一种基于条件骨架的拐点检测方法

把原始图像看成一个多边形,则形态条件骨架的延长线一定通过多边形的顶点,通过检测条件骨架中最大圆盘半径为零的点来获得凸点的拐点,并由它的补图来获得凹点的拐点.全部拐点由原图及补图的拐点进行逻辑异或操作获得并可去掉离散化后产生的网格拐点.此方法定位精度高、速度快,易于硬件实现和并行处理.由于先用较大圆盘做初步检测,可以降低噪声干扰.利用两种新的大圆盘,此方法可推广到灰度图像的拐点检测.     

地图及工程图纸的智能矢量化方法

针对常规矢量化几何失真较明显，抗噪声干扰能力弱等不足，本文提出了基于骨架点对划进行跟踪，通过设定规划库进行噪声滤除和形状校正的智能矢量化方法。本方法在矢量化各环节分别采用了动态模板定位骨架点；根据典型噪声和失真的知识，设计准则自动进行噪声滤除和形状校正；利用最大距离法进行矢量化等方法，以克服典型的噪声和干扰。     

物体变形的广义形态变换方法

将广义形态变换理论用于非刚体运动的描述和内插，通过对非刚体的凸剖分把非刚体的运动分解为非刚体的变形与子凸集的旋转，提出物体近似骨架的概念；通过近似骨架实现子凸集匹配，实现了任意非同拓扑结构(包括有孔及凹多面体)物体的变形．广义形态变换具有基于体元的变形方法和基于边界形状的变形方法的优点，同时克服了它们的缺点．实验表明，该方法变形物体边界光滑、定位精度高、计算速度快，可应用于CAD、虚拟现实和生物医学工程。     

基于深度图像的非接触呼吸频率检测方法

为便捷且有效地实现对人体呼吸频率的日常检测，提出基于深度图像的非接触式呼吸频率检测方法。利用Real-Sense相机获取的人体及背景的深度图像信息，根据提出的最大距离限制法与最大外轮廓提取算法分别消除空洞噪声和近距离干扰物体的影响，凸出人体深度图像；通过Zhang-Suen细化算法提取人体骨架，结合骨架关节信息实现对胸腔呼吸区域的定位；利用主成分分析算法(PCA)提取胸腔区域深度图像包含的呼吸信号数据，进一步通过峰值检测法求解人体呼吸频率。实验结果表明，该方法可有效实现对人体呼吸频率的非接触式检测，具有良好的准确性。     

一种基于神经网络的图象细化算法

本文将细化处理作为一种识别过程看待,对每一个图象象素要么指定为骨架点,要么指定为非骨架点,利用神经网络理论中的多层感知器模型,实现了基于神经网络的图象细化算法,该方法具有很强的抗噪声能力并能提高运算速度。     

一种基于数学形态学的实时车牌图象分割方法

根据车牌纹理及其几何形状的特点，设计了一种基于数学形态学的车牌图象分割方法，该方法在二维形态滤波过程中，能自适应地调整阈值大小，以适应光照强度及干扰强度的变化，同时把基于全像素点数学形态学处理的点运算转化成仅有几十条直线的线运算，以使运算速度和抗干扰能力较其他传统分析方法有显著提高．用该方法对不同照明条件下的一系列汽车图象进行的大量实验结果表明，该方法不仅定位效果好、速度高，而且适于对有噪声及复杂背景的车牌图象进行分割．     

基于Hausdorff距离图象配准方法研究

图象配准是图象融合的一个重要步骤，为此提出了一种自动图象配准算法，该算法从两幅待配准的图象中分别抽取特征点，然后选用Hausdorff距离对两特征点集进行匹配，得到点集间的仿射变换，从而实现图象的自动配准，此算法以特征点而不是物体边缘计算仿射变换，大大降低了计算Hausdorff距离的运算量；同时，基于Hausdorff距离的图象匹配只需要点集之间的对应，而无须点与点的对应，因而可以使用于存在较大物体形变的情况，即完成两幅差异较大图象的配准，实验结果证明了算法的有效性。     

图象边界的遗传算法规整

为了使检测的图象边界更符合有效的理想边界结构,同时能滤除边界图象中的噪声干扰,提出了一种基于遗传算法在图象边界规整方法。该方法首先将已经检测得到的边界图象编码为两维二值码串个体,并根据理想边界模板集来计算每个个体的适应度;然后通过交叉、变异和选择等遗传运算对被检测出的非理想边界进行规整。在遗传算法收敛时,该算法不仅能得到最适合有效理想边界结构的边界图象,并能有效地滤除边界图象中的噪声。     

