基于数学形态学的包覆层表面缺陷检测方法

包覆层表面缺陷的检测是保证发动机装药质量的重要手段。针对采集的包覆层表面缺陷图像,利用数学形态学的顶帽与低帽变换相结合的方法进行了缺陷特征增强,采用高低阈值的方法实现了缺陷图像的分割,得到了二值化图像,并通过中心半径标定,得出了有效检测区域,计算出了缺陷的大小和位置,检测结果表明,该方法的位置检测精度小于0.4 mm,检测分辨率可达到Ф0.5 mm,尺寸检测精度小于0.2 mm。     

基于数学形态学的红外图象分割方法

阐述了数学形态学的基本思想和基本运算,研究了将形态学方法应用于图象分割的方法,利用形态学梯度对红外直升机图象进行边缘检测,并与其它几种分割方法进行比较。结果表明,数学形态学是一种有效的图象处理工具,具有良好的准确性和稳定性,有很强的实用价值。     

一种复杂背景下的目标分割算法

自动目标检测是图像精确制导技术的重要研究内容.针对地面复杂背景条件下目标难以检测的问题,提出一种结合灰度形态学滤波与直方图独立峰搜索的目标分割方法.首先,对复杂背景下的图像进行形态学滤波和增强,增强目标和背景的灰度对比度;然后利用文中提出的图像直方图独立峰搜索方法确定图像阈值,对图像进行分割.实验表明:文中方法是有效的,对复杂背景下的目标图像可取得较好的分割效果.     

基于数学形态学的snake模型图像分割

基于数学形态学的snake模型图像分割算法,先用数学形态学得到形态学图像的梯度,再对其进行二值化处理得到snake算法的初始轮廓,然后用Greedy algorithm进行图像分割.试验证明该方法可提高图像分割的运行效率,又可取得较好的图像分割质量.     

基于数学形态学的巡航导弹规划空间构建方法研究

对巡航导弹航迹规划中规划空间的构建问题进行了研究。提出一种基于数学形态学的规划空间构建方法,它利用数学形态学方法计算的特征,能有效地对初始战场环境中的大规模空间数据进行处理,得到可用的航段集和节点集。仿真结果表明该方法生成的规划空间小,为航迹规划的时效性提供了支持。     

基于形态学与灰度模态分析的阴影去除方法

针对采集图像中物体附近可能会形成阴影而造成干扰的问题,提出一种利用形态学修复方法和经验模态分解（empirical mode decomposition,EMD）技术实现阴影去除与目标图像的准确提取的方法。采用背景差分和二值图像形态学修复方法检测出含有目标及其阴影的区域,利用经验模态分解方法对该检测区域的灰度直方图曲线进行处理,获取灰度模式变化信息,将搜寻到关于目标及其阴影分割的双阈值水平,结合到形态学修复以实现阴影区域的去除,并以汽车及行人图像处理的实验进行验证。实验结果证明：图像中的目标阴影得到有效去除,该方法具有良好的适应性,能够获得准确的目标检测效果。     

智能车辆中非结构化道路检测技术的研究

由于非结构化道路环境复杂的特点,非结构化道路边界检测和分割对于智能车辆的道路检测和识别是非常重要的.针对非结构化道路多样性和复杂性,首先对道路图像进行HIS空间变换,减少光照条件的影响.通过利用基于标记的分水岭分割算法对道路图像进行处理,比较几种标记算法,数学形态学效果最佳.最后,利用算法对实际的非结构化道路图像在matlab软件平台进行了仿真实验,证明算法具有一定的实用性.     

复杂天气和环境下交通标志图像特征匹配技术的研究

交通标志的检测和定位是辅助驾驶和无人驾驶的重要研究方向.面对交通标志所处的复杂环境,文中通过添加各种噪声、旋转角度、遮挡物等方式模拟现实环境的随机性、复杂性和动态性,并利用5种局部特征算法进行特征匹配效果比较与分析.考虑特征点数量、匹配数量和运算时间3个指标,说明SURF和KAZE算法优势明显.为了适应复杂多变的环境,弥补SURF和KAZE算法的缺点,将二者有机结合,大大提高了匹配效果鲁棒能力、抗噪声能力.最后,通过仿真平台进行了大量的仿真实验,证明SURF-KAZE算法的有效性.     

