张国栋，韩佳池

(沈阳航空航天大学计算机学院，沈阳 110136)

骨架作为一种简单的物体形状表示方式，不仅结合了物体的轮廓和区域信息，同时反应了物体重要的视觉信息，能够方便的实现物体的特征匹配。基于骨架的目标表示和识别技术是模式识别和计算机视觉的重要研究内容，被广泛的应用于字符识别、指纹识别及医学图像分析等领域。

目前最具代表性的骨架定义主要有两种。一种是火烧1模型(Grassfire)，该模型假设物体边界点上的火源同时向内燃烧，火焰成等距同心圆向内推进，两圆的切点就是物体的骨架点。细化法(Thinning)是模拟烧草模型的典型代表。传统的细化算法能够很好的保证骨架的连通性，但不能保证骨架点的准确性。另一种是最大圆定义法(maximal disk)，将骨架定义为物体内最大圆圆心的集合［1］。基于距离变换的骨架提取算法就是利用最大圆的理论，将任意点的距离变换值作为圆的半径，比较所有内切圆的包含关系最终找到最大圆的圆心。基于距离变换的骨架算法能够保证骨架的正确位置，确保骨架的拓扑结构，但缺点是不能保证骨架的连通性。典型的骨架生成算法无法避免的导致骨架产生过多的毛刺状分枝，通常都需要一些后期的处理，因此骨架剪枝技术就成为一种辅助需要［2－3］。

模糊距离变换结合了距离变换与模糊理论的双重特点，因此同距离变换一样模糊距离变换也能够反应物体的中轴信息。与此同时，由于模糊距离变换是对灰度图像的操作，同时考虑了图像的灰度信息和位置信息，因此相较于距离变换来说具有更强的稳定性，并且能够加精确的反应物体骨架点位置。……