一种提取物体线形骨架的新方法

提出了一种提取物体线形骨架的新方法. 该方法首先计算物体距离变换的梯度, 从而得到一个矢量场. 距离变换的梯度对提取物体线形骨架具有重要意义, 可据此获得物体内部的关键点, 其中每一个关键点代表了物体的一个凸部分. 之后, 用搜索梯度最短路径的方法连接关键点, 得到物体的线形骨架. 本文方法得到的线形骨架能很好地反映物体拓扑和形状特征, 并不易受边界噪声干扰. 此外, 本文方法克服了基于距离变换的骨架提取算法的固有缺点, 获得了具有良好连通性的骨架. 因此, 基于本文方法得到的骨架能用于物体识别和匹配等领域. 对大量二维、三维物体的实验取得了令人满意的效果.     

一种改进的基于形态骨架的二值图象编码

基于图象形态学的二值图象编码方法,近来在国际上得到了比较多的研究。为了提高基于骨架的编码方法效率,提出了一种基于形态骨架的子集--终极腐蚀（ultimate erosion）二值图象编码方法。该方法是基于扩展的非骨架点判定定理,使得有更多的点在编码过程中被判为非骨架点,从而提高了编码效率。与其他同类方法相比,这一方法更充分地去除了图象形态分析中的信息冗余,从而得到了很好的压缩效果,其对二值图象“工具”的压缩率达到0.065,大大优于游程码、四分树、链码等方法。     

链码技术在景象图像特征提取中的应用

针对景象图像的特点,提出了基于链码技术的景象图特征点的提取方法,并首先引进了一种新的链码技术对景象图像轮廓进行描述;然后利用链码的重构不变性重构图像的主要轮廓,以去除噪声和细节,并对其进行二次编码,以获取图像主要轮廓链码信息;最后在所得链码中提取各类特征点,包括轮廓边界的端点、形心、交叉点和显著拐点。实验结果表明,该方法不仅特征点提取效果好,而且信息压缩能力强、抗干扰能力强。     

SUSAN—A New Approach to Low Level Image Processing

This paper describes a new approach to low level image processing; in particular, edge and corner detection and structure preserving noise reduction.Non-linear filtering is used to define which parts of the image are closely related to each individual pixel; each pixel has associated with it a local image region which is of similar brightness to that pixel. The new feature detectors are based on the minimization of this local image region, and the noise reduction method uses this region as the smoothing neighbourhood. The resulting methods are accurate, noise resistant and fast.Details of the new feature detectors and of the new noise reduction method are described, along with test results.     

复合型数学形态学医学图像边缘提取

医学图像边缘提取是医学图像处理中一项非常重要的工作和预处理步骤,边缘提取的质量决定了图像的最终处理结果。一般说来,人们习惯于用基于梯度和基于模板的算子提取边缘,但这类算子都不能很好地滤除噪声,因而给噪声图像边缘提取带来了困难。论文在阐述了数学形态学一般原理与方法的基础上,提出了一种新的复合型数学形态学医学图像边缘提取算法。实验结果表明该算法对噪声医学图像边缘的提取效果好,它不仅能成功地提取目标图像边缘,而且能很好地滤除噪声。     

