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。     

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。     

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。     

乐谱图像乐符分割技术*

提出基于图段拓扑关系的谱线删除方法,以避免谱线过删除现象;提出双向游程编码结合使用的符干分割方法,克服了现有方法对复杂音符适应性差、分割结果不完整等缺陷;提出音符先验知识引导下的符头切割与检测算法,以解决粘连符头的切分问题;提出基于块状体分割和特征检测的符梁分割算法,设计了适用于乐谱版面的文字和线条提取算法。该方法应用在乐谱识别系统中分割乐符具有良好的性能,尤其对乐谱内容复杂、乐符排列密集等情况有较强适应能力。     

基于局部二进制模式的乐谱谱线检测与删除

谱线检测与删除是光学乐谱识别中重要和关键的环节之一。在乐谱中,谱线往往与大多数符号交叉或重叠,即存在像素属于谱线像素同时也属于符号像素的情况,因此删除谱线并且不破坏音乐符号并非易事。研究目标是需要删除仅仅属于谱线的像素,观察乐谱图像可以发现谱线像素与非谱线像素局部纹理存在差异,主要表现为谱线像素的局部纹理与谱线宽度相关,简洁明了,而非谱线像素的局部纹理除了存在仅与自己本身相关的情况,还存在与交叉点相关的情况。因此,采用局部二进制模式通过提取局部纹理特征,获得谱线像素与非谱线像素局部纹理的差异,对谱线与非谱线像素进行检测分类,进而将谱线像素删除。该方法不仅可以删除理想状态下乐谱谱线,对弯曲状态下乐谱谱线同样适用。实验结果证明了该方法在像素误差、片段误差等性能指标上优于现有常用方法。     

基于形态学串行运算的CMUT水下扇形扫描探测

针对水下扇形扫描范围广、图像数据量有限引起的重建图像远场末端"裂缝"问题,本文在双立方漏点像素插值处理的基础上,提出了一种线性元素开运算和椭圆体元素闭运算的形态学串行算法,用于对重建图像的填充滤波.为了验证优化方法的性能,制定了CMUT阵列水下扫描探测方案,并搭建了相应探测系统,实验验证了该形态学串行运算算法实现了重建图像的填充,提高了信噪比和连续性,为水下探测目标识别提供有力依据.     

基于数学形态学和记谱法的数字乐谱音乐信息提取

从图像处理的角度,对乐谱记谱法的基本规则进行了分析.利用记谱法符号图元之间的结构关系,运用数学形态学的基本算法,提取数字乐谱的音乐信息,从而将音乐信息转化为MIDI文件,实现音乐乐谱的重构和提供乐谱传播的音响载体.实验结果表明,系统对钢琴乐谱的音乐信息提取的正确率达到了94.4%,能满足实际应用的需要,为音乐数字图书馆、音乐教育、音乐理论分析等提供了新的途径.     

基于数学形态学的带障碍约束的空间聚类算法研究

该文提出了一种基于数学形态学的带障碍约束的聚类算法。通过数学形态学的膨胀运算,进行连通区域的寻找,同时借助于进行膨胀运算的结构元素,确定障碍物与连通区域是否相交。算法与DBCluC算法不同的是:通过结构元素,大大减少了需要进行相交判断的点的数量,具有较高的时间效率。     

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.     

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。     

多方向灰度形态学边缘检测算法

本文介绍了基于灰度形态学的多方向边缘检测算法.基于边缘的多方向特征,构造了多方向的结构元素,并将边缘检测的过程与形态学开闲滤波相结合,提出了一种新的边缘检测算法.该算法在较好地检测图像边缘的同时很好地抑制了噪声.     

