。实验结果表明,该方法训练速度快、抗噪声能力强、识别率高。4.提出了不同的线划跟踪策略,对二值图像地图要素进行跟踪和矢量化,包括消隐跟踪、判优预测跟踪、双边截线跟踪和轮廓跟踪,它们对地图上大多数线状要素和面状要素边线的矢量化效果很好。针对分版等高线图上对自动数字化效率影响较大的冲沟和陡崖符号,提出了旋转式内部跟踪提取策略及相应的提取算法,有效地解决了该类要素的自动提取问题。5.提出了基于滑动窗口图像分割及序贯跟踪的彩色地图矢量化方法。其主要步骤包括定义滑动窗口、自适应图像分割、细化和序贯跟踪。通过颜色空间转换、K-均值聚类和区域生长完成滑动窗口内当前线目标的自适应分割;经过跟踪、消隐、方向判断以及交叉点处理完成序贯跟踪。实验结果表明,该方法精度高、鲁棒性强,对于低对比度、低信噪比的彩色地图图像矢量化尤为有效。6.提出了两种高分辨率遥感影像城市道路半自动道路提取方法,即道路中心线提取的活动窗口线段特征匹配方法和直线道路提取的整体矩形匹配方法。活动窗口线段特征匹配方法采用定义活动模板窗、阈值分割、线段特征匹配和改进的序贯相似度检测算法(SSDA),实现了道路中心线的半自动提取。整体矩形匹配方法将直线道路提取转化为提取具有一定方向和宽度的矩形,通过分割阈值、矩形宽度和矩形方向的变化从内到外整体上匹配道路。这两种方法能够快速准确地提取出城市主要道路,对噪声的干扰具有良好的鲁棒性。7.提出了基于总体最小二乘的矢量数据压缩模型以及曲线数据和多边形数据的压缩算法。实验结果表明,提出的曲线数据压缩算法与Ramer-Douglas-Peucker(RDP)算法具有接近的压缩比,但具有更高的压缩精度,能够在整体上更好地表示原始数据。提出的多边形数据压缩算法能够得到无冗余点、高精度的矢量数据。8.在以上研究的基础上,设计并建立了高效实用的地理信息数据采集系统,能够方便快速地进行地理信息数据采集。系统已应用于全国1:5万基础地理信息数据生产,取得了很好的效果。
周文婷[5]2014年在《基于等高线的光栅图像多尺度矢量化技术的研究与实现》文中研究说明光栅图像的矢量化表示是数字图像处理领域中的热点问题,在数字图像处理、编辑以及在动画制作等方面有着广泛的应用前景。随着网络和通信技术的发展以及手持终端的普及,越来越多的教育产品也应运而生,例如电子书包、在线网络课程平台以及微课视频等,这些教育理念的更新,使得人们对数字图像的存储量和可编辑性提出了更高的要求。近年来图像处理领域的学者们开始了对彩色图像进行矢量化处理的研究工作。对光栅图像进行矢量化表示,不仅需要光栅图像的边界信息,还需要图像内部的几何和色彩信息。对此,本文通过对已有的光栅图像矢量化算法进行研究,提出一种鲁棒性较好的基于等高线的多尺度光栅图像矢量化算法。该算法可根据用户需求生成不同尺度的矢量图像,且可根据这些矢量图像重建出与之相应的光栅图像。本文的主要工作包括以下几个方面:1.光栅图像的预处理。算法首先通过将光栅图像的RGB值转化为相应的灰度值,得到光栅图像的灰度图;然后运用平滑滤波算子对灰度图进行平滑处理,过滤图像中的噪声信息,柔化图像中的颜色突变。实验表明,该算法能够快速地对各种光栅图像进行预处理,处理后的光栅图像可有效地应用于光栅图像矢量化过程中。2.基于等高线的光栅图像矢量化。在完成图像的预处理后,进一步对光栅图像进行矢量化处理。该阶段首先将光栅图像的灰度值作为高程值形成图像的高度场,提取高度场中的等高(值)线,作为矢量化采样点;并提取等高点所对应的颜色信息和几何信息,作为图像矢量化表示的原始信息;然后利用矢量化采样点反算出叁次B样条曲线的控制点,通过控制点的插值,生成矢量图像的数学表示。实验表明,该算法运行稳定,鲁棒性好,可对任意光栅图像进行矢量化。3.基于Laplace方程光栅图像的重建。