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。     

基于区域增长与边缘检测的立木图像信息提取

为建立自动立木测量系统，实现林木资源调查管理的信息化、自动化和精确化，本研究提出一种基于区域增长和边缘检测的立木图像信息提取方法。通过颜色分量对标定参照物进行提取，以主干基部区域为种子区域对立木主体进行增长，遇到边缘时停止：再利用数学形态学对其进行处理，得到需要的立木主体部分。根据标定参照物所得到的参数。由摄影测量学求得树干的胸径、侧枝粗细、枝下高等信息。研究表明，该方法在提取标定物和树干轮廓方面更为有效，对立木信息的自动提取更加方便精确。     

基于数学形态学的图像边缘检测方法及应用

图像的边缘检测在图像处理中占有重要的地位,本文提出了一种基于数学形态学的边缘检测算法,并把它应用于Miss图像,Blood图像,和汽车的前照灯的光形图像的边缘检测中,实验证明用本文算法进行图像边缘检测,能较好地保持图像的细节特征,同时有效的抑制噪声。     

实景图像的形态学角检测研究

针对二值图像角检测提出了一种改进的形态学检测算法,此算法利用了圆盘算子的对称性,避免了结构元的旋转,提高了检测算法的运行效率.然后提出了一种改进的EM图像分割方法对灰度及彩色图像进行分割处理,增强了分割后图像的区域特征,为形态学灰度及彩色图像的角检测提供了更为合理的检测环境.实验结果证明在含有噪声及复杂背景情况下,该方法仍可获得较好的检测结果.     

图像边缘检测研究进展

 图像边缘是图像的最基本和最重要的特征之一,它包含了位置、轮廓等许多有用的信息,为人们描述或识别目标及解释图像提供了一个重要的特征参数。边缘检测是图像处理、图像分析和计算机视觉领域中最经典的研究内容之一,是进行模式识别和信息提取的基本手段。已有的图像边缘检测方法很多,但每种方法都尚有不足之处,在某些情况下仍不能检测到目标物体的最佳边缘,未形成一种普遍适用的边缘检测方法。因此边缘检测一直是图像处理与分析技术中的研究热点,其新理论、新方法不断涌现。对已有方法进行改进,或是按照具体要求设计新方法,是目前边缘检测领域研究的主导方向。本文阐述了边缘检测的研究意义,总结了图像边缘检测的基本思想和检测出的边缘的一般要求,回顾了边缘检测的各种方法,分析了这些方法的优点和存在的不足,总结了边缘检测的最新发展方向。最后分析了现有的边缘评价方法的特点,为边缘检测进一步的研究和应用提供参考。     

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。     

基于数学形态学的CT图像边缘检测方法

针对人体颅脑CT图像的特点，运用数学形态学的理论和方法，探讨了复合型边缘检测算子及不同尺度对称形式结构元素对边缘检测的影响，并使用IDL（Interactive Data Language）完成人体颅脑CT图像边缘检测实验，取得较好效果。     

基于数学形态学多级平均的图像边缘检测

提出了一种基于多级平均的数学形态学图像边缘检测方法，分析了图像边缘提取的特点．与其它形态学边缘检测方法进行了比较知，该方法在保持良好边缘的同时，提高了抗噪能力．     

Gabor滤波器在带钢表面缺陷检测中的应用

利用Gabor滤波器具有频率选择和方向选择的特性,将其应用在带钢表面缺陷检测系统中,不但能够去除噪声,而且能够把缺陷的纹理特征完整地保留下来.引入评价函数使缺陷图像和无缺陷图像的能量响应差别最大化,以确定最佳滤波器参数.基于最优的阈值函数得到二值化图像,并应用形态学分析方法去除二值图像上小的噪声,得到分割后的缺陷图像.实验结果验证了该方法的有效性.     

基于全方位和多尺度形态学的图像边缘检测

针对图像中噪声和边缘形态的不同,定义了全方位、多尺度的形态学结构元素.通过形态运算的加权组合,构造了全方位、多尺度形态学的边缘检测方法.仿真实验表明,该方法与经典的边缘检测算子相比,不仅具有很好的边缘提取能力,而且具有很强的抗噪性能.     

