基于数学形态学遥感影像分类后优化处理

遥感影像分类后处理是为了提高分类的精度，优化分类结果。参考传统的分类后处理方法，本文提出了基于数学形态学的遥感影像分类后处理方法，利用数学形态学的基本概念和算法，在遥感软件ERDAS的平台上，对结构元灵活的组合．分解，应用形态交换算法达到了消除噪声、填补孔穴和光滑边界的效果，最大程度的保留了影像的信息，同时优化了分类后的影像；并实际验证了本文方法较传统方法的优越性与可靠性。     

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。     

基于形态学梯度重构的高分辨率遥感影像分割方法

基于形态学梯度重构提出一种用于高分辨率遥感影像的分割方法.针对遥感图像的特点构建多形状结构元素,然后使用该结构元素对图像提取形态学梯度并进行开闭重构;根据人的视觉特征,对梯度的高对比度区域进行还原,用于保证较高的局部对比度;最后使用浸没式分水岭变换获得分割结果.对IKONOS影像进行分割实验,结果表明了该方法的有效性.     

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。     

基于数学形态学的水声图像处理

对成像声纳采集到的水声图像进行有效且快速的处理与正确识别,是实现水下智能机器人的“声视觉”的关键问题。针对水声图像的特点,传统方法难以保证对“保边去噪”的要求和保持系统算法整合性。为此提出了一种基于数学形态学的水声图像处理方法,该方法采用广义形态开闭变换等形态学方法进行图像处理。试验结果表明,该算法抗噪能力强,效果明显,且计算量小、硬件实现简单,更好地保证了“声视觉”系统的准确性和实时性。     

基于深度置信网络与数学形态学融合的遥感影像建筑物变化检测

当前人工调查土地资源利用情况具有较高的人力成本且劳动强度大,对其实现自动变化检测具有较高的理论和应用价值。将深度置信网络(deep belief network,DBN)应用于高分辨率遥感影像的建筑物变化检测,但DBN在变化检测时存在由误判现象造成的建筑物完整度欠缺、空间存在噪声等问题,提出DBN与数学形态学融合模型对高分辨率遥感影像建筑物进行变化检测。在遥感影像预处理基础上,标记少量明显的变化与未变化样本,利用搜索窗口从标记的区域获取大量带有标签的样本训练融合模型分类器对建筑物进行变化检测,检测方法准确率为94.76%,召回率为87.63%,F_1为91.06%。实验结果表明,该方法可以为建筑物的变化检测提供有效依据。     

基于数学形态学的图像处理方法

从图像的描述方法出发，在二值形态变换的基础上，通过引入图像的阀集合和本影，导出了多值形态学基本形态变换建立的方法．并揭示了二值形态学与多值形态学在结构算法上的相互联系．在图像处理的形态学方法上，提出了基于形态变换的图像边缘提取、多种形态梯度、形态骨架表示方法，以及具有去噪和形态平滑功能的开、闭形态变换在图像分析中的应用．     

基于数学形态学的遥感图像边缘检测方法研究

提出了一种基于双结构元形态学的遥感图像边缘检测方法,与经典边缘检测算法的仿真比较表明,其算法在边缘连续性、边缘定位精度和地物细节体现方面都取得了良好效果.     

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。     

一种结合数学形态学和LOG算子的遥感图像边缘检测方法

提出了一种结合数学形态学和LOG算子的遥感图像边缘检测算法,该算法可有效地解决在混合噪声及复杂细节环境下的遥感图像地物边缘信息的检测．该算法首先利用中值滤波消除原始图像的非高斯噪声,并采用数学形态学进一步消噪及增强地物间的对比度;然后采用LOG（LaplacianofGassian）算子对处理后遥感图像进行边缘信息检测．实验结果表明,提出的方法能有效地提取遥感图像地物边缘信息．     

基于数学形态学的栅格地图处理技术

用数学形态学相关理论方法实现了对于扫描图像中不同线宽的同一线型，提取到同一线宽的二值线状要素图。在对此目标图像进行细化时，采用了基于双结构单元模板的细化算法；对于细化后的骨架线，采用了基于Freeman链码的动态改变步长的跟踪矢量化方法。     

基于数学形态学的细化算法

对二值图像处理中细化的算法进行了研究,介绍了基于形态学的细化算法,同时,对数学形态学的相关理论做了介绍。并利用该算法对地图图像进行了细化处理,取得了良好的实验效果。通过实验研究可以看出,该算法设计灵活,便于实现,具有一定的实用性。     

数学形态学的细化算法

对目标图象进行细化处理,提取其骨架,在目标检测、图象编码以及光学字符识别等计算机视觉、图象处理与模式识别领域都有着广泛的应用．在定义了数学形态学图象轮廓和骨架的基础上,提出了基于两组结构元素模板的数学形态学细化新算法,这两组结构元素模板分别用来去掉目标的西北、东北、东南、西南方向四个角上的点和北、东、南、西四个方向上的点．用该算法对实际的字符进行细化,获得了令人满意的结果．     

遥感技术在人口估算中的应用

以天津市区为例综合应用住宅计数法、面积（密度）法和模型法探讨城市小区域人口的遥感估算新途径。作者首先提出了人口遥感估算的理论基础，其次以遥感数据为基础推出了两种人口估算数学模型，最后就遥感技术实际应用于人口估算的原则问题提出了一些见解。     

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.     

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.