基于灰度形态学梯度的边缘检测

数学形态学是图像处理和模式识别领域中的一门新兴学科,文中采用基于数学形态学梯度的图像边缘检测算法,利用数学形态学的基本运算,设计符合处理图像边缘特性的梯度结构基来检测局部突变信息,从而获得图像的边缘信息。     

基于数学形态学的车牌定位研究

车牌定位研究是车牌识别的基础,是智能交通系统的重要组成部分。数学形态学是建立在集合代数基础上,应用于图像处理上可以简化图像处理,可提高车牌定位的图像分析和处理的速度。文章研究了数学形态学的理论,将数学形态学用于车牌定位,并在实验中验证了有效性。     

基于数学形态学的图像噪声处理

数学形态学是一门新兴的图像处理与分析学科。讨论了数学形态学的基本运算及其性质，研究了应用这些运算恢复噪声污染图像的方法。     

基于GPU的数学形态学运算并行加速研究

数学形态学运算是一种高度并行的运算,其计算量大而又如此广泛地应用于对实时性要求较高的诸多重要领域。为了提高数学形态学运算的速度,提出了一种基于CUDA架构的GPU并行数学形态学运算。文章详细描述了GPU硬件架构和CUDA编程模型,并给出了GPU腐蚀并行运算的详细实现过程以及编程过程中为充分利用GPU资源所需要注意的具体问题。实验结果表明,GPU并行数学形态学运算速度可达到几个数量级的提高。     

数学形态学在SAR图像增强中的应用

提出一种基于数学形态学的合成孔径雷达(SAR)图像增强方法.该方法利用不同的数学形态学滤波方法对SAR图像进行去噪处理,达到对SAR图像的目标增强效果.利用数学形态学滤波思想在此基础上进行进一步的改进,将开运算和闭运算进行组合形成了一种新的滤波方法--交替顺序滤波.由处理结果可以看出,与传统的数学形态学滤波相比,该方法有较好的图像平滑和去噪能力.可为进一步进行SAR图像分割和目标识剐提供较好的基础.     

复值核结构元数学形态学二值图像实时光学并行处理

用光学实时并行图像处理与计算机的灵活特性相结合可实现数学形态学实时并行图像处理。提出了采用实时光学处理系统和复值核结构元光学频域滤波方法实现二值图像数学形态学实时并行处理     

一种基于数学形态学的图像对比度增强算法

由于数学形态学边缘提取算法优于微分边缘提取算法,故提出一种数学形态学图像对比度增强方法.利用数学形态学的相关原理,使用双梯度多尺度、多结构元素进行边缘检测,成功地实现了对模糊图像的去模糊处理实验.仿真结果表明,该方法优于拉普拉斯去模糊方法,并且提取出的图像边缘较好地保持了原来的细节特征,去模糊效果好,图像的对比度得到明显增强.     

基于数学形态学的纸浆纤维图像边缘检测方法

文中研究了数学形态学理论在图像边界检测中的应用.在分析了数学形态学运算理论的基础上,提出了一种基于形态学理论的纸浆纤维图像边缘特征提取方法.仿真试验结果表明,该方法能够很好的取出噪声,检测纸浆纤维边缘图像中的细节,定位准确、连续性好、易于编程实现并且运算速度快.     

一种快速的航空图像边缘提取方法

航空图像边缘提取对于图像的判读具有重要的辅助作用.在分析航空图像特点和形态学基本原理的基础上,提出了一种新的复合型数学形态学边缘提取算法.通过对一幅实际的航空图像的仿真实验,结果表明,该方法比传统的数学形态学边缘提取算法具有更好的抗噪能力和边缘提取效果,并且算法运算时间短.     

利用数学形态学实现车牌的快速定位

本文主要针对车辆图像中的车牌区域定位问题进行研究分析.首先介绍了数学形态学,随后根据车牌的整体和局部特征,对基于数学形态学的车牌定位方法进行研究分析,并对其加以改进,实现了车牌的快速、准确定位.