为了满足矢量图像的绘制要求,本文还提供了根据矢量图像数据重建光栅图像的方法。该方法首先根据用户需求,通过成比例缩放B样条曲线的控制点,对矢量图像进行缩放处理;并利用基于叁次B样条曲线光栅显示的中点算法对等高线的颜色曲线进行光栅化处理;然后通过求解Laplace方程对光栅化后的颜色曲线进行扩散迭代,得到由矢量化表示重建的光栅图像。实验表明,算法能够快速地实现光栅图像的重建,重建的光栅图像失真小。在上述算法理论研究基础上,本文实现了基于等高线的光栅图像多尺度矢量化算法。通过测试部分光栅图像用例,程序运行结果表明该算法不但能够生成多尺度的矢量图像,还提供了一种利用参数控制矢量图像数据量大小的手段。
孙刚磊[6]2005年在《电子地图地理对象的智能识别研究与系统实现》文中研究说明地理信息的提取和识别是地理信息系统(GIS)、全球定位系统(GPS)发展的基础和迫切需要。自动矢量化因其效率、精度、自动化程度和可靠性方面的显着优势,已经成为获取地理信息的主要途径之一。 本文在研究和分析了目前具有代表性的扫描图像矢量化方法的基础上,仔细分析了彩色地图中图形对象的特点,依据图像处理、小波边缘检测、数学形态学等理论方法对图像进行预处理,正确提取出各地理对象的边缘,然后采用一种面向对象的矢量化方法对处理后的图像进行矢量化,并基于此理论在PC机上用VC++6.0编程语言实现了一个自动矢量化实验系统。 图像预处理部分为RGB图像进行分析;RGB图像的灰度化;灰度图像的增强;增强后灰度图像的边缘检测。其中的边缘检测采用的二进小波多尺度边缘检测的方法,该方法较普通的小波检测、Canny算子检测、Sobel算子检测等方法具有明显的优点,可以有效的取出地图中的文字标注等信息,正确的提取出地理对象的边缘。 矢量化部分采用了面向对象的思想,设计了图形对象的类继承层次,把组成地图的地理要素分为线,符号和文本叁类。其中线对象又派生出直线、圆弧(圆)和曲线叁类。根据每一类图形对象的几何特征,直接完成该图形对象类的矢量化。为了准确进行直线和圆弧的识别,文中引入了特征图段的概念。以特征图段的几何参数和方向为指导跟踪图形对象,实现了对直线和圆弧的整体识别,每一个图形对象被准确识别以后,即删除其独有的栅格数据,保留和其它图像对象共有的像素,逐步简化了原始图像,避免识别过程中图像对象之间的干扰,提高了矢量化操作的速度。 目前的矢量化研究都是在CAD/CAM领域进行的,本文分析首次尝试将这种研究进行到有一定规律的普通彩色地图,提出使用的算法经证明具有可行性,并用VC++6.0编程实现了一实际实验软件,在地理信息系统领域有一定的理论意义和应用价值。
吴榕[7]2015年在《基于特征边界提取的图像矢量化》文中指出图像矢量化是数字图像处理中一个重要问题,在卡通动画、艺术创作、互联网网页显示等领域具有广泛的应用前景。随着显示终端多样化及分辨率的不断提升,图像矢量化表示,因具有分辨率无关、可编辑以及存储空间小等优势,正成为图像处理领域中的一个研究热点。图像矢量化的本质是根据离散的数字图像信息,建立其连续的几何和颜色表示,是一个非常具有挑战性的问题。现有各种方法中,基于扩散曲线矢量化方法具有易编辑、颜色渐变优势,但还存在边缘检测不封闭导致漏色等缺点。此外,该方法需要复杂的人工手动操作,要求用户具有一定的绘图技巧,更是一个极耗时的过程。针对基于扩散曲线矢量化方法的上述问题,本文提出了一种基于颜色特征分割提取封闭特征曲线的自动矢量化方法,解决了渲染漏色等问题。首先,对输入图像进行预处理优化,减少噪声干扰并增强图像特征,便于基于颜色特征的区域聚类分割。然后,通过标记聚类分割后不同颜色区域特征,基于一种二维多材质分界线提取算法,提取不同颜色区域的封闭特征边界线,再对这些离散的特征线信息进行带约束的叁次Bezier曲线拟合,确保图像的几何拓扑结构,并使之便于操作管理。最后,将获取到的曲线和颜色图元信息表示并存储为矢量文件,通过求解带约束的泊松方程获取颜色扩散梯度,采用多重网格迭代进行矢量化渲染,实现矢量图颜色渐变效果。本文实现了自动矢量化过程,解决了颜色渲染泄漏问题,同时不需要各种繁琐的人工交互操作编辑。
