形态学结构元的递归遗传分解算法

大尺度复杂结构元对图像进行处理过程中,在运算时间和硬件实现上受到了极大限制。将大尺度结构元分解为若干小尺度结构元的组合运算,能够降低运算复杂度,便于实现。在深入研究各种分解方法的基础上,提出了基于遗传思想的递归分解算法。将原始结构元逐步分解为若干3×3大小结构元的膨胀和并的混合运算,可分解任意类型的二值结构元,而且能够并行运算,提高了运算效率和通用性,易于硬件实现。通过具体算例,验证了算法的可行性和有效性。     

形态学运算中结构元的分解

本文对数学形态学中的结构元给出了新的分解定义,同时给出了相应的分解定理、分解原则以及最小分解判定定理.     

一种形态学滤波结构元的选择方法

形态学滤波作为一种非线性滤波方法在目标提取、抑制噪声等图像处理领域有着广泛的应用。针对形态学滤波中的一个关键问题—结构元的选择,通过对结构元分解和形态学滤波运算的研究,提出了一种自适应选择结构元尺度的二值形态学滤波方法。通过实验表明该方法可以快速、准确地确定滤波中结构元的尺度,具有较强的去噪性和抗干扰性。     

自适应多结构元形态学边缘检测方法

对自适应选取结构元权值以及如何有效去除混合噪声是多结构元形态学边缘检测中尚待解决的两个问题,在深入研究各种形态学边缘检测方法的基础上,提出了基于灰度距离逻辑函数和基于边缘方差两种自适应多结构元形态学边缘检测方法。首先对原始图像进行最优阈值分割二值化,其次从灰度距离和边缘方差两个角度分别实现结构元的自适应选取,最后选择形态算子进行边缘检测。方法具有更好的抗噪性和灵活性,能更加精确的体现原有图像的边缘方向信息。通过仿真实验,验证了方法的可行性和有效性。     

基于形态学多结构元边缘提取方法的研究

通过对传统形态学边缘提取方法的分析,提出了基于形态学多结构元边缘提取算子,该算子既有良好的边缘提取特性,又可很好地解决了噪声抑制和保持图像边缘细节之间的矛盾,通过灰度加权平均值作为阈值进行二值化,更加突出了边缘效果。实验表明:基于形态学的多结构元边缘提取算子,具有较高的噪声抑制能力,能够完成复杂背景下的边缘提取。     

形态学多结构元在边缘图像提取中的研究

本文主要论述了采用形态学算子在处理有噪声图像的边缘检测的方法。通过与采用经典的边缘检测算子——Sobel、Prewitt、Canny算子的检测图像相比较,本文给出了相关的图像处理结果。结果表明在不同噪声的图像处理,多结构的形态学处理方法在抑制噪声方面都要优于其它几种算子,而且对具有复杂边缘图像的提取也有较好的效果。     

基于多结构元的数学形态学的边缘检测

针对传统边缘检测算子具有对噪声敏感、提取出的边缘细节特征没有得到很好的保持等不足,文中在 Canny 算法启发下提出了一种基于多结构元的数学形态学边缘检测算法,并经过数学形态学细化算法提取图像边缘,并与 Sobel 边缘检测算法和 Canny 边缘检测算法得到的图像边缘仿真结果进行对比,分析比较其优点不足,得出结论:文中算法得到的图像边缘其定位准确且较平滑,轮廓清晰,很好地保留了边缘细节特征,比较容易并行实现,而且由于此种边缘检测算法抗噪能力较强,能较好解决性噪比和单边缘响应之间的矛盾     

一种基于形态学多结构元的自适应边缘检测算法*

基于形态学的图像边缘检测是图像处理的新技术之一,针对形态学单结构元在边缘检测中遗漏边缘信息的问题,提出了基于多结构元的自适应边缘检测算法。实验证明,该算法在检测边缘时能够获得比单结构元检测更多的边缘信息,具有较高的效率和很好的抗噪声能力,是一种有效的边缘检测方法。     

基于形态学和支持向量的遥感图像混合像元分解

为了更好地解决混合像元问题,将自动形态学端元提取方法与支持向量机算法相结合进行混合像元自动分解。首先利用自动形态学端元提取方法寻找影像的纯净端元,此方法基于形态学理论,结合像素的光谱信息和空间信息,可以更精确地提取纯净端元。然后通过支持向量算法得到像元组分,支持向量机后验概率作为地物的组分信息。实验结果证明,这种方法具有很高的混合像元分解精度。     