改进的模糊形态学边缘检测算法

提出了一种新的基于模糊形态学的边缘检测算法。算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取。实验结果表明该算法优于传统的边缘提取算法。     

基于数学形态学的医学图像分割方法研究

文章介绍了医学图像处理中的医学图像分割的有关概念和数学形态学进行图像分析的基本步骤,重点论述了几种医学图像分割方法和基于数学形态学的分水岭分割算法,并给出了该算法的优点。     

地形图点状虚线的自动矢量化研究与实现

虚线的矢量化一直是地形图自动识别的难点之一。文章通过人眼对虚线视觉感知特性的分析，提出了基于点与点之间相互作用的视觉组织模型。根据感知的类似性对地图图像进行形态滤波，然后运用有界深度优先搜索法生成初始种子段，提出可变形模型迭代算法实现对虚线的自动跟踪矢量化。从理论分析及实验结果得出，本算法是行之有效的，具有稳定性好、易于实现的特点。     

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。     

融合小波变换和新形态学的含噪图像边缘检测

针对图像边缘检测中,滤除图像噪声并有效保留图像边缘信息这一研究,提出了一种融合小波变换模极大值法和新型改进的数学形态学的含噪图像边缘检测方法。首先介绍了基于小波变换模极大值的图像边缘检测算法;然后提出了一种新型改进的数学形态学检测算法;最后为了综合两种算法的优点,应用新的融合方式将两种方法的检测结果融合到一起,提出一种融合小波变换和新形态学的含噪图像边缘检测方法。实验结果表明,提出的融合检测算法相比于单独使用小波变换模极大值或数学形态学算法,能更有效地抑制噪声,提高边缘检测效果。     

基于形态滤波的小波融合图像增强算法

研究图像优化问题。针对目前常用的空域或频域图像存在各种噪声干扰降低了图像的清晰度,为了在降低图像噪声,保护图像细节和边缘信息,提出一种形态滤波的小波融合图像增强算法MWF。首先分别采用巴特沃斯低通滤波和形态学高帽处理对含噪图像进行滤波,得到两幅过滤的图像,再将这两幅图像分别进行离散小波变换,然后利用变换结果在小波域内依据融合规则进行融合,最后对融合结果进行反变换得到清晰的图像。得到的图像是通过空域滤波和频域增强方法的结合,综合了两种方法各自的优点,仿真结果表明,MWF算法对混合噪声干扰有较好的抑制作用,并实现了图像增强的效果,为图像优化提供了依据。     

基于数学形态学的彩色噪声图像边缘检测算法*

针对已有的数学形态学边缘检测算法对彩色噪声图像检测到的彩色边缘信息不够完整、清晰,提出了一种基于HSI色彩空间的多尺度多结构元的数学形态学边缘检测算法,采用以尺度和结构两个单位元素进行横向和纵向的拓展,以面的形式对彩色噪声图像进行全面的边缘检测。基于这种理念分别对H和S两个携带颜色信息的分量进行边缘检测,最后将两分量的边缘信息通过加权合成得到彩色图像的彩色边缘。实验证明,该算法的去噪效果明显,得到的彩色边缘轮廓清晰、细节丰富,对彩色边缘的提取具有可行性和有效性。     

基于形态学滤波的相关跟踪算法研究

相关匹配算法是光电跟踪领域的经典算法之一。首先利用基于梯度调整的平均灰度法进行图像分割,得到二值化图像,其次对该图像利用数学形态学进行图像滤波,在此基础上设计出一种新的相关匹配算法进行电视红外图像跟踪,实验结果表明该方法具有很强的抗干扰性,可用于复杂背景下的目标跟踪,可用于实时图像处理中。     

基于多尺度带限的自适应直方图均衡和数学形态学的医学 X 射线图像对比度增强算法

医学 X 射线图像是临床上应用最广泛的影像之一。由于需要采用低剂量的 X 射线进行成像,而 X 射线 图像存在一个本质的缺陷,就是低对比度。所以,在临床应用中,往往需要对图像对比度进行增强处理。根据 X 射线图像特性,文章提出了基于多尺度带限的自适应直方图均衡和数学形态学的 X 射线图像对比度增强算法。首 先,采用拉普拉斯高斯金字塔变换把图像分解成高频和低频的不同尺度子波段图像;然后对每塔层高频子图像应 用对比度带限的自适应直方图均衡进行处理,相应的各塔层低通子图像使用数学形态学进行增强处理;最后,各 塔层经过增强处理的高频和低频系数,通过拉普拉斯高斯金字塔的逆变换重构出对比度增强的图像。增强图像再 经全局非线性算子进行对比度的增益调整,获得自然的视觉效果。实验结果表明该算法有效地增强了医学 X 射线 图像的对比度,并通过图像对比度评价标准和对比度改进索引度量算法来分析及对比了算法的性能。