数学形态学在图像边缘检测中的应用研究

介绍了数学形态学的基本运算及其特点．重点研究了基于数学形态学边缘检测的基本思想和方法，并给出相应的边缘检测结果。     

基于模糊数学和神经网络的数学形态方法

文中应用模糊数学的原理,采用构造隶属函数的方法,在实现二值图像数学形态学基本算法的基础上,结合人工神经网络的方法实现了一种更为灵活的数学形态学运算。该方法不仅能实现传统的数学形态学的基本运算,而且通过选取 权值和阈值还可以实现除噪,滤波,边缘检测等更复杂的运算。     

数学形态学的基本算法及在图像预处理中应用

介绍数学形态学的四种基本运算在二值和灰度形态学中的描述,分析结构元素的选取方法,探讨数学形态学在图像预处理中的应用。研究利用二值或灰度基本运算,分析数学形态学在图像预处理中噪声滤除、边缘检测以及断点连接方面的技术特点和实现方法。     

—种基于多结构元的形态滤波器设计

数学形态学可以看作是一种特殊的数字图像处理的方法和理论。数学形态学中的各种变换、运算、概念和算法的目的在于描述图像的基本特征或基本结构，也就是描述图像的各个元或各个部分之间的关系。它的基本思想是基于集合的交、并、移位运算，产生出二值形态学和灰值形态学的基本运算，如腐蚀、膨胀、开、闭、击中击不中及其一些性质。     

模糊形态学初探

数学形态学的基本运算都是对普通集合而言的。本文将给出新的定义，把这些基本运算推广到模糊集合，并研究它的一系列性质。同时指出，数学形态学的基本运算仅是本文的特殊情况，而且是简化了的情况。     

开闭运算在消除图象噪声中的应用研究

本文讨论了数学形态学开阔运算的滤波性质，并探讨了应用开闭运算恢复噪声污染图象的算法及其实现方法。     

数学形态学及其在图像边缘检测中的应用

数学形态学是一种非线性滤波方法，从19世纪创立发展至今，已在不同领域得到广泛应用。本文主要介绍了数学形态学的基本运算及其在图像边缘检测中的应用，并与经典微分算子边缘检测方法进行了比较，实验证明该方法具有较好的边缘检测效果。     

数学形态滤波的细胞神经网络实现方法

给出了细胞神经网络（ＣＮＮ）在数学形态学中的应用．通过对ＣＮＮ状态方程的修改，可使ＣＮＮ并行、实时地实现数学形态滤波，其实现速度与结构元的大小无关．给出了有关改进ＣＮＮ的稳定性及动态特性分析以及在腐蚀、膨胀及结构开、闭运算中的实现结果     

基于数学形态学和神经网络的纹理分类

本文提出一种基于数学形态学和神经网络的纹理分类方法．首先运用数学形态学的开、闭运算提取纹理图像的特征,然后用ＢＰ神经网络对纹理进行分类．实验证明这种方法是有效的     

数学形态学原理及其在图象处理中的应用

根据数学形态学的原理,研究了形态学的四种基本运算,根据二值图象的运算方法,设计了灰度图象函数映射到二值函数的方法,对实际二值图象进行了形态特征处理.