图像边缘轮廓自适应阈值的角点检测算法

目的 基于边缘轮廓的角点检测算法的检测性能虽然相对比较稳定,但是它对边缘轮廓的局部变化敏感,并且只是给予一个经验门限去提取角点,为此提出一种对局部变化和噪声稳健的基于图像边缘轮廓自适应阈值的角点检测算法。方法 该算法利用各向异性高斯方向导数滤波器对不同边缘和角点模型进行表征,提取表征边缘和角点的灰度及几何变化的不变属性,并通过正则化计算得到区别边缘和角点的自适应阈值。该算法首先利用Canny边缘检测器检测输入图像的边缘映射并从边缘映射中提取出边缘轮廓;然后利用各向异性高斯方向导数滤波器对所提取出的边缘曲线进行滤波平滑,计算出每一像素点的响应并与自适应阈值作比较,把响应大于阈值的点作为候选角点;最后,对候选角点进行非极大值抑制得到最终角点集。结果 提出的算法分别与Harris算法,He & Yung算法,以及ANDDs算法在仿射变换和高斯噪声的实验环境下进行比较,其性能指标为平均重复率与定位误差;并且对每个角点检测算法在无噪声和有噪声的情况下进行了角点匹配比较。4种算法的两个指标的平均排名为Harris 3.375,He &Yung 2.625,ANDDs 2.625,本文算法 1.375。本文算法在仿射变换以及高斯噪声的情况下有着良好的平均重复率和定位误差,优于其他3种算法。匹配实验中的错误点以及丢失点也少于其他3种算法。结论 图像的特征检测在计算机视觉领域是一个重要的课题,在许多视觉系统中,检测特征往往作为复杂计算的第1步。因此,这一步的可靠性会极大地影响着视觉系统整体的结果。而角点作为图像的重要特征,对其研究具有重大意义。本文算法不同于传统的基于边缘的角点检测器仅利用边缘轮廓的信息,还利用到图像边缘像素的灰度信息。而且,本文算法还采用一个自适应全局阈值,避免了角点的误判。正则化的灰度变化有效减少了噪声或者光照对检测性能的影响。通过角点匹配实验、仿射变换实验以及高斯噪声实验,可以看出,本文的角点检测器拥有良好的检测性能,并且对噪声具有稳健性。     

基于边界链码幅度谱的图像型火灾探测算法

在传统的图像型火灾探测中,对火焰颜色、边界等空间域特征进行识别的频率域方法研究较少。为此,提出一种基于边界链码有序数组幅度谱分析的图像型火灾探测算法。该算法将图像中目标轮廓的边界链码变换为有序数组,并对有序数组进行频域变换,获得其幅度谱分布。分析信号的频率域,得到图像空域特征与频域频谱分布之间的联系。将边界链码幅度谱分析理论应用于图像型火灾探测,并通过仿真实验验证了该算法的有效性。     

基于异尺寸多方向结构元素的形态学边缘检测

针对传统的微分法边缘检测技术存在边缘检测与噪声抑制的矛盾,文章提出了基于异尺寸多方向结构元素的形态学边缘检测方法,并将这一方法与微分法、多尺度结构元素和全方位结构元素的边缘检测方法相比较,结论表明新方法在尽可能多地滤除噪声的情况下,能够检测出更准确、更完整的图像边缘.     

一种基于形态学的有噪彩色图像边缘检测方法

边缘检测技术是图像分割、图像增强、图像复原、模式识别、图像压缩等图像分析和处理的基础,也是图像处理领域研究的热点问题。本文提出基于HSI颜色空间形态学的有噪彩色图像边缘检测方法。在传统形态学梯度检测边缘的基础上进行改进,计算H、S、I三个分量的边缘信息,然后根据H、S、I所占比重对三分量进行加权融合得到彩色图像边缘。实验结果表明,这种方法所检测的边缘符合视觉边缘,在抗噪声方面的效果比传统方法更佳,能够更完整地保留原彩色图像的轮廓,有更好的实用性和通用性。     

基于多结构元素的数学形态学图像边缘检测

基于改进的单结构元素抗噪型形态边缘检测算子和形态滤波思想,提出了一种多结构元素的多路加权合成形态边缘检测算法。在该算法中,采用峰值信噪比代替固定均值来确定加权参数,是一种自适应方法。与传统的边缘检测算法的对比实验表明,该算法图像边缘检测效果较好,降噪能力也得到了提高。     

基于HSL空间彩色图像多结构元形态边缘检测

构建了一类在HSL颜色空间基于多结构元彩色形态边缘梯度检测算法实现彩色图像边缘检测新算法,多结构元形态边缘检测有着比单一结构元素形态边缘检测更优越的性能。该方法是把RGB空间的彩色图像转换到HSL空间,并且定义了在HSL空间的彩色形态学基本算子,提出了改进的多结构元彩色形态边缘检测算法。经过大量实验证明,该算法在有噪声的干扰下,比传统的方法能够更好地抑制噪声并提取有用的图像边缘信息,能满足不同的应用需要。     

结合小波滤波和形态学的图像边缘检测方法

针对传统的边缘检测方法对含噪图像检测效果不理想,提出了一种小波滤波和多结构元素的数学形态学相结合的图像边缘检测方法。用广义交叉验证准则进行小波阈值的自适应选取,用此阈值的广义阈值函数的小波滤波方法对含噪图像去噪;构造4种具有代表性的结构元素,根据边缘方向自动选择相应方向的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,得到在噪声存在条件下较为理想的图像边缘。实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法。