基于数学形态学的分水岭图像分割方法

在VC.NET的开发环境中,设计了一个实现数学形态学基本分割运算的简易软件.该软件可以选择不同方向和不同形状、大小的结构元并在四邻域或八邻域中实现灰度图像的腐蚀、膨胀和开、闭运算,通过检测相邻象素灰度值的突变获得不同区域之间的边缘并实现了基于数学形态学的边缘检测和滤波,以及分水岭的分割算法.实验结果说明该软件性能稳定、图像分割和滤波效果优良.     

基于局部多结构元素数学形态学的灰度图像边缘检测算法

提出了一种边缘检测算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多个结构元件，利用基于视觉模型的边缘阈值选择策略确定灰度图像中梯度变化中的像素点，并对其采用二值形态学的腐蚀操作，选择出图像的边缘，滤除噪声，与传统的形态学方法相比，该算法只对梯度发生变化的像素点进行操作，减少了运算量，得到了与人的主观视觉更为一致的边缘。实验表明，与经典的边缘检测算子相比，该算法不仅具有很好的边缘提取能力，而且具有很强的抗噪能力。     

基于改进的形态学算子的灰度图像边缘检测

提出一种改进的形态学图像边缘检测算法.针对单结构元素在检测时出现检测结果边缘线条粗、不连续性的问题,该算法提出了利用6种具有代表性的结构元素进行膨胀组合,形成多尺度结构元素,从而弥补了传统边缘检测算法提取灰度图像细节边缘少及抑制噪声能力差的缺点.     

基于数学形态学的分水岭图像分割方法

在VC.NET的开发环境中,设计了一个实现数学形态学基本分割运算的简易软件.该软件可以选择不同方向和不同形状、大小的结构元并在四邻域或八邻域中实现灰度图像的腐蚀、膨胀和开、闭运算,通过检测相邻象素灰度值的突变获得不同区域之间的边缘并实现了基于数学形态学的边缘检测和滤波,以及分水岭的分割算法.实验结果说明该软件性能稳定、图像分割和滤波效果优良.     

基于数学形态学的图像序列分割

提出了一种适合于极低传输比特率视频编码应用、基于数学形态学的图像序列分割方法。为了适当地利用相邻帧间的时间关系，提出了采用运动估计技术的时间递归形态分割方法。     

基于数学形态学的图像边缘检测

讨论了图像数学形态学的基本原理及形态学在灰度图像边缘检测中的应用，并成功构造了一种新型形态边缘检测算法，该算法具有较好的抗噪和边缘提取能力．对一幅加有椒盐噪声的灰度图像的仿真试验结果表明，该方法比传统的基于模板的图像边缘检测算法和形态学常用边缘检测算法具有更好的图像边缘提取效果．     

一种优化的基于阈值分割和数学形态学的边缘检测算法

图像边缘检测是计算机图像处理的最基本步骤之一。由于噪声的干扰和图像光照不均匀等因素的影响,目前的图像边缘检则方法还不能有效地检测出各种不同模式的边界。本文介绍了已有边缘检测技术,并分析这些技术的缺陷,在此基础上提出一个改进的基于阈值分割和数学形态学的边缘检测方法。并用MATLAB仿真实验进行对比分析其适用环境。     

基于高阶统计特征及形态学的图像奇异点分割和检测

给出了这类图像的一种图像模型,并在此基础上,提出了一种新的分割和检测奇异点的方案。该方案对原图像进行非分除小波变换,以得到带通图像,使得带通图像上的奇异点得到增强,同时背景和噪声得到抑制。将所得到的带通图像分割成互相重叠的方形区域,通过计算每个区域的扭曲度(Skerness)和峭度(Kurtosis)特征来判断该区域分布的非对称性和拖尾程度,并将具有较高值的区域标记为感兴趣区域ROI(Regions Of Interest)。在ROI中,如果能量特征超过某一给定阀值,则被视为准奇异点,形成二值图像。对二值图像进行数学形态处理的检测结果进一步证明了该奇异点分割和检测方案的有效性。     

基于数学形态学的铁谱磨粒图像分割研究

铁谱磨粒图像识别中,由于磨粒与磨粒的相互粘连,造成磨粒图像二值化后,边缘提取不能体现其原有形状。该文将数学形态学的腐蚀和膨胀算法引入铁谱磨粒图像的分割中,通过对二值化后的磨粒图像实施先腐蚀后膨胀的运算,成功地完成了磨粒图像的分割,并且结合拉普拉斯算子,有效地提取出单个铁谱磨粒的形状,有助于实现铁谱磨粒的自动识别。     

