形态学图像去噪中结构元素选取原则

介绍了教学形态学的基本运算和结构元素在形态学运算中的重要性,总结了在形态学图像降噪中结构元素的基本选取原则,即形状的相似性,尺寸的覆盖性和不同结构元素的组合性,并通过实验验证了这3条原则的合理性.     

基于形态学多结构元多尺度的自适应边缘检测

数学形态学广泛应用于图像处理和模式识别领域;针对形态学单结构元在边缘检测中边缘信息丢失的问题,提出了用不同方向的结构元素对图像进行多尺度检测的自适应边缘检测方法;首先利用形态学高低帽运算对原始图像进行平滑处理,采用差分最大值确定结构元素的方向,利用形态学运算调整结构元素尺度,改进了数学形态学边缘检测算法;实验结果表明,与传统边缘检测算法相比,该算法在保持图像边缘清晰的同时.有很强的去除噪声能力.     

基于数学形态学的工程图符识别方法

文中提出了一种工程图符自动识别的数学形态学方法。通过对数学形态学原理和方法的分析,利用形态学开运算可提出图像中与结构元素相似模式的原理,文中设计和实现了一种多结构元素形态学变换,能有效地对工程图符进行识别。实验表明,这种算法实现简单,自动识别效果得到很大改进,同时由于形态学开运算具有幂等性,识别过程不需迭代,执行速度也明显提高。     

基于改进形态学算子的多尺度边缘检测

图像边缘检测的关键是在尽量多地检测到图像边缘的同时更有效地抑制噪声,为此提出了一种新的基于轮廓结构元素的多尺度形态学边缘检测方法。该方法重新组合了基于轮廓结构元素形态学各种运算的优点,实现了一种改进的形态学算子;在此基础上利用改进形态学算子的多尺度运算定义了一种新的边缘检测算子。与其他形态学方法相比,文中方法不仅具有更好的噪声抑制和边缘细节保护功能,而且对结构元素的形状不敏感。     

数学形态学腐蚀膨胀运算的快速算法

详细介绍了一种二值数学形态学腐蚀膨胀运算的优化实现方法。图像处理中常常利用二值数学形态学开闭运算对分割出的区域进行边缘平滑和内部填充处理等,但当结构元素较大时运算速度变得很慢。由于开闭运算的基础是腐蚀和膨胀运算,文章重新对这两种运算做了优化,有效地提高了数学形态学用于二值图像处理的速度。该方法较之结构元素分解的方法有理论基础简单、优化思路简捷、实现方便等优点。     

基于数学形态学的突发性故障快速定位方法

针对于突发性故障的特点,提出了一种基于数学形态学的故障定位方法,通过选择适当的结构元素,根据腐蚀和膨胀运算的特点设置适当的组合形态运算,借鉴软阈值计算中的消噪方法,设计高效的故障定位算法,仿真实验证明了数学形态学在故障定位中所具有的优越性。     

基于形态学多结构基元的含噪图像边缘检测

为了研究基于多结构基元构成形态学结构基,提出了一种图像边缘检测算法.首先,定义由开-闭运算、以及闭-开运算加权组合形成复合形态学滤波器,应用该滤波器对图像进行滤波;其次,不同形状的结构元素能检测出不同方向和结构的边缘信息,对定义多方向结构元素以组成形态学结构基,应用此结构基对滤波后的图像进行边缘检测.通过仿真重建形成理想的图像边缘,仿真结果表明,应用于含噪图像边缘检测算法,使抗噪的MSE性能较"开-闭运算"方法减少了7.82%和6.38%,PSNR性能提高了14.68%和8.05%,在检测精度方面得到了连续和封闭的边缘信息,与经典算子检测算法比较边缘信息更清晰.     

数学形态学在图像处理中的应用

介绍了数学形态学的基本运算及数学形态学在图像处理中的主要应用,并讨论了结构元素的选取方法。     

数学形态学运算的再定义及其神经网络实现

该文在分析了传统的数学形态学基本运算的基础上,利用集合势的概念,提出了一种新的形态学算子定义方法,并据此引入了程度化数学形态学运算的概念,将腐蚀和膨胀运算合二为一。最后讨论了程度化形态学运算的神经网络实现及计算机仿真结果,从而,在不同于前人思路的情况下,实现了使用较少的结构元素信息对图象进行噪声滤波的操作。     

一种改进CB形态学的图像滤波分析研究

如何在滤除噪声的同时保护图像的细节一直是一个研究热点。基于数学形态学的滤波效果依赖于结构元素形状和尺寸的选取,基于轮廓结构元素形态学（简称CB形态学）在一定程度上弱化了结构元素对处理结果的影响,但是大结构轮廓会导致噪声放大,小结构轮廓噪声滤除效果不佳。提出一种改进CB形态学滤波器,利用小结构元素、CB形态学、数学形态学运算实现对图像椒盐噪声的滤除。实验结果表明该滤波器滤除椒盐噪声的效果优于中值滤波或一般形态学滤噪,且能够在滤除噪声的同时较好地保留图像细节。