基于形态学的运动车辆检测技术的研究

对交通视频中的运动车辆进行图像灰度转换和滤波处理.根据道路中运动车辆的形态学特征,利用形态学运算,减少其他目标的干扰,对车辆目标从道路中进行分割.利用图像像素的连通性,对车辆进行标注,实现车辆的检测.算法在MATLAB平台中仿真实验,证明算法具有一定的实用性和准确性.     

基于数学形态学的RTR图象边缘检测

发动机药柱脱粘扩展图像和气泡扯裂初始图像边缘检测,采用基于数学形态学的RTR图像边缘检测系统.先将X摄影的图像信息经高速处理器转化成数字图像信息,用运动分析软件将MAW文件转换为TIFF文件.再将TIFF文件转换为BMP文件,用结构元素构造的边缘形态检测算子进行边缘检测,用Grad4提取图象边缘信息.     

基于均匀色差的彩色图像分割方法

基于均匀色差的彩色图像分割方法,结合模式识别理论的自动聚类彩色图像分割.其图像首先被转化到L*a*b*颜色空间,进行初始化并确定聚类中心.然后计算像素到聚类中心的色差,进行聚类.之后计算新的聚类中心,反复迭代,直到符合终止条件,得到最终分割结果.实验证明,该方法可很好实现彩色图像的自动分割.     

基于形态学和直方图分析的多源图像目标分割算法

提出了一种兼具形态学和直方图分析方法优势的多传感器图像目标分割算法。首先根据图像内在属性用指定直方图方法进行图像增强,利用图像区域直方图统计描述子特征进行目标区域检测;然后分别对红外图像应用形态学重构,对激光雷达图像应用局部阈值法进行目标轮廓估计,再将各传感器图像获得的兴趣区域进行交叉验证,排除背景干扰;应用动态边缘演化技术最终确定目标边缘。对复杂场景的多传感器图像测试表明,该算法较好地保留了目标的形状特征,是一种有效的多目标分割算法。     

基于面部检测和可变ROI灰度投影的驾驶员眼睛精确定位方法研究

提出一种基于面部检测和可变ROI(Region of Interested)灰度投影的驾驶员眼睛精确定位方法.用该方法通过肤色检测确定面部ROI和人眼矩形ROI,在ROI内对图像进行阈值二值化变换,接着对二值化后的人眼图像进行腐蚀、膨胀操作;对膨胀后的双眼进行垂直积分投影,并进行垂直ROI分割;分别在垂直ROI内对左、右眼进行水平投影,分别获得左、右眼睛的精确定位坐标.这种方法可有效克服由背景、头发、眉毛、睫毛、面部灰度分布不均、脸部旋转产生的干扰.试验证明方法具有相当高的实时性和准确性.     

一种基于混沌特性的网络流量改进预测算法

高速网络中网络流量具有自相似特征,这种自相似性特征和混沌现象的吸引子有着密切联系。基于相空间重构理论,用网络流量混沌时间序列重构与原网络动力系统等距同构的相空间,通过计算网络关联维数、Kolmogorov熵和最大Lyapunov指数,证实网络流量具有混沌特性。分别采用基于Wolf原始算法和改进算法的最大Lyapunov指数方法,对网络流量进行了预测,并计算了最大可预报时间。仿真结果表明,基于Wolf改进算法的预测方法精度和可靠性高,从而为有效预防网络拥塞奠定了基础。     

交通视频中运动车辆检测和跟踪技术的研究

提出了利用高斯混合模型和Blob分析相结合进行运动车辆检测和跟踪.利用高斯混合模型,对背景模型建模,提取前景图像.通过数学形态学对图像进行修正,消除噪声.利用Blob分析算法对运动车辆进行检测和跟踪.通过MATLAB软件进行仿真实验,证明算法具有一定的实用性.     

基于形态学与聚类相结合的图像特征提取方法研究

利用可见光图像进行军事侦察与制导时,目标往往掩盖在复杂背景中,难以准确识别,研究一种能准确提取目标特征的图像处理方法就成为图像精确制导的关键。文中提出了利用数学形态学的方法先确定目标范围,然后结合聚类方法进行小目标精确检测的算法。实验证明这种算法在背景复杂、目标可视面积较小的情况下,仍可以精确识别目标。该算法克服了聚类运算速度慢的缺点,从而能够快速的、准确地将目标提取出来,且具有良好的适应性。