基于细胞神经网络的数学形态滤波方法与应用

数学形态学以集合运算为基础,在图像处理领域得到了广泛地运用。数学形态学以集合运算为基础,用具有一定形态的结构元素去度量图像中的形态以解决理解问题。证明利用细胞神经网络(Cellular Neural Network),运用数学形态滤波可并行完成数学形态运算。该文给出了细胞神经网络(CNN)在腐蚀、膨胀、结构开、结构闭中的实现及应用。将其结果运用在指纹图像的预处理当中,取得了较理想的结果。     

基于数学形态学的图像预处理算法的研究

该文提出了一种基于数学形态学的图像预处理方法。首先对原始图像进行了改进的形态滤波处理,依次用一个略大于目标尺寸的结构元素和一个小于目标尺寸的结构元素对原始图像进行开运算;求两次滤波所得图像之差作为图像增强后的结果。实验结果表明,此方法最大限度地消除了各种噪声和畸变对图像中目标区域的影响,更加完整的保留了目标边缘的细节信息。     

数学形态学在图像分割中的应用研究

本文以数学形态学基本运算的介绍为基础,阐述了图像处理中常见的一些数学形态学方面的应用,其中有形态学图像重建、形态学图像滤波和形态学图像梯度。最后介绍了一种基于形态学的图像分割算法—分水岭算法,并以基于标记的分水岭分割算法为例,研究了形态学运算在图像分割前的预处理步骤和图像分割中帮助提取标记的作用,由此证明了数学形态学运算是图像处理领域中的一种有效方法和手段。     

形态滤波器技术在图像边缘检测中的应用

在利用图像进行产品质量检测时,由于各种因素的影响导致图像的数字化过程中会出现各类噪声,对于边缘检测与分割技术的研究带来很大的困难。通过对传统的滤波算子进行分析,并将其处理结果与数学形态学中的形态滤波运算进行对比,提出使用形态学噪声滤波器进行边缘处理的方式,设计并提出相关的算法。在对陶瓷基材的检测中运用Visual Basic6.0实现算法并进行相关的测试。     

形态滤波器技术在图像边缘检测中的应用

在利用图像进行产品质量检测时,由于各种因素的影响导致图像的数字化过程中会出现各类噪声,对于边缘检测与分割技术的研究带来很大的困难。通过对传统的滤波算子进行分析,并将其处理结果与数学形态学中的形态滤波运算进行对比,提出使用形态学噪声滤波器进行边缘处理的方式,设计并提出相关的算法。在对陶瓷基材的检测中运用Visual Basic6.0实现算法并进行相关的测试。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域，运用阚值分割算法完成初步的图像区域分割；然后利用形态学运算进行精细化处理，结合提出的判断准则，通过人工交互完成了多感兴趣区域的提取；最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

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。     

调节形态学运算及其神经网络实现

数学形态学是一门建立在集合论基础上的学科,为数字图像处理和分析提供了一种有效的工具.在分析传统的数学形态学基本运算的基础上,引入调节数学形态学运算的概念,然后讨论了调节形态学运算的神经网络实现,并给出了用于图像滤波的计算机仿真结果.该方法较之传统的数学形态学基本运算更为灵活.     

自动检测图像目标的形态滤波遗传算法

提出了一种实现形态滤波器参数优化设计的贵传学习算法（Genetic Training Algorithm for Morphologi-cal Fitters,GTAMF）。采用新的交叉与变异算子－曲面体交叉与主从式变异,通过优化搜索全局以获得滤波性和时效性兼优的形态滤波器参数。实验结果表明该方法设计方便,实用性强且易于推广,对提高形态滤波性能效果明显,分析表明,形态滤波器可分解为形态学运算和结构元选择两个基本问题,形态学运算的规则已由定义本身而确定,于是形态滤波器的最终滤波性能就仅仅取决于结构元的选择。通过自适应优化训练使结构元具有图像目标的形态结构特征,从而赋予结构元特定的知识,使形态滤波过程融入特有的智能,以实现对复杂变化的图像具有良好的滤波性能和稳健的适应能力。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域,运用阈值分割算法完成初步的图像区域分割;然后利用形态学运算进行精细化处理,结合提出的判断准则,通过人工交互完成了多感兴趣区域的提取;最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

数学形态学滤波器的优化设计

数学形态学滤波器作为图像处理领域中的一类重要的非线性滤波器已被广泛地用于图像降噪、边缘检测和模式识别等图像处理技术之中,然而其处理效果的好坏却严重地依赖于结构元素的形状和大小。在传统的形态滤波器的设计中,结构元素的选择完全凭借设计者的经验,因而很难保证所选择的结构元素为最优结构元素。针对此问题,该文应用遗传算法对形态滤波器设计中的结构元素进行优化,通过对样本图像的学习训练,获得基于优化结构元素的形态滤波器,并在此基础上设计了一种简单、实用的自适应优化滤波算法。该算法的有效性用计算机仿真实验进行了验证。     

