一种新的地形图汉字注记自动提取算法

地形图中包含大量的汉字注记,为了实现地图要素自动识别,首先要将文字正确地提取出来。该文通过对汉字特征的分析,提出了一种新的汉字提取算法。首先根据地图图像的特点进行骨架运算,利用形态算子对汉字笔画进行分解,最后实现对汉字注记的笔画统计提取。该算法较好地解决了字线粘连、旋转等情况下的汉字提取问题,具有良好的稳定性。     

中文地图文字图象理解的研究

地图的识别和理解是一项复杂而艰巨的工作。本文主要针对地图的字符要素，提出了分割合并算法，实现对字符要素的特征抽取，进而实现对字符要素的分割和提取。文章最后给出了分裂合并算法的字符分割提取的实验结果。本算法也可用于其它类型图的字符分割和提取。     

基于数学形态的灰度线形态识别研究与开发

灰度线形态特征识别是许多工程模式识别系统的重要部分，该文提出了一种采用CB形态滤波的算法来提取线形态，并结合结构元素分解的方法加快图像处理的运算速度，使识别算法在速度和效果方面都得到了较大提高。     

彩色城市交通地图的道路识别与提取

地图信息的识别和提取是地理信息系统的基础。研究对彩色城市交通地图中的道路信息进行识别和提取的问题。首先采用改进的模板匹配法去除地图中图例标识对于道路提取造成的干扰;然后根据地图的特征,为清除地图中的噪音,提出了一种基于颜色聚类分析的分离地图要素的算法,将各种地图要素按颜色进行归类,并根据噪声的特征结合采用有效的噪声去除算法实现对地图中道路的识别和提取,最后结果用数学形态学的方法进行优化处理,并进行试验。实验结果表明,该方法可以取得良好的道路提取效果。     

基于CB形态学和灰度码分解的纸病检测

传统纸病检测算法抗干扰能力差、定位不准确和运算复杂,针对该问题,提出了一种基于轮廓结构元素形态学和灰度码分解的纸病检测算法。首先,采用多尺度CB形态滤波算法对纸病图像进行滤波,再进行灰度码分解,最后运用多结构元素CB形态学提取重要位面图的边缘。仿真结果表明,该算法运算简单,具有较好的抗干扰能力,并能够较准确地定位纸病缺陷。     

一种间接提取轮廓特征点的算法

该文提出了一种间接提取轮廓特征点的新算法,该算法通过对轮廓点序列在不同方向进行分解以简化运算。文中给出了算法的原理、数学基础及实现过程。最后实验表明,该算法不仅计算量小,易于实现,对特征点的定位也很准确。     

彩色栅格地图滤除背景的模糊梯度方法

在总结栅格地图特性的基础上，利用梯度边缘检测和模糊边缘检测方法的思想，采用分区域梯度模糊检测方法，克服了梯度算法对糊模要素提取不佳的缺陷，较好地实现了地图背景的滤除，并在滤除背景的前景图上采用分色和数学形态学方法，得到了所需的前景要素。通过实验证明，此方法提取的前景要素清晰度高、连续性好、处理速度快并能很好地解决粘连等问题。     

一种基于消去树的LDL分解方法及其在营销优化计算中的应用

基于分解因子消去树理论，提出一种新的LDL分解计算方法，它利用消去树结构，将LDL分解过程分为非零元素结构预测和数值计算两部分，从而有效避免多余的内存开销和数值运算．并给出其应用与One to One营销优化算法的实现方法．测试结果表明，该方法能以较少的乘法运算次数快速确定分解因子，从而大幅度提高One to One营销优化算法的性能．     

基于标签分类的道路提取算法

文中研究对彩色地图图像中的道路和区域识别提取的问题。讨论了基于标签分类的一种按颜色分离地图要素的算法，对于其结果用数学形态学方法进行优化。该算法充分利用栅格地图的颜色信息和空间信息并取得了良好的实验结果。     

小波提升变换边缘检测算法的DSP实现

提出了基于小波提升变换的改进图像边缘检测算法的DSP实现过程。本算法对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取;基于高速DSP的实现克服了传统小波变换存在的问题,很好地满足了实时性要求。实验结果表明,该方法具有运算速度快、能有效地抑制噪声、边缘检测精度高等特点,是一种有效的图像边缘检测实现方式。     

一种新的车道线快速识别算法

针对现有的的车道线识别算法在复杂环境下识别率低、鲁棒性和实时性较差的问题,提出了一种基于形态学多结构元素建模的车道线快速识别算法。该算法首先对车道图像进行感兴趣区域提取,通过Canny算子对感兴趣区域进行边缘检测,然后利用具有车道模型特征的多结构元素进行车道线提取、霍夫变换,以及峰值检测点参数的筛选,从而得到实际车道左右标识线的参数以重建原车道线。仿真实验表明,该算法能在多种复杂环境下快速、准确地识别出车道标识线,且鲁棒性高。     

