一种基于Hop-Along的遥感图像道路提取算法

基于数值形态学的道路提取是遥感图像处理的常见问题,通常结构元素的选取复杂多变,降低了算法的自动化程度.文章结合数值形态学和Hop-Along算法,对影像进行预处理、阈值分割,得到包含道路信息的二值影像;使用数值形态学的腐蚀运算及形态重建,得到主要道路网络;使用局部Hop-Along算法进行多线拟合,得到单像素的道路中心线.通过对高分辨率遥感图像的Matlab实验证明,算法大幅降低了选取结构元素的次数,提高了自动化程度,且保持了数值形态学的几何学特性.     

基于框线检测的票据图像分类方法

针对表格型票据,提出了一种基于框线检测的多类别票据图像分类方法.准确提取票据图像的框线特征,根据票据框线的拓扑结构建立起模板库;通过基于框线相关性的相似度模型,与标准模板库中模板的框线特征进行匹配,进而确定票据的分组类别.实际的票据分类实验证实了该方法的有效性和鲁棒性,为票据自动处理打下了坚实的基础.     

基于多尺度形态学滤波的CT图像疑似肺结节提取

CT图像中疑似结节病灶区域的分割和提取是肺部CAD系统的关键和难点.研究一种基于肺结节几何特征的多尺度形态学滤波的疑似结节区域提取算法,构造了一组不同尺度的类圆形结构元素进行形态学滤波.经过多尺度处理,不同大小的疑似肺结节区域得到增强和突出,气管、血管等线形解剖组织得到了削弱和抑制,结构元素的几何参数及二值化阈值参数的选取不需要人工设置.实验结果表明,该算法可以较好地实现不同大小疑似结节区域的自动提取.     

基于数学形态学的图像边缘检测算法

传统的边缘提取算法非常有效但对噪声非常敏感,大多形态学边缘检测算法采用单一结构元素,很难对复杂边界进行有效的处理.文中提出一种基于多结构元素多尺度的数学形态学图像边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图像以去噪,再用多结构元素对不同方向的边缘进行提取,最后将各方向边缘融合得到图像边缘.实验结果表明,文中提出的算法不仅具有很强的抗噪性,而且能有效地提取图像的边缘.     

基于数学形态学的二值图象细化算法

介绍了传统细化算法的主要设计思想,提出一种改进的二值图象细化算法,在原有算法的基础上增加了一组承担交叉线两侧细化处理的结构元素.结果表明:这一算法使得目标图象能从各方面快速、均匀地收敛至其骨架.可以看出,结构元素是数学形态学中形态运算最重要最基本的概念,结构元素选择的是否恰当,将直接影响目标图象的细化结果.     

快速图文分离算法

地图中的道路和文字具有不同的特征,在很多情况下,如果一起处理便会产生一些问题.基于对数学形态学各基本运算的研究,提出了一种简易快速灵活的图文分离算法.数学形态学被广泛地运用于数字图像处理,基于数学形态学的图文分离算法的研究已有先例.但是传统的算法要用到近50个结构元素,运行起来将消耗系统很多资源,原理也很复杂.就算法只需要根据栅格地图的大概特征选择1～3个结构元素和合适的参数,运用数学形态学最基本简单的膨胀腐蚀操作便能达到很好的分离效果,计算快速便捷,适应范围广,实用性非常强.     

一种基于数学形态学的多形状多尺度边缘检测算法

基于数学形态学的边缘检测过程中,不同形状、不同尺度的结构元素在滤除噪声和保持边缘细节方面的作用是不同的,为此提出了一种基于多形状多尺度结构元素的自适应边缘检测算法,分别使用不同方向和大小的结构元素提取图像边缘,通过计算信息熵自适应确定权重系数,对多形状结构元素和多尺度结构元素检测的边缘做融合处理.实验结果表明,该算法与几种经典边缘检测算子相比,有效抑制了噪声影响,提高了检测精度,对各种不同图像具有很好的鲁棒性.     

多结构元素多尺度的数学形态学图像边缘检测算法

边缘检测是图象处理与模式识别的一个重要图象预处理过程。传统的边缘提取方法如Sobel,Prewitt和Canny等非常有效但对噪声非常敏感。形态学边缘检测目前已成一个研究热点,但大多算法采用单一结构元素,很难对复杂边界进行有效的处理。因此我们提出一种基于多结构元素多尺度的数学形态学边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图象以去噪,再用多结构元素对不同方向的边缘进行提取,最后把各方向边缘融合得到图象边缘。实验结果表明,提出的算法不仅有很强的抗噪性,而且很有效的提取图象的边缘。     

基于数学形态学的二值图像骨架抽取算法

本文首先介绍了三种骨架抽取算法,并选取了最大圆盘的形态学骨架抽取算法作为研究对象,并对传统算法进行改进,不是选取单一的结构元素,而是选取两组(共8个)结构元素同时在各个方向对图像进行处理,得到了很好的效果。     

基于多尺度多结构元素的数学形态学边缘检测

针对传统方法在边缘检测中遇到的问题,分析了结构元素的选取,提出了一种基于多尺度多结构元素的数学形态学图像边缘检测算法,并将其应用于含有噪声的数字图像.结果表明,算法在滤除噪声的同时,能够取得较好的边缘检测效果.     

