形态学运算中结构元素选取方法研究

教学形态学广泛应用于图像处理和模式识别领域.针对形态学运算中的关键问题一结构元素的选择,通过对结构元素分解和形态学运算的研究,就结构元素形状、结构元素尺寸的确定提出解决方法.通过实验表明该方法是切实可行的.     

基于轮廓结构元素和阈值分割的形态学去噪

将图像分割技术应用于图像复原,提出基于轮廓结构元素和阈值分割的数学形态学去噪算法。该算法对图像进行阈值分割得到目标图像和背景图像,采用不同的轮廓结构元素滤波器算子对得到的2幅图像进行滤波并合成。实验结果表明,与其他形态学滤波算法相比,该算法有效地抑制了噪声,对主要目标的边缘细节起到了较好的保护作用。     

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。     

多结构元素彩色图像形态学边缘检测

基于数学形态学的图像边缘检测算法中,结构元素起着非常关键的作用。设计五种不同的结构元素,在文献[2]的研究基础上,提出一种改进的多结构元素彩色图像边缘检测算法,比原文献算法速度快,运行时间少。实验仿真结果表明,该算法提取的彩色图像边缘清晰,算法自身具有一定的抗噪声能力。     

数学形态学多结构元素的道路提取

提出了一种从遥感图像中提取道路的有效算法。该算法在数学形态学的基础上,针对图像中噪声和边缘形态的不同选择不同的结构元素进行道路边缘提取。实验表明,该算法具有良好的道路提取能力。     

一种应用锥形结构元素的形态学滤波器

数学形态学滤波作为一种非线性滤波方法,在抑制噪声、模式识别等图像处理领域得到了广泛的应用。本文采用锥形结构元素构造数学形态学滤波器,使得在滤去噪声同时,能保持原有图像的较丰富的细节,并通过调整结构元素参数,使滤波效果达到最佳。     

基于小波与卷积形态学结合的图像去噪的研究

提出了一种基于小波与卷积形态学结合的图像去噪算法。算法利用了小波变换的多分辨率、多尺度性,将要处理的图像分解到不同频率的多个尺度上,再采用卷积形态学的滤波技术,对分解后的子图像进行处理、小波重构。对一幅典型的含噪图像进行实验分析,证明了这种方法的可行性和有效性。     

大结构元素二值形态学基本操作改进算法

二值图像的数学形态学方法应用广泛,但当涉及的图像和结构元素较大时,操作速度变慢。针对结构元素参考点包括在结构元素中且为单一连通区域的大结构元素,提出了二值形态学膨胀操作的改进算法,首先提取待膨胀二值区域的轮廓,然后对轮廓进行膨胀,再将膨胀结果与原二值区域取并集得到总的膨胀结果;证明了改进膨胀算法与标准膨胀操作的等价性;基于膨胀与腐蚀操作的对偶关系给出了改进的腐蚀算法;给出了改进的开、闭运算算法。在80张高分辨率植物叶片二值图像上进行了腐蚀、膨胀、开运算和闭运算标准方法和改进算法的对比实验,结果表明改进算法可显著提高二值形态学处理的速度。     

基于多结构元素的数学形态学的遥感图像边缘检测方法

提出了一种边缘检测的有效算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多结构元素，利用灰度形态变换原理进行边缘提取。实验表明，与经典的边缘检测算子相比，该算法具有很好的边缘提取能力，但其抗噪能力较差。为此，探讨性地提出了基于小波变换和数学形态学相结合的边缘提取方法。     

基于PCA的图像小波去噪方法

目前使用的各种小波去噪方法基本上都是建立在对噪声方差精确估计的基础上，而对噪声方差的精确估计是很困难的．提出了一种采用主分量分析（PCA）提取小波系数的主要特征，通过对小波域中噪声能量的估计来实现去噪的新方法．首先利用PCA对小波高频子带进行局部特征提取；然后以主分量对小波系数进行重建的平均能量作为局部噪声能量的估计；将原小波系数的能量减去噪声能量，就得到去噪后的小波系数；最后用小波逆变换对剔除噪声分量后的小波系数进行恢复得到去噪后的图像．本文算法无需对噪声方差进行估计，因而更具实用价值．本文算法与“软阈值”、“硬阈值”去噪方法相比，峰值信噪比（PNNR）提高了2～8dB．实验证实了本文算法良好的去噪性能。     