基于角点弯曲度的时间序列相似性搜索算法

针对基于点距离的时间序列相似性搜索算法鲁棒性较差的问题,提出一种面向形态的时间序列近似表示方法和相似性度量算法。算法不依赖于时间序列长度和领域知识。在充分利用时间序列时变特征的基础上,以角点为分界点,利用角点处的弯曲度提取时间序列的特征,近似表示时间序列。实验结果表明,该算法具有良好的平移和伸缩不变性及较好的鲁棒性,搜索能力更强。     

数学形态学的边缘检测算法研究

边缘检测是图像处理与模式识别的一个重要图像预处理过程。传统的边缘提取方法如Sobel、Prewitt和Canny等非常有效但对噪声非常敏感。形态学边缘检测目前已成一个研究热点,但大多算法采用单一结构元素,很难对复杂边界进行有效的处理。因此提出一种基于多结构元素多尺度的数学形态学边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图像以去噪,再用多结构元素对不同方向的边缘进行提取,最后把各方向边缘融合得到图像边缘。实验结果表明,提出的算法不仅有很强的抗噪性,而且很有效的提取图像的边缘。     

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。     

一种保形的快速图象形态细化算法

骨架是一种重要的图象目标几何特征,对不同形状的图象目标,如何快速地获得其非畸变骨架,是进行图象目标的形状分析、特征提取、模式识别等应用的前提。基于数字形态学的形态细化是获取图象目标骨架的有效细化方法之一。它采用具有一定形状的预定义结构元素,对图象进行形态薄化运算,仅需进行移位和逻辑运算就能完成。但是形态细化一般使用序贯细化算法,在每次细化迭代过程中,只能采用单一的结构元素对目标进行薄化,因此存在关     

基于梯形模型和支撑向量机的非结构化道路检测

在H.Jeong的梯形模型的基础上,提出了基于梯形模型和支撑向量机——SVM（Support Vector Machine）的道路检测算法。算法先对视频中提取的图像帧进行预处理,然后采用Kalman滤波及EM算法进行处理,接着用SVM得到道路检测结果,并进行滤波处理得到最终的检测结果。由于算法采用了比BP（Back Propagation）网络具有更好的分类识别效果的SVM,所以比采用BP网络的H.Jeong等人提出的模型具有更好的检测效果。该算法在预处理部分采用脉冲耦合神经网络即（PCNN-Pulse Coupled Neural Network）消除道路上的阴影,减少了光照变化对最终检测结果的不利影响。实验表明,与H.Jeong的梯形及BP算法相比,道路的检测效果更好。     

视频帧内运动目标移除篡改检测算法

针对数字视频帧内对象被移除的篡改操作,提出了一种基于主成分分析（PCA）的篡改检测算法。首先对待测视频帧与基准帧相减得到的差异帧使用稀疏表示方法进行去噪,降低噪声对随后特征提取的干扰;其次将去噪后的视频帧进行非重叠分块,利用主成分分析提取像素点的特征并构造特征向量空间;然后使用k-means算法对特征向量空间进行分类,并将分类结果用二值矩阵表示;最后对二值矩阵进行图像形态学操作得到最终检测结果。实验结果表明所提算法的检测性能指标精确度达到91%、准确度达到100%、F1值达到95.3%,比基于压缩感知的视频篡改检测算法在性能指标上有一定程度的提高。实验证明,对于背景静止的视频,该算法能够检测出帧内运动目标被删除的篡改操作,而且对有损压缩视频具有很好的鲁棒性。     

基于形态学和活动轮廓模型的活体细胞图像分割算法

针对常用细胞轮廓分割方法人工干预较多的缺点,提出基于形态学和活动轮廓模型的活体细胞图像分割算法．利用形态学的基本操作提取活体细胞的初始轮廓,运用活动轮廓模型提取准确的细胞轮廓．实验表明该算法鲁棒性和准确性较好,能在无人工干预的情况下获取准确的细胞边缘．     

基于标记的分水岭图像分割算法研究

本文针对分水岭算法的过分割问题,设计了一种结合形态学运算的基于标记的分水岭算法.算法首先对梯度图像进行形态学开重建运算和形态学闭重建运算滤波平滑;然后去掉图像中像素个数小于20的局部极小值区域,提取前景标记;用Otsu法求阈值,对二值图像进行距离变换,分水岭分割,得到的分水线图像作为背景标记;最后用强制最小技术修改梯度图像,进行分水岭分割.实验结果表明,此方法能有效抑制过分割,得到与人工标注的分割目标更接近的结果.