基于数学形态学的纸张计数算法的研究

针对目前在生产和生活中使用的机械式纸张计数装置存在的体积大、成本高以及存在较多局限性的现状,提出了一种基于数学形态学的纸张计数算法,通过二值形态学开闭以及膨胀运算填充纸张条纹中的孔洞,使得计数精确度大为提高,能够满足实际生产的应用.     

阈值去噪联合数学形态学的胃部图像边缘检测

在胃部图像边缘检测问题研究中,噪声影响着检测的准确性。针对图像受噪声的影响而导致边缘提取效果不佳的问题及传统边缘检测算法抗噪性差,提出了一种采用联合技术的小波阈值去噪和改进的数学形态学边缘检测算法,在小波域中利用小波阈值对胃部图像进行去噪处理,并用改进边缘检测算法对去噪后的图像进行边缘检测,得到胃部边缘图像。结果表明,改进算法不仅抑制了图像噪声,而且保护了图像边缘细节,相对传统边缘检测方法有更高的信噪比。     

基于数学形态学的流量传感器信号去噪研究

由于流量计自身结构特点和受到外部复杂电磁环境干扰等原因,真实信号往往受到严重的干扰,给数据分析带来很大困难。为有效抑制噪声干扰,提高测量的精确度和稳定性,结合流量传感器信号的特点,将数学形态学算法应用到该信号的去噪中。以信号的信噪比和均方误差作为去噪效果的评价指标,仿真实验和实际应用都验证了该方法的有效性,为同类信号的去噪处理提供了参考。     

基于数学形态学的图像边缘处理

提出了一种基于数学形态学的边缘提取方法。该方法先对图像进行颜色预处理,再利用数学形态学对图象进行形态学梯度变换,最后通过基于统计学的边缘提取方法进行边缘提取。该方法消除了由于照明而引起的目标物体的阴影边缘,并且直接提取出目标物体的边缘轮廓,对背景噪声有很好的抑制作用。与常用的边缘检测算子相比,该方法能更有效、准确、完整地提取出目标物体的边缘,明显优于传统的边缘检测算子。     

基于数学形态学算法的遥感图像边缘去噪方法

为了提升遥感图像边缘去噪质量以及去噪效率,设计一种基于数学形态学算法的遥感图像边缘去噪方法。对遥感图像数据实施归一化处理、标准化处理、图像增强处理。以预处理后的数据作为研究基础,对原有形态边缘提取算子实施多次改进,采用加权自适应多尺度形态边缘提取算法提取遥感图像边缘,利用伞形算子进行递归局部邻域扩散,实现遥感边缘图像去噪。测试结果表明,该方法的最大去噪误差与平均去噪误差较小,边缘去噪时间较短,小曲率数据点的个数明显增加,而大曲率数据点的个数则明显减少,说明设计方法的遥感图像边缘去噪质量高,去噪效率高。     

基于形态学的自动浇注实时图像处理方法

分析实时浇注图像形态上的特性,提出一种基于二值图像形态学的浇注图像预处理方法.即先利用最佳阈值法.完成浇注图像的粗分割与初步去噪,然后利用图像区域连通标注算法,过滤图像中金属液液滴飞溅噪声,最后基于形态学中腐蚀、膨胀运算,选择合适结构元素对图像进行开运算,消除图像中金属液液柱干扰.该去噪方法可以提高浇口杯中金属液液位识别的准确性,能够为浇注自动控制提供良好的决策依据,符合应用要求现实可行.     

芯片图像网格自动定位方法研究

已有的基因芯片网格定位方法,由于不能动态确定处理过程中所需要的各种参数,导致方法的准确性和可靠性依赖于人工经验值.为此,通过对基因芯片图像的分析,利用基因芯片图像中信号点(基因点)位置排布比较规则的特征,将网格定位问题转化为优化问题.提出用启发式自动搜索的方法寻求最优解,最终实现自动定位.实验表明该方法定位准确性高,对外部参数依赖性小.改进方法用于网格自动定位是可行和有效的.     

基于广义高斯分布模型的基因芯片图像去噪

基因芯片图像去噪是基因芯片应用过程中一个非常重要的步骤,对于芯片数据处理和信息提取具有重要意义.用广义高斯分布对芯片图像子带的小波系数进行建模,在此基础上运用Bayes Shrink法对图像进行小波去噪.实验结果表明,这种方法能够在有效去除基因芯片图像噪声的同时,很好的保持图像的边缘,与其它几种去噪方法相比,不仅提高了去噪后图像的信噪比(SNR)和均方误差(MSE),而且使图像更加清晰,为芯片数据进一步的分析处理奠定了基础.     

一种改进的基于数学形态学混合去噪方法

针对数学形态学在工程图纸矢量化过程中去噪处理的缺点,通过研究形态学运算的特点,结合图像算术运算和模板滤渡的技术,在基于数学形态学的混合去噪方法的基础上进行了改进和扩展.这种改进后的方法不仅可以保留细图线,而且可以还原图线间狭长间隙,达到既消除各种噪声又保持了图像的细节,具有良好的处理效果.     