基于小波模极大值和Neyman-Pearson准则阈值的图像去噪

首先给出了2维噪声的小波变换特性,分析图像小波变换模的极大值与小波分解级数j和李氏指数之间的关系,指出如何确定和保护图像的边缘;接着阐述了基于软、硬阈值的图像正交小波变换去噪法,然后提出一种基于Neym an-Pearson准则的小波阈值的确定,从而又提出了一种基于小波模极大值和Neym an-Pearson准则阈值的图像去噪方法,解决了图像去噪和保护图像边缘这个“两难”问题。针对期望图像叠加了不规则噪声的假设,对几种去噪方法做了定性比较,并给出了去噪性能的定量分析,仿真结果表明,此方法能提高去噪后图像的信噪比,使评价原图像与去噪后的图像近似程度的方差和相对熵为最小,同时能很好地保留原始图像的边缘信息。     

图像去噪中的有限元求解方法

提出一种图像去噪中的有限元求解方法.从P-M模型出发,利用双线性插值得到图像在任意点的灰度值,将该值作为初始条件,采用有限元法对模型进行分析求解.在相同的时间间隔与迭代次数的条件下,该方法的求解结果与传统的有限差分法相比,平滑去噪和保持边界的效果更好,峰值信噪比有较大提高.     

基于改进双域滤波的视频降噪算法

传统的视频降噪滤波在空域或者时域中进行,若视频中的噪声过大,其滤波效果较差。最新的有着较高性能的BM3D算法必须进行块匹配处理,且对于部分有着平滑过渡色彩的图像并不适合。基于双域滤波算法提出了一种改进的算法,其更加适合视频降噪。通过空域和频域分别对分层图像进行降噪, 有效地滤除 大噪点和小噪点,在时域上的双边滤波不仅提高了滤除噪声的能力,而且更好地保留了图像边缘特征。仿真实验表明,改进的双域滤波视频降噪算法在PSNR值上较DCT算法提高了约1dB,与原双边滤波算法相比,无论是在主观视觉还是客观评价上,所提算法均有较好效果及优势。     

基于小波阈值的图像去噪

研究了图像优化问题,图像中噪声经常会影响图像的清晰度,造成图像模糊等。为了更好的去除图像噪声并较好的保留图像细节信息,选取合适的小波阈值去噪法。比较了小波软、硬阈值去噪法与基于SURE阈值去噪法,选取较佳的图像去噪法。在Matlab上仿真结果表明,基于SURE阈值去噪法有效提高了图像去除噪声能力,保留较好的图像细节。     

基于MATLAB的数字图像去噪处理

数字图像处理在生活各领域有着广泛的应用,随着社会对图像传递信息的要求越来越高必然使数字图像处理进一步发展,而预处理中的噪声处理是其关键一个环节.图像去噪已形成均值法、中值法、维纳滤波等经典方法,但这些算法在处理噪声时却带来一系列的细节缺失以及因方法繁多导致花费大量时间选取算法去针对特定的噪声,而且不一定能得到理想效果.从实践中分析了均值法、中值法、形态学三种处理噪声的效果,并结合仿真结果调整参数得到更好质量的图像,最终结果表明,形态学处理噪声更具有普遍性和优势.     

基于EMD-CLEAN的图像去噪方法

噪声的存在会影响对图像中有用信息的提取。针对经验模态分解(Empirical Mode Decomposition, EMD)方法噪声抑制后图像质量下降的问题,提出了一种基于EMD-CLEAN的图像去噪方法。首先利用EMD对含噪图像进行分析,将其自动分解为一系列本征模函数(Intrinsic Mode Function...     

基于偏微分方程的医学图像去噪

图像去噪是图像处理的重要组成环节,近年来,偏微分方程的图像去噪方法得到了广泛的关注。本文从经典的图像去噪方法入手,引入了基于偏微分方程的正则空间模型,并结合TV滤波器的设计,给出了一种针对医学图像去噪的方法及其实现,最后通过实验对结果加以比较分析,证明这种方法应用于医学图像去噪,得到令人满意的结果。     

基于小波变换的图像去噪

与传统的傅里叶变换去噪相比,小波能去噪同时保留图像细节特征。针对较好的小波去噪,本文研究了小波阈值去噪的阈值函数选取,阈值大小确定和小波去噪方法。     

基于Cycle-spinning的多帧图像Contourlet去噪

本文提出一种改进的Cycle-spinning多帧Contourlet域图像去噪算法。根据视频序列连续帧间存在的运动信息,使用帧间位移矢量来代替平移技术对图像进行Contourlet去噪,基于帧间相关性不同的特点,改进Cycle-spinning变换为加权平均以消除伪吉布斯现象。实验结果显示该方法能有效去除各种类型的图像噪声,保留图像的细节和纹理信息,峰值信噪比(PSNR)有显著提高。