散乱点云去噪算法的研究与实现

提出了一种快速去除散乱点云数据表面噪声和离群点的鲁棒滤波算法.应用核密度估计聚类方法,通过Mean-Shift迭代过程将每一个采样点"漂移"到核密度估计函数的局部最大值点,该最大值点确定了点云数据的聚类中心并能准确逼近原始曲面,使点云曲面收敛为一个稳定的三维数字模型.算法中的似然估计函数充分考虑了散乱点的法矢方向,因此不仅可以去除不同幅度的噪点,还可以用简单的阈值条件很容易地检测出离群点的聚类,从而实现了点云数据的高效快速光顺去噪.     

基于顶帽变换和Otsu的图像分割方法研究

为了克服直接使用最大类间方差法(Otsu)的图像分割方法不能对具有亮度不均匀背景的图像进行准确分割的不足,提出了一种基于数学形态学中的顶帽变换和最大类间方差法(Otsu)的图像分割方法。首先从数学形态学出发,详细阐述了灰度形态学的基本运算(腐蚀、膨胀、开、闭运算),引申出可以消除图像不均匀背景的顶帽变换法;然后介绍Otsu图像分割算法的具体步骤。最后以MATLAB7.0为实验平台,将顶帽变换和Otsu两种算法结合起来对图像进行分割算法仿真实验。理论分析和仿真实验结果表明,本文提出的方法可以实现快速、准确地分割。     

形态差分算子与图象形态滤波

本文依据数学形态学(Mathematical Morphology)的基本运算,提出形态差分算子(Morphological Diffezence Operator)MDO,进而讨论了其中几种常见算子(ED、DD、NLLP等的频响特性,最后给出了它们在图象检测与边缘抽取、图象二值化处理等方面的应用结果。     

形态差分算子与图象形态滤波

本文依据数学形态学(Mathematical Morphology)的基本运算,提出形态差分算子(Morphological Difference Operator)MDO,进而讨论了其中几种常见算子(ED、DD、NLLP等的频响特性,最后给出了它们在图象检测与边缘抽取、图象二值化处理等方面的应用结果.     

基于图像直方图与模糊核聚类的分割方法

利用图像直方图与模糊核聚类知识,提出一种新的分割方法,即先获取直方图数据信息结合期望值理论获得初始聚类中心,然后对图像进行模糊核聚类分割.本算法可以解决模糊核聚类算法对初始的聚类中心等信息较敏感的问题.实验结果表明,与标准的模糊C-均值(FCM)聚类分割方法相比,具有更优越的分割性能,分割结果与实际图像更为接近.     

栅格图像矢量化中图像处理技术的研究

针对栅格图像矢量化的预处理,通过图像增强、图像恢复、图像分割以及数学形态学中的图像细化等技术,对要进行矢量化的图像进行处理,使之符合矢量化的需要。     

基于Epanechnikov核函数的有偏差采样和贝叶斯阴阳机的复杂图像分割

鉴于复杂图像所含信息的非均匀性，采用新的基于Epanechnikov核函数的有偏差采样方法对图像进行有效采样，并通过将贝叶斯阴阳机聚类理论对采样所得图像进行分割，进而获得最终的图像分割结果．实验表明，该方法是有效的。     

基于KFCM算法对MRI图像分割的研究

医学图像分割在医学图像处理,尤其是临床诊断的MRI图像分析中起着重要作用,提出一种基于核模糊C均值聚类算法(KFCM)的MRI脑图像分割,讨论KFCM算法中隶属度m参数和聚类数目k的选取对图像分割的效果影响,通过仿真实验表明,对于MRI脑图像隶属度函数值在2≤m≤11整数时,图像能取得较好效果,对于聚类数目k选取不易超过8.     

基于数学形态学的交通标志自动识别

本文提出了基于数学形态学理论的交通标志自动识别方法,并研制了一个实验系统．运用数学形态学方法对交通标志的内核形状进行形态处理并提取其形态骨架函数,根据内核形状的形态骨架特征对交通标志进行分类,以达到识别交通标志的目的．实验结果表明形态骨架函数能有效地表达交通标志的内核形状特征,以形态骨架函数作为物体的形状特征进行模式匹配,能较好地识别交通标志．新的形态骨架匹配算法具有位移不变性质,使得识别具有良好的稳健性