基于柔性数学形态学的医学图像边缘提取

医学图像边缘提取,尤其是病灶部位的边缘提取,是医学图像处理中非常重要的预处理步骤,边缘提取的质量决定了图像的最终处理结果。人们一般习惯于用微分算子和梯度形态学算子提取边缘,但这类算子都不能很好地滤除噪声,也不能提取边缘细节。文章在阐述了数学形态学一般原理与方法及柔性数学形态学原理与性质的基础上,将柔性数学形态学用于左肺上叶周围型肺癌CT图像边缘提取。实验结果表明,这一方法比微分算子和形态学边缘梯度算子更能有效地滤除噪声并将肺部轮廓和肿瘤的大小与边缘准确地提取出来。     

基于自适应滤波的噪声图像边缘检测方法

研究图像边缘优化检测问题,针对传统边缘检测算法对噪声处理能力欠佳的缺陷,提出一种自适应中值滤波与形态学处理相结合的噪声图像边缘检测AMM算法。首先根据噪声像素点与相邻像素点的关联程度采用自适应中值滤波算法对图像进行去噪处理,保护图像的细节信息;然后运用改进的Canny算子对图像进行边缘检测,提取图像的边缘信息;最后对提取的边缘进行形态学处理,得到清晰的图像边缘。仿真结果对比表明,与目前常用的方法相比,AMM算法具有较强的抗噪鲁棒性,能较清晰地提取出图像的边缘,降低噪声对图像边缘的影响。     

形态学中闭运算功能的扩展及其应用

在基于无人机航拍图像的地震灾情分析及快报系统的研究中,需要实现动态信息图示化,这对图像处理提出了特殊需求。为此,对数学形态学中的闭运算进行扩展,提出了扩展闭运算的概念及其形式化定义,设计了扩展闭运算的实现算法,并用VC++6.0实现了算法的软件设计,应用该软件对实际图像进行处理,满足了实际需求。实践表明,提出的扩展闭运算拓展了数学形态学中闭运算的功能,具有一定的理论意义和实用价值。     

数学形态学的储粮害虫彩色数字图像分割

文章着重讨论了基于数学形态学的彩色数字图像分割算法。提出了用形态模板过滤彩色数字图像进行分割的方法。并将该方法运用于储粮害虫彩色数字图像的分割中：构造躯干模板和足与触角模板，使用两模板将储粮害虫数字图像的躯干和足与触角分割开。结果表明，这种分割算法能够获得较好的效果，为进行害虫图像的形状特征提取奠定了良好基础。     

数学形态学梯度算子检测铸铁金相图像边缘

金相图像处理是进行定量分析的前提,将金相图像中的目标物正确的提取出来对定量分析起着重要的作用.利用同态滤波器对亮度不均匀的铸铁金相图像进行滤波,校正因反射光强引起的亮度不均匀现象.基于数学形态学梯度算子提出新算法,利用预先定义的结构元素对图像中石墨边缘进行提取,之后经过后处理再进行填充.实验结果表明,该方法在保证石墨边缘的同时可以抑制噪声,能够有效提取出石墨的边界.     

数学形态学在作物病害图像处理中的应用研究

作为一种2维卷积运算的非线性图像处理方法,数学形态学的内容包括二值形态学、灰度形态学和彩色形态学。膨胀、腐蚀、开运算、闭运算是数学形态学的基础。数学形态学可用于噪声去除、边缘检测、图像分割、特征提取等图像处理问题,在图像处理领域得到了越来越广泛的应用。结合目前的研究进展,对数学形态学的分类及其在作物病害图像处理中的应用进行综合性阐述,并对数学形态学目前存在的问题以及未来的发展方向进行了讨论。     

基于数字图像处理技术实现陶瓷片在线动态检测的方法研究

为了检测水阀用陶瓷片的崩角、斑点和划痕等缺陷,利用CCD作为图像获取工具,设计了一套陶瓷片计算机数字图像实时在线动态检测系统,提出了一种基于数字图像处理技术实现陶瓷片缺陷快速检测处理的新方法:首先用中值滤波和图像二值化对陶瓷片图像进行预处理,然后采用数学形态学中的腐蚀和差集运算提取陶瓷片的边界,最后对提取到的边界进行崩角、斑点和划痕等缺陷的识别,获得了陶瓷片缺陷信息.实验表明该方法与系统具有准确可靠、效率高和处理速度快等优点.     

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。