姜玲燕[8]2014年在《基于边缘检测的数字图像数据压缩算法研究》文中研究表明近年来随着数字多媒体技术和网络通讯技术的迅猛发展,数字图像已经成为人类传递信息的主要载体之一,与此同时,图像在教育技术领域的重要性也日渐突出。随着数字图像信息数据量的增大,人们对图像数据的存储和传输速度提出了更高的要求。数字图像压缩技术可以很好地解决图像数据的传输和存储问题,实现网络上的快速传输和实时处理,因此数字图像压缩技术已逐渐成为图像处理领域的热点之一。其中,图像矢量化是数字图像处理研究的重要方面。本文通过对已有数据压缩算法和矢量化算法进行研究,提出一种基于边缘信息的图像矢量化算法,主要工作包含如下4个方面:1.本文主要介绍了经典的边缘提取算子、基于全局最优的边缘提取算法和基于信号处理的边缘提取算法这叁类边缘提取算法,并各列举了几个典型代表,着重介绍了本文使用的经典边缘提取算子——Canny算子。利用Canny算子得到边缘信息之后,本文算法利用数学形态法去除多余的边缘信息并对边缘进行了细化。根据图像边缘的位置信息提取对应边缘点的颜色信息。2.本文通过总结曲线拟合的四种最常用方法:最小二乘法、移动最小二乘法、Bezier曲线以及B样条曲线,综合比较了这四种方法的的性质和特点,提出了利用局部控制性较强且计算量较小的B样条曲线对图像的闭合边缘和非闭合边缘拟合的变形公式,利用图像的边缘颜色和几何信息进行曲线拟合从而得到图像彩色边缘的曲线表示,完成了图像的数据压缩。3.本文提出的图像解压缩算法是根据矢量化曲线进行扩散得到整幅图像的光栅化表示,图像光栅化便于图像的显示输出。为了防止光栅化过程中图像走样,本文提出利用中点算法对图像边缘进行光栅化,使重建的光栅化图像边缘与提取的图像边缘的误差不超过半个像素。4.根据光栅化边缘的几何信息以及颜色信息,本文利用平均邻域法对图像其它像素进行颜色填充,得到重建的光栅化图像,根据用户对图像分辨率的要求重建不同分辨率的光栅化图像,并且重建的光栅化图像不会产生过多的锯齿和走样。在上述算法理论研究基础上,本文实现了基于边缘信息的图像矢量化算法。通过测试部分图片,程序运行结果表明本文所设计算法的正确性。
盛宜韬[9]2010年在《地形图矢量化设计及在叁维重建中的应用》文中研究指明图像矢量化技术是一种重要的图像处理技术,同时也是一门交叉技术,图像矢量化涉及到图形学等相关领域的知识。特别是近年来计算机CAD制图、地理信息系统(GIS)相关领域的快速发展,图像矢量化技术作为其中关键步骤,具有重要的研究价值和商用价值。由于不同图像的特点千差万别,所以即使目前有多种通用图像矢量化技术,也无法针对不同特点的图像都做到符合矢量化要求。因此本文仅仅针对一类以线划为主和一类可以进行颜色聚类的地形图作为可处理对象,研究这类图像的矢量化方法。对于一类以线划作为主要图像元素的地形图而言,本文提出了以数学形态学为主的图像增强方法,并针对线划图像易断裂,易粘连的情况进行了修正。本文针对线划图像的特点,提出了一种基于细化的矢量化算法,其中利用遗传算法找出线划关键点,并使用直线段和圆弧进行线划拟合。对于可以颜色聚类的地形图而言,与其他方法相比,本文提出使用FCM颜色聚类算法对图像区域进行颜色聚类,实验结果表明这种聚类方法能很好保持原图像区域间的拓扑关系,收到良好的效果。本文使用链表描述区域拓扑关系获得区域轮廓骨架图像。最后利用前述细化骨架的矢量化方法对其进行矢量化。本文针对矢量化后的数据特点,提出利用SVG标准图像格式对矢量数据进行存储,利用SVG存储矢量图像的优点在于便于修改和跟GIS软件进行交互。运用生成的SVG矢量等高线地形图,结合改进后的插值算法,获得网格点的近似高程值,利用GIS工具对这类地形图进行叁维重建。通过实验,这种改进后的插值算法具有高度的准确性,重建也达到预期的效果。总而言之,利用本文提出的针对某一类地形图像的矢量化方法,可以较好的保持原图像中的图元的特点,为扫描图像的数字化提供了便利。
