数学形态学的图象分割算法

图象分割在图象分析、机器视觉、目标识别中都将直接影响到后续的理解和识别工作。本文着重讨论了基于数学形态学变换的图象分割算法，提出了基于图象最大内切圆的数学形态学形状描述图象分割算法和基于目标最小闭包结构元素的数学形态学形状描述图象分割算法。     

关于彩色图象处理的形态学算子研究

彩色形态变换是数学形态学从灰度图象到彩色图象的推广,基于ＲＧＢ（ｒｅｄ－ｇｒｅｅｎ－ｂｌｕｅ）彩色坐标系统,提出了彩色形态变换的理论,并讨论了它们的性质,进而建立了彩色形态变换与灰度形态学的联系,彩色形态变换作为一种数学形态学方法在彩色空间的延拓,可有效地应用于彩色图象处理、图象编码和目标形状特征提取等。     

数学形态学中结构元素的分析研究

1.引言数学形态学是研究数字图像形态结构特征与快速并行处理方法的理论,它通过对输入图像的形态变换实现结构分析和特征提取的目的。1982年,J.Sem的专著《图像分析与数学形态学》问世后,数学形态学在图像处理、模式识别和计算机视觉等领域引起广泛的重视和应用,这些应用反过来又促进了它的进一步发展。     

数学形态学在工程线图计算机处理中的应用

在工程CAD中 ,需要将表示资料数据的线图进行计算机化处理。将基于数学形态学的图像处理方法应用到线图的处理中 ,经过扫描线图得到二值化图像 ,应用形态学方法进行细化、噪声消除、断线修复和曲线连续化等一系列处理 ,作为线跟踪操作及矢量化处理的预处理阶段。     

数学形态学在车牌自动识别中的应用

介绍了数学形态学的基本运算及其在车牌自动识别中的应用，讨论了数学形态学在汽车图像处理中存在的问题和进一步研究的方向。     

基于数学形态学分形几何图的产生

我们已经讨论过采用概率逻辑神经网产生一类自（互）相似（分形）图的方法，本文将采用数学形态学的方法，产生类似的分形几种图，并讨论不同产生方法所具有的特点。     

一种基于数学形态学的小目标检测方法

提出一种基于数学形态学的远距离红外小目标自动检测的新方法，构造了由几种形态学运算组成的非线性算子。结合刚性小平面的三维分析技术，可快速检测红外图像序列中静止或运动的小目标。经实验证明，与传统的小目标检测算法相比，该方法具有速度快，抗噪性好等方面的优越性。     

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。     

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。     

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。     

数学形态学在数字图像处理中的应用研究

传统边缘检测算法由于对噪声敏感,难以准确提取图像边缘,导致图像处理效果不佳.基于传统数学形态学算法中结构算子的方向性和尺寸几何的基础上进行算法改进.针对抗噪型碰撞腐蚀形态学边缘检测算子结构元素特征,采用不同大小结构元素组合来提取边缘特征,有效保证了图像细节的同时去掉较大噪声点.根据结构元素的方向性,利用同向结构元素图像的匹配来检测各边缘信息,确保不同向边缘信息的完整度.通过比较文本改进算法与传统的边缘检测算法对图像边缘检测效果表明:本文提出的改进算子在处理较大图像边缘检测时具有更快的检测速度,且图像边缘光滑,细节清晰,具备了更强的抗噪性能.     

彩色图像形态学的研究及其应用

基于对彩色图像形态学的研究,提出一种面向RGB颜色空间的距离和字典序相结合的颜色向量序,给出基于所定义像素序实现的彩色图像形态学膨胀、腐蚀、开和闭算子。把灰度图像形态学重构及一种边缘增强和噪声清除的算法推广到彩色图像。实验结果表明,基于向量序实现的彩色图像形态学的基本算子性能良好,边缘增强和过滤的效果较好。     

基于数学形态学的快速运动物体检测

本文根据数学形态学理论,提出了一种快速运动物体检测的新方法。与帧间变化检测法相比,新方法不仅能检测出静止背景下的运动物体,而且还能检测出复杂背景下的快速运动物体,并能提供运动方向信息。     

PCNN与数学形态学在图像处理中的等价关系

揭示了有生物学依据的脉冲耦合神经网络(PCNN)与数学形态学之间的本质关系,并以颗粒分析为例进行了具体的分析,得到了文中提出的PCNN颗粒分析方法完全等价于一定结构元素下的数学形态学方法的结论．研究表明,PCNN进行图像处理时用到的脉冲并行传播特性完全等同于数学形态学中一定结构元素下的腐蚀运算,从而为数学形态学与PCNN之间的研究架起了桥梁．     

基于数学形态学与Hough变换的乐谱谱线探测算法研究

数学形态学是综合了多学科知识的交叉学科,是一种非线性的图像分析理论,己成为图像处理的重要工具之一。文章简单介绍了数学形态学和二值形态学的基本运算—腐蚀和膨胀,并提出了基于数学形态学的乐谱谱线探测算法。实验结果证明,与Hough变换探测直线算法相比,该乐谱谱线探测算法具有运算速度快、效率高、抗噪声能力强等优点。     

基于模糊形态学的应变片去噪

抑制应变片图像采集和传输过程中的噪声,是实现应变片识别和精确安装的关键技术,针对形态学去噪时会导致图像细节模糊的特性,本文引入模糊形态学,根据隶属度来对图像进行划分,将分类的图像像素值分别进行对应的模糊形态学操作,然后在此基础上再对整幅图像进行模糊形态学的开闭平滑来实现对图像的去噪滤波。仿真实验证明该方法可以有效的去除噪声,而且不会对图像的边缘细节造成模糊。     

基于Sugeno模糊积分的形态学彩色图像处理

在Sugeno模糊积分和柔性多结构基础上,提出新的彩色图像形态学滤波器和边缘检测方法。基于Sugeno模糊积分的评价值进行彩色图像点的矢量排序,通过结构元素的比较分析,得出柔性多结构元素抗噪声能力更强。与基于HSV矢量排序的方法比较,基于Sugeno模糊积分矢量排序的形态学变换效果更好。实验表明,新的形态学算法比经典形态学算法能更有效地去除图像的噪声和获取彩色图像边缘,保留图像细节。