一种基于多结构元形态学的图像二值化方法

利用数学形态学算法获取关于图像边界特征的二值化图像的时候,结构元素的构造和选取至关重要。常用的简单、对称的结构元素在检测边界和突出细节方面有其局限性。为了保证结构元素的有效性和适应性,采用多结构元的形态学边界二值化图像获取方法,利用八个方向角度不同的结构元素,以适用于更多的变化情况。实验数据表明,多结构元的方法在加强边界信息、突出细节特征方面取得了较好的效果,有效地突显出图像边界,减少了细节的损失。     

Decomposition of Separable Concave Structuring Functions

This paper presents a decomposition scheme for a large class of greyscale concave structuring functions from mathematical morphology. In contrast with many existing decomposition schemes, our method is valid in the continuous domain. Conditions are given under which this continuous method can be properly discretized. The class of functions that can be decomposed with our method contains all concave 2D-functions that are separable in two 1D-functions. This class contains the class of quadratic functions, that are of major importance in, for instance, distance transforms and morphological scale space. In the continuous domain, the size of the structuring elements resulting from the decomposition, can be chosen arbitrarily small. Conditions under which the discrete version of the decomposition can be guaranteed are given. For functions from the mentioned class, that can be separated along the standard image axes, a discrete decomposition in elements of n × n pixels is always possible, with n 3. The parabola fall in the atter category.     

Morphological template decomposition with max-polynomials

Template decomposition is important in image processing algorithm optimization and parallel image processing. In this paper a template decomposition technique based on the factorization of max-polynomials is presented. A morphological template may be represented by a max-polynomial, a notation used in combinatorial optimization. The problem of decomposition of a morphological template is thus reduced to the problem of factorization of the corresponding max-polynomial. A sufficient condition for decomposing a one-dimensional morphological template into a set of two-point templates is established. Once the condition is satisfied, the construction of the decomposition is straightforward. A general procedure is also given for testing whether such a decomposition exists for an arbitrary one-dimensional morphological template.     

基于随机扰动技术的多级矢量量化器优化设计

提出了一种高效的随机扰动多级矢量量化编码方案，实验证明该算法不仅能降低计算复杂度和码书存储量，而且在较高压缩比下可获得较好的图象恢复。     

噪声图像形态边缘检测的改进算法

研究了数学形态学在图像边缘检测中的具体应用，针对脉冲噪声污染的图像，深入分析了已有的抗噪型形态学差分算子的优缺点，结合对多方位形态学结构元素在边缘检测中应用的研究，提出了一种改进算法。实验表明，改进算法可以很好地去除噪声，同时较好地检测出图像边缘，改进效果明显。     

噪声图像形态边缘检测的改进算法

研究了数学形态学在图像边缘检测中的具体应用,针对脉冲噪声污染的图像,深入分析了已有的抗噪型形态学差分算子的优缺点,结合对多方位形态学结构元素在边缘检测中应用的研究,提出了一种改进算法。实验表明,改进算法可以很好地去除噪声,同时较好地检测出图像边缘,改进效果明显。     

基于多结构元的形态图像边缘检测算法

基于修正的边缘检测算子和形态滤波思想,提出一种新的多结构元素形态学灰度图像边缘检测算法。在该算法中,自适应确定权重,并将各个结构元素下的检测信息进行加权求和,得到噪声存在条件下较为理想的图像边缘。仿真结果表明所给算法效果优于经典的边缘检测方法。     

一种基于多结构元的弱对比度图像的边缘检测方法

在工业现场拍摄的图像一般对比度比较低,用传统的边缘检测方法提取的边缘特征不明显。文中提出了一种基于数学形态学的多结构元算子边缘检测的方法,对弱对比度图像进行了边缘检测实验,其结果与Sobel边缘检测算子、传统形态学梯度算子相比较,表明提出的检测算子具有检测精度高,噪声不敏感等显著特点。     

基于形态分解运算的地形图要素自动提取与识别

针对地形图识别中的要素自动分割问题，提出了基于形态分解运算的提取算法．本算法根据形态特征的不同将地图要素进行结构分解，然后运用腐蚀、膨胀、改进的RLS变换等算子对相同特征的结构进行分类综合，最后依据要素特征组合的整体分析实现了地图上各要素的提取．同以往的算法相比，本算法运算简单，且能更好的解决地图要素的重叠及粘连问题．此算法已编程实现，实验证明效果比较理想。     

一种新颖的灰度形态学算子

数学形态学方法是非线性图像处理中的一种重要方法,在二值图像处理中已获得了广泛的应用,但在灰度图像处理中的应用却相对有限,文中从形态学算子构造的角度出发,提出了一种具有较强实用能力的灰度形态学算子的构造方法。