张星明[10]1999年在《地质图象处理算法的研究与实现》文中认为图像处理在石油地质领域中具有十分广阔的应用前景，其中地质图件矢量化、岩石图像裂缝分析和井间地层对比对于地质图件处理、石油勘探和开发有着十分重要的意义。本文对该领域的最新研究进展作了综述，针对目前存在的一些问题，根据工程应用的实际需要，提出和实现了以下算法： 1．提出了一个基于模糊竞争Hopfield网络的图像分割算法，图像空间至灰度特征空间的映射，可以在优化性能保持不变的情况下，使运算速度大大提高，从根本上解决了基于Hopfield网络图像分割算法开销很大这一问题。模糊竞争学习的引入，解决了竞争学习中神经元利用不足的问题。对于二值分割，其性能明显优于目前的最优全局二值化算法(Ostu方法)，对于多类分割，比目前广为采用的FCM算法具有更高的处理速度。可用于石油地质图件二值化、岩石图像分割等处理； 2．针对传统颜色分层算法需人机交互选取典型色并且只能处理单颜色背景的图像这一缺点，本文分别提出了基于颜色频数直方图和颜色表分析的石油地质图件按颜色分层的算法，它们不仅可以处理单颜色背景的图件，而且可以处理多颜色背景的图件，通过分析计算求得典型色实现石油地质图件的自动分层处理。前者具有较强的鲁棒性。后者具有较强的实时性，算法可以推广应用于彩色地图、地形图等图件的分色处理； 3．矢量化的核心在于图像的骨架提取，本文分别提出了提出基于游程的形态细化算法和基于特征块的石油地质图件骨架矢量提取方法，前者通过采用有向结构元，成功地克服了传统形态细化算法不满足单象素宽和连通性的缺点，算法的游程实现，大大地提高了处理速度，比较适合于大幅面地质图件的细化处理。前一算法虽然具有较高的实时处理能力，但不能改变细化算法的本质缺陷—畸变，为此，本文提出后一算法，其思想完全不同于传统的细化算法，它首先将图像映射成存储需求小得多的特征图像，然后对特征图像进行特征块优化操作，再对特征图像进行线追踪，形
参考文献：
[1]. 图像矢量化方法研究与应用[D]. 彭荣杰. 华中科技大学. 2006
[2]. 光栅图像矢量化研究及应用[D]. 何爱君. 广东工业大学. 2008
[3]. 彩色地形图点状地物符号的提取与识别[D]. 周蓓蓓. 苏州大学. 2008
[4]. 基于地图及遥感影像的地理信息提取研究[D]. 杨云. 解放军信息工程大学. 2008
[5]. 基于等高线的光栅图像多尺度矢量化技术的研究与实现[D]. 周文婷. 南京师范大学. 2014
[6]. 电子地图地理对象的智能识别研究与系统实现[D]. 孙刚磊. 大连理工大学. 2005
[7]. 基于特征边界提取的图像矢量化[D]. 吴榕. 浙江大学. 2015
[8]. 基于边缘检测的数字图像数据压缩算法研究[D]. 姜玲燕. 南京师范大学. 2014
[9]. 地形图矢量化设计及在叁维重建中的应用[D]. 盛宜韬. 华南理工大学. 2010
[10]. 地质图象处理算法的研究与实现[D]. 张星明. 中国科学院研究生院（计算技术研究所）. 1999
标签：计算机软件及计算机应用论文; 矢量化论文; 光栅论文; 光栅图像论文; 图像分割论文; 边缘提取论文; 矢量论文; 特征提取论文; 地图应用论文; 地理信息论文;