基于Matlab的浮选图像形态学参数识别研究

根据浮选泡沫颜色、大小等特征可估计浮选精矿品位,调节浮选工艺流程,使其达到最佳状态.利用数字图像处理技术对浮透图像中的泡沫边缘进行准确的分割,进而实现对泡沫的面积、直径、倾角等形态学参数进行分析,提取其特征参数,进而建立选矿指标的数学模型,可实现选矿指标的快速预报.该文重点对浮选图像的边缘提取算法进行了研究,提出了泡沫边缘提取“草帽”算法.在此基础上基于科技应用软件MATLAB实现了对浮选泡沫边缘的准确分割以及形态学参数的提取.     

基于模糊形态学的图像边缘轮廓提取改进分割算法

图像边缘轮廓提取在国计民生、军事等领域有广泛应用,为了克服噪声等影响导致的图像过度分割现象,探讨了一种基于模糊形态学的图像分割改进算法.该方法借助模糊形态学的开、闭运算,首先对原始图像进行平滑处理,然后基于形态学梯度算子进行梯度计算,最后基于改进分水岭算法与IFT分割算法的融合,对梯度图像进行分割得到期望的边缘轮廓图像.仿真以图像识别为例,实验显示基于改进的图像分割算法可较好地消除过分割现象,正确识别图像,实现目标与背景的分离.研究结果表明,提出的图像分割算法是合理可行的.     

一种形态学梯度滑降算法的研究

滑降算法是一种重要的图像分割工具,然而基于滑降算法的图像分割在很大程度上依赖于待分割图像梯度的计算.提出了一种多尺度形态学梯度滑降分割算法.该算法首先利用多尺度形态学梯度,通过大小不同的结构元素提取图像梯度特征,获得梯度图像,然后利用滑降算法进行图像分割,为了减少滑降算法的过分割现象,提出了区域面积和区域相似性规则的区域合并的方法.实验结果表明,本方法具有较好的分割效果,同时分割中结构元形状、尺度可以灵活选取,使得该方法适用范围相对比较广泛.     

基于阈值分割与数学形态学的高分辨率遥感影像道路信息提取

从高分辨率遥感影像中快速,有效的提取道路信息,一直是遥感学界研究的热点和难点问题。本文研究了一种基于阈值分割与数学形态学的高分辨率遥感影像道路提取算法,该算法不需人工给出道路种子点,方向等信息,在某种意义上提高了道路提取的自动化程度。提取过程是:首先利用阈值分割将遥感影像分割成包含道路信息的二值图像,然后利用数学形态学运算对二值图像进行处理,根据道路形态特征提取出道路区域。     

基于ATS与TS融合算法的裂缝自动识别研究

煤层开采产生的围岩采动裂缝发育规律,是矿山瓦斯、水害、冲击地压、地表沉陷等灾害防治的重要研究内容,对围岩采动裂缝的自动识别能够极大地促进其规律的定量研究。鉴于这些采动裂缝发育形态复杂、规模差别大、与本底值差异性不显著,导致裂缝存在识别困难、精度差等问题。该文基于图像分割、形态学等综合理论,提出了一种能有效识别裂缝目标与背景灰度差异的ATS与TS自适应识别方法。通过对相似模型试验图像使用ATS（自适应分割算法）初始提取压实区显著性较差的微小裂缝,TS（固定阈值分割和形态学膨胀法）提取离层裂隙区和垮落裂隙区显著性较强的块状裂缝,对二者得到的裂缝利用或逻辑进行组合,并借助图像轮廓统计轮廓面积进行填充抑制噪声,完成对裂缝的最终二值化。通过对比单一的ATS和TS算法,ATS和TS融合算法识别率超过90%,均高于单一的分割算法。研究结果表明该文算法在一定程度提高了裂缝识别的准确率和裂缝提取的完整性,较单一算法具有更优的普适性与准确性。该实验结果为后续裂缝处理奠定了良好的基础。     

基于动态自适应区域生长的肝脏CT图像肿瘤分割算法

为提取人体肝脏CT图像中的肿瘤区域,提出一种基于动态自适应区域生长的算法进行肿瘤分割. 通过自适应区域生长算法对CT图像进行预分割,得到感兴趣区域（region of interest,ROI）,利用数学形态学滤波填充ROI中的空洞区域,最终提取肿瘤区域. 通过对多组病人的CT图像进行实验,结果显示该算法对肝脏肿瘤的分割效果良好.      

基于MATLAB的运动目标检测研究①

基于MATLAB工具对运动目标的检测进行了研究,利用改进的帧差算法对获取的图像做帧差并将帧差图像做自适应阈值分割,然后自适应滤波去燥,最后利用逻辑与运算将两幅二值化图像合并成一幅图像,利用形态学腐蚀和膨胀的检测方法,提取运动物体的轮廓达到检测运动目标的目的。     

基于SOM-K聚类的图像分割算法

针对介电弹性体图像在电致形变实验中存在噪声过多、光照不均和无法准确分割等缺陷,提出一种基于形态学重建、核聚类算法与分水岭算法相结合的目标图像分割改进算法.首先选取合适的结构元素对图像进行形态学重建,然后对重建后的形态学梯度图像进行分水岭分割,最后通过SOM-K算法聚类所得分割图像,合并相似区域,以降低过分割的影响.结果表明该分割算法准确度高且可行性好.     

基于粗糙熵和K-均值聚类算法的图像分割

针对基于粗糙熵的图像分割算法不能满足复杂图像的多类目标提取的需要,本文先利用K-均值聚类算法对图像进行区域分割,再利用基于粗糙熵的方法对分割结果进行目标提取,从而达到多阈值分割的目的。通过对遥感图像进行分割处理,证明了改进后算法的有效性。     

图像序列处理中的形态分割方法

将数学形态学应用到序列图像分析中,提出了一种基于图像序列的3－D形态分割算法,对图像序列简化后进行边缘增强,用改进的3－D分水岭方法提取分割信息,基分割信息对几种常用图像序列的处理算子和处理方法进行了研究和改进,实验结果表明,该方法能对序列图像有效地进行时空分割,利用分割信息可显著提高各种图像序列处理的性能,而且具有算法简单、效率高的特点。