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.     

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。     

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。     

一种基于形态学结构元素优化的车牌快速检测算法

车牌检测(License Plate Detection,LPD)是自动车牌识别系统中(Automatic License Plate Recognition System,ALPRS)的重要一环.为了提高车牌检测准确率和降低检测时间,提出一种基于形态学结构元素优化的车牌快速检测算法.该算法首先对检测图像进行预处理,然后运用基于灰度图像内部结构元素(Structural Element,SE)比较的形态学Top-hat变换来突出车牌区域以及最大类间方差阈值化来降低背景干扰,并且利用形态学开操作和闭操作对不连续的椒盐噪声进行过滤,最后使用轮廓检测和几何条件检测出车牌区域.为了适应多种类型的车牌形态,该文对3种形态学操作的SE参数进行优化.实验结果表明,本文方法的检测准确率、召回率和检测时间均优于其他车牌检测方法.     

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.     

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.     

基于Soft多结构元素形态学的TM图像边缘检测

基于传统的数学形态学边缘检测算法,改进结构元素,提出Soft多结构元素算子。针对TM图像中存在噪声多和边缘形态多样性的特点,构建多结构元素,并结合Soft形态学方法,对TM图像进行形态学的腐蚀和膨胀,实现遥感图像的边缘检测。     

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.     

引入量子理论的膨胀滤波结构元素

在量子理论的启发下,设计了一种用于形态学膨胀算子的量子启发结构元素,以增强形态滤波器对故障脉冲响应信号的提取能力.量子启发结构元素从两方面考虑了信号的随机性:从量子空间到实数空间的映射方法和不同结构元素的出现概率计算方式,因此克服了传统结构元素高度不随信号发生变化的缺点.最后,利用量子启发结构元素进行轴承故障诊断,并与采用传统结构元素的形态处理结果进行了比较,研究表明量子启发结构元素具有更强的故障信息提取能力.     

基于模糊推理和柔性形态滤波的图像增强方法

根据柔性形态学的相关概念和性质,提出了一种基于模糊推理和柔性形态滤波的图像增强方法.该方法首先定义了方向性结构元素,在结构元素内引入模糊推理方法判别图像边缘方向,进而构造方向性柔性形态学滤波器对图像边缘进行滤噪增强,并根据局部均值和熵差自适应确定增强系数.实验结果表明该方法可以有效滤除噪声,增强图像边缘.     

基于数学形态学的CCD降噪技术

在阐述数学形态学的原理、分析CCD的主要噪声特点及传统去噪方法的基础上,设计了形态学交替混合滤波器(包括滤波算法设计及结构元素选择).Matlab仿真结果表明,该方法可以较好地抑制CCD信号中的散粒噪声、复位噪声及高频噪声.     

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。     

面向语义网的本体整合技术的研究

从领域本体的结构和元素等层次,研究多粒度本体整合方法,开发出面向同一领域的本体整合工具系统．以两个电子类领域本体作为整合案例,分析OWL文件结构特征,抽取本体的主要信息以树型结构进行表示,通过元素层次和结构层次相结合的映射方法,同时采用相似度计算模型并借助本体词典Wordnet和基于统计学的方法,对领域本体进行整合操作,结果不仅实现了基于元素级层次的处理,而且实现了其语义层次上的分析．     

多方位形态学结构元素在图像边缘检测中的应用

应用基本形态运算,定义了多方位形态学结构元素,通过形态运算加权平均组合,构造了多方位形态学边缘检测方法,使得局部方差最大．通过计算机仿真实验,对原始图像分别用本文方法、Ｓｏｂｅｌ 算子、Ｌａｐｌａｃｅ算子进行边缘检测,实验结果验证了本文方法能很好地检测出边缘．     

基于T-S模糊系统和柔性多结构元的形态学彩色图像处理

基于数学形态学在处理二值图像和灰度图像方面的特点,文中在HSI颜色空间基于T-S模糊系统和柔性多结构元素上给出了新的彩色形态滤波和边缘检测方法.实验表明,柔性多结构元素比单一结构元素更优越,新的形态滤波和边缘检测方法对彩色图像处理能有效去除图像的噪声,保留图像细节.     

形态边缘检测在电压暂降持续时间定位中的应用

将数学形态学的组合形态滤波、形态边缘检测应用于电网电压暂降持续定位。首先,利用数学形态学理论构造了一个自适应结构元素组合形态滤波器,以滤除白噪声、脉冲噪声等多种噪声;其次,根据理论选择适宜长度的结构元素对滤波后信号进行腐蚀与膨胀,取其差值得到形态学梯度,通过Top-Hat变换得到其形态边缘,利用阈值方法去除其背景噪声,得到最终定位结果;最后,分析对比了暂降幅度、谐波含量和白噪声方差不同时,该方法的有效性。仿真结果表明,该方法能在多种干扰下快速有效地定位电压暂降持续时间。     

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.     

数学形态学在海洋浮游植物显微图像处理中的应用

数学形态学是分析几何形状和结构的数学方法,广泛应用于各类图像形状和结构的分析与处理.浮游植物是海洋生态系统中的重要初级生产者,其个体微小,但形态特征各异,一般要在显微镜下才能进行准确的种类鉴定.本文以海洋常见赤潮藻血红哈卡藻(Akashiwo sanguinea (Hirasaka) Hansen & Moestrup)为对象,利用数学形态学方法来处理和分析其细胞显微图像.数学形态学算法包括二值图像形态学和灰度图像形态学,涉及到膨胀、腐蚀、开闭运算,提供了快速高效的优化算法,特别是基于形态学分水岭的图像分割、标记目标、目标分割.研究结果证明,数学形态学可应用于海洋浮游植物显微图像处理,为浮游植物显微自动识别提供了理论基础.     

像素连接车牌定位技术的研究

车牌定位作为车牌识别的先导部分,其准确性决定了车牌识别系统的可靠性.现有车牌定位技术对融合后的图像进行形态学操作时,存在结构元素大小不易控制,并且若车身有着与车牌同样的颜色,形态学膨胀容易造成两者相连接的问题.针对该问题,提出了像素连接的车牌定位方法,达到较好的车牌识别边缘检测效果.     

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．