自适应多尺度形态学分析及其在轴承故障诊断中的应用

为解决强背景信号下冲击特征的提取问题,提出了一种自适应多尺度形态学分析方法.对于实际的待分析信号,分别定义长度尺度和高度尺度来确定多尺度形态学分析的结构元素,并基于信号的局部峰值实现自适应多尺度形态学分析.数值仿真实验分析表明,自适应多尺度形态学分析方法较单尺度形态学分析方法更利于提取信号的形态特征,避免了单尺度形态学分析在结构元素选择时的盲目性和对相关先验知识的依赖性.本文所提出的方法应用于轴承故障诊断,结果表明这种方法可以清晰地提取出各种特征信号.     

基于数学形态学的二值图像细化算法研究

将数学形态学这一方法应用于数字图像的细化中,针对已有细化算法中存在毛刺这种常见现象,对原有的剪枝结构元素进行改进,提出了一种新的结构元素消除毛刺.在Visual C 软件编程实现的基础上,对这两种结构元素在计算量、处理速度、效果等方面作了相应的测试和比较.结果表明:改进后的剪枝结构元素在这3个方面都得到较好的改善,并获得了理想的处理结果.     

自适应形态算子的表示方法及性质研究

以结构函数的概念和欧氏空间中空间变化（SV）的二值形态学理论为基础,探讨了结构元素在自适应形态学中的应用.通过引入适当的条件,建立了自适应形态腐蚀、膨胀、开、闭算子的表示形式,并对其性质进行了研究,为一般自适应形态算子的研究提供了一个相对清晰的理论框架.     

形态学多结构元多尺度熵权边缘检测方法研究

数学形态学广泛应用于图像处理和模式识别领域.针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了基于形态学多结构元多尺度熵权边缘检测方法.首先利用形态学高低帽运算对原始图像进行增强处理,由形态学运算调整结构元素尺度,采用抗噪型算子进行边缘检测,依据边缘图像的信息熵确定权值进行融合,改进了数学形态学边缘检测算法.实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时,有很强的去除噪声能力.     

基于数学形态学滤波的灰度图像边缘检测

针对灰度图像边缘检测,提出组合二值形态滤波结合边缘检测算子的新算法。该算法通过阈值分解把灰度图像形态学滤波问题转换为对二值图像形态学滤波,具有简便且适合逻辑电路实现等优点。仿真结果表明,选取适当的结构元素,该算法能够有效消除椒盐噪声、保留图像边缘。     

对汉字图像进行细化处理的一种新算法

细化是图像分析和模式识别中的一个重要的操作,而基于图像集合运算的数学形态学细化算法则是细化算法中的一个重要分支,它可以利用灵活多变的结构元素对不同的图像进行处理.在保持原有图像拓扑关系不变的前提下,给出了一种新的形态学细化算法对汉字图像进行细化处理.     

单张人脸图像眼镜边框摘除方法

眼镜对人脸图像的特征提取和识别有重要的影响.本文提出了一个基于单张人脸图像的眼镜边框摘除方法.首先利用自适应双阈值Canny算法提取眼镜边框的准确边缘,以此确定待修复区域并构造修复模板,然后利用整体变分（TV）算法进行目标修复,从而得到没有眼镜边框的人脸图像.实验结果表明,本方法能够成功摘除眼镜边框,效果良好.     

基于小波变换和形态多结构元的抗噪边缘检测算法

提出了一种小波变换与多结构元形态学相结合的抗噪边缘检测方法.通过改进的小波边缘提取方法选择噪声图像的突变点,同时滤除部分噪声;针对图像中噪声和边缘形态的不同,建立了多个结构元素,采用多结构元形态检测算子对选取的突变点进行形态操作,在抑制噪声的同时,较好地提取了边缘.实验表明,对含有不同类型噪声(如椒盐噪声、高斯噪声等)的图像,该方法都可以较好地抑制噪声、提取边缘,且优于经典的边缘检测算法.     

一种光学遥感图像海面舰船检测算法

为了在通用硬件平台上实现光学遥感图像海面舰船检测,提出一套适合实际系统应用的算法。首先,在海陆分割阶段设计能快速粗分图像内容的自适应双门限阈值分割方法;其次,根据海面舰船分布稀疏的特点对分块后的图像进行目标存在性初判;接着,只对初判为有目标的分块提取目标候选区域,提高了检测效率,其中引入杂波率系数自适应地控制Top-Hat算子中结构元素的尺寸,使其更好地抑制背景;最后,采用基于特征的模式识别方法剔除虚警。测试结果验证了算法的性能,并在硬件平台上进行了实现。