一个关于脉冲噪声去除的灰度形态学模型

基于形态学的基本理论,通过对经典灰度形态学腐蚀和膨胀两个基本算子的改进,建立了一个新的灰度形态学模型。该模型与经典形态学相比较,对去除灰度图像的脉冲噪声更为有效。最后通过实验仿真,对算法的可行性进行了验证。     

Segmentation of Microarray Images by Mathematical Morphology

DNA chips (i.e., microarrays) biotechnology is a hybridization (i.e., matching of pairs of DNA)-based process that makes possible to quantify the relative abundance of mRNA of two distinct samples by analyzing their fluorescence signals. This technique requires robotic placement (i.e., spotting) of thousands of cDNAs (i.e., complementary DNA) in an array format on glass microscope slides. The spotted cDNAs are the hybridization targets for the mRNA samples. The two different samples of mRNA, usually labeled with Cy3 and Cy5 fluorochromes, are cohybridized onto each spotted gene. After hybridization, one digital image is acquired for each fluorochrome wavelength. Then, it is necessary to recognize each gene by its position in the array and to estimate its signal (i.e., hybridization information). For that, it is necessary to segment the image in three classes of objects: subarrays (i.e., set of grouped spots), spot box (i.e., the rectangular neighborhood that contains a spot) and spot (i.e., region of the image where there exists signal). In this paper, we present a technique based on mathematical morphology that performs this segmentation. In the website http://www.vision.ime.usp.br/demos/microarray/detailed experimental results are presented.     

DNA微阵列图象信息的自动提取

微阵列图象分析是分子生物学中DNA微阵列杂交实验数据测定过程的一个重要部分。其目的是将微阵列图象中大量象素灰度信息简化为微阵列靶点的信号值。该文介绍了一种对DNA微阵列图象信息进行自动提取的方法,使用此方法完全不需要人为操作,可避免操作者主观性对实验的影响,提高数据提取的效率和可重复性。其关键步骤包括:图象滤波,图象灰度信息提取,微阵列间距确定,靶点定位和靶点信号值计算。实验结果表明使用此算法提取DNA微阵列图象信息具有重复性好、效率高和分析准确的特点。     

基于小波变换与形态学的一种边界重叠图像的拼接算法

针对噪声环境下的图像拼接问题,本文给出了一种基于小波变换与数学形态学的方法.该方法首先是通过小波变换的多尺度分析提取出不同边缘方向的边缘图像,然后将其混合,利用形态学方法寻找可能的拼接物再进行拼接.     

基于小波变换与形态学的一种边界叠图像的拼接算法

针对噪声环境下的图像拼接问题,本文给出了一种基于小波变换与数学形态学的方法。该方法首先是通过小波变换的多尺度分析提取出不同边缘方向的边缘图像,然后将其混合,利用形态学方法寻找可能的拼接物再进行拼接。     

基于FPGA的实时高污染图像降噪器的设计

针对高污染图像,以现场可编程门阵列（FPGA）为平台,实现了一种最大最小排除均值滤波（MMEM）器,并给出了后仿真时序结果和图像仿真结果。试验证明,该滤波器在实时性和噪声抑止性能方面均能达到令人满意的效果。     

一种基于数学形态学的图象多尺度分析方法的研究

提出了一种基于数学形态学的图象多尺度分析方法。利用数学形态学在描述图象形态特征方面的优势，通过改变结构基元的尺度，提取图象在不同尺度下的有用信息。该方法将基于二值图象的集合处理的数学形态学方法，推广至基于灰度形态处理的数学形态学方法，提出了广义的数学形态学形态变换算子，拓宽了数学形态学理论在图象处理领域的应用范围。本文给出了人造的实验图象和实际的景物图象的实验结果，提取出图象在不同尺度下各个层次的目标和特征，证明该方法的有效性。     

基于多级中值滤波的严重椒盐噪声污染图像恢复

文章提出了一种用于基于多级中值滤波的严重椒盐噪声污染图像恢复的方法.该算法首先用多级中值滤波对图像进行滤波,然后用噪声定位技术将滤波后的图像像素点分为噪声和信号点两类,建立噪声标记矩阵,进而对噪声点进行噪声消除,对非噪声点保持原值不变,从而实现噪声污染图像恢复.实验结果表明,本算法对于噪声浓度大于40%的污染图像去除噪声及保留细节等方面的效果非常显著,尤其对于严重椒盐噪声污染图像.     

Adaptive Periodic Noise Reduction in Digital Images Using Fuzzy Transform

Journal of Mathematical Imaging and Vision - Periodic noise degrades the image quality by overlaying similar patterns. This noise appears as peaks in the image spectrum. In this research, a method...     

Mathematical Morphology for Edge and Overlap Detection for Medical Images

Mathematical morphology operations have become increasingly popular in the past two decades in the field of pattern recognition because of their flexibility and ability to be implemented in hardware. In this paper, we propose a generalized approach using these operations for shape recognition of medical images, specifically human lungs generated by a gamma ray camera. We present a new approach towards overlap detection in such images. Moreover, we propose the use of morphology for edge detection and present results of some other algorithms like Deriche's algorithm and the Laplacian of Gaussian algorithm. Mathematical morphology is very flexible and can be implemented in hardware to achieve a real-time result. In the present system, only the data acquisition is in real time, however, the subsequent analysis is done off-line because mathematical morphology is inherently computationally intensive since it deals with sets. Therefore our objective is to achieve real-time results by implementing this system in hardware.     

基于数学形态学的重叠昆虫图像分离的研究

在实际的昆虫图像处理中,经常会碰到重叠现象。即多个昆虫聚集在一起,这给后续昆虫自动计数的结果的准确性产生一定的影响。因此需要对其进行有效的分离。论文以白粉虱图像为例,对其二值化后的图像,利用数学形态学方法中的腐蚀操作,达到将重叠昆虫有效分离的目的。为下一步昆虫图像的自动计数打下了良好的基础。文中主要讨论了算法的基本思想,并给出了实验结果。