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。     

一种改进的角点提取方法

提出了一种改进的角点提取算法,该算法是基于角点的性质,即在角点的某个领域内,图像灰度的变化在任意一条通过该点的直线上都很大。为了便于对最后的灰度变化值求取极值,同时兼顾灰度变化值计算的准确性,采用了在方形窗边界上的线性插值。在插值的基础上,可计算出边缘角,通过它来对角点候选点作进一步的筛选,测试表明该方法比较进前取得了更好的效果。     

基于角点检测的图像匹配算法及其在图像拼接中的应用

研究了图像匹配与图像角点匹配之间的关系．并在此基础上提出一种基于角点检测的图像匹配算法，成功地应用于图像拼接中．该算法将角点作为图像的特征点，并通过角点值、邻域角点数、角点间距及参数一致性等4个指标对角点集进行逐级筛选，有效地剔除了不匹配的角点，保证了匹配精度，同时避免了传统算法中进行模板匹配的繁重计算，大大提高了匹配速度．图像拼接实验验证了本文算法的快速、准确和稳定的特性．     

基于双重弯曲度积的图像拐点检测

针对拐点处与非拐点处的弯曲度值差别小的问题,文中提出了一种基于双重弯曲度积的图像拐点检测算法,通过第一重弯曲度与第二重弯曲度的乘积扩大拐点处与非拐点处的弯曲度值的差别,并对数字图像进行拐点检测实验.结果表明,该算法不仅简单有效,而且具有较高的稳定性和准确性,能够解决实际的图像拐点检测问题.     

一种基于角点匹配的图像拼接算法研究

提出了一种基于角点匹配的图像拼接算法。研究了基于角点匹配的图像拼接方法中,Harris角点的检测,角点的匹配及图像的融合等关键算法。并且给出了图像拼接的MATLAB仿真结果。实验表明,该算法能够获得较为满意的拼接效果。     

基于多尺度形态学图像的屈肘角度检测方法与实现

针对当前采用经验分析方法对曲肘的动作检测不精准的问题,提出一种基于多尺度形态学图像分析的屈肘角度检测方法.首先在多媒体视觉下进行武术动作的曲肘行为的图像采集和特征分析,然后对采集的图像采用多尺度Retinex角点筛选方法进行图像增强处理,提取图像的多尺度形态学边缘轮廓特征,实现对人体屈肘角度的特征点标定和检测.仿真结果表明,采用该方法进行武术动作中的曲肘角度检测优于经验分析方法,准确检测率高达80%以上,且稳定性好,具有较高的动作矫正指导价值.     

基于广义形态骨架的拐点检测方法

提出了一种基于形态骨的快速拐点检测方法,该方法基于物体条件骨架原理,采用改进的非对称开运算算子,利用内外骨架检测物体的凸点和凹点,以实现对所有拐点的检测;对于有噪声图像根据多刻度滤波原理采用较大的结构算子去噪,使预处理和检测在算法上实现统一,实验表明,该统一算法检测准确度高,抗噪性能好、具有旋转不变性、计算量小、硬件实现简单。     

一种有效的不变性角点检测方法

在图像形态分类与识别系统中，不变性角点检测是很重要的预处理环节，为有效检测角点，并对之精确定位，本文着重介绍一种基于小波变换的不变性角点检测方法。该方法先对轮廓上各点的切向方向进行小波变换，然后提取出变换幅度的局域最大值点作为待定角点。接着，根据待定角点类型建立相对应的模型，并根据模型对待定角点的直伪进行评判，实验表明，上述方法既能正确检测到角点，又能大大提高计算效率。     

基于模板的图像角点提取方法

采用模板的检测策略,提出了一种自动获取图像角点的新方法。根据角点的特征设计了3×3的矩形模板,这些模板包含了所有角点图像的可能模式,然后根据编码准则对这些模板进行编码。在提取图像角点时,先对图像进行降噪、膨胀、细化等一系列处理,再使用模板对图像进行角点检测,从而确定角点的位置。实验证明,与Harris算法相比,这一算法无需人工干预,能够自动确定角点位置,并且角点的平均位置偏差在1个像素内。     

基于角点检测图像配准的一种新算法

提出了一种新的基于角点检测的图像配准方法，其核心思想是采用一种快速的基于图像灰度的角点检测新算法，通过沿圆弧曲线扫描获取角点信息，然后根据这些角点信息建立图像间角点的对应关系，并由此得到初配准参数，最后通过迭代过程以提高配准的精度。理论分析和实验结果表明，该算法对图像间的旋转角度没有限制，配准精度高而且计算量较小。     

一种基于数学形态学的遥感图像边缘检测算法

为有效提取边缘密度大的遥感图像中的边缘信息，提出了一种利用灰度形态变换原理进行检测的有效算法，首先利用开-闭形态滤波器降低输入图像的噪声，然后将二值图像的边缘提取算法推广到灰度图像中加以应用。实验结果证明，此方法优于灰度形态梯度法。同时也优于Canny算子。