结合分水岭和互信息的医学图像自适应分割方法

针对现有的改进分水岭算法中对弱边界分割精度不高、计算复杂及梯度谷底阈值不能自适应选取等缺点,提出一个结合互信息的自适应医学图像分割方法。首先通过形态学滤波和高斯平滑滤波来增强图像的边缘区域和抑制图像噪声;然后经过多尺度形态学梯度的谷底填充算法来减少分割区域块数,同时利用基于数学形态学的多元图像边缘检测算法来提取图像的边缘对获得的梯度图像进行修正;通过引入互信息量对填充的阈值进行自适应调整实现控制分割区域的数量,最后实现自动优化分割。实验结果表明,该方法最大程度保留了图像的弱边缘信息,参数选取更加合理,自适应程度提高。     

痰液显微图像细胞边缘提取的数学形态学新方法

根据痰液细胞图像的边缘灰度变化特点,在经典微分算子检测基础上,运用适当的改进的数学形态学方法对痰液细胞进行边缘提取。在实验中对同一幅痰液细胞图像分别用Sobel算子、Roberts算子、Laplacian算子和基于数学形态学的方法进行边缘检测。结果表明,基于数学形态学的边缘提取算法对于痰液细胞图像边缘提取有很好的效果。     

基于数学形态学的车牌分割算法

该文提出一种基于数学形态学的车牌图像分割算法。首先,对原始车牌图像进行预处理;然后,利用一种抗噪型数学形态学边缘检测算子进行车牌边缘检测;最后,去除图像水平噪声,结合水平、垂直投影进行定位。实验表明,该方法不仅算法简单、准确度高,且适于对有噪声及背景复杂的车牌图像进行分割。     

小波多尺度分割算法在细胞图像上的应用

关于数字图像优化分割问题,由于医学病理研究需要准确测量细胞面积大小.针对细胞图像结构特点,以及临床医学形态参数测量精度要求,对传统边缘检测算法进行了改进,采用先行自适应平滑滤波的方法,提出了一种基于3阶B样条双小波多尺度边缘检测的技术方案,利用小波的边缘检测算法对典型稀疏细胞进行边缘检测,之后综合利用图像形态学、阀值分割技术等分割出感兴趣细胞,最后采用形态学方法进行测量仿真,结果得到细胞形态参数,并对测量值与实际值进行比较,结果显示绝对误差小,满足临床要求.     

基于分数阶微分和形态学多级合成的岩石节理裂隙图像分割

岩石节理裂隙形状复杂且无规则,图像中带有大量噪声,利用传统的图像分割方法很难达到很好的分割效果。提出了一种基于分数阶微分和数学形态学多级合成的边缘检测方法。首先对岩石裂隙图像进行噪声滤除、图像分割、空腔填充、短枝去除等操作,然后使用分数阶微分的方法进行预处理,最后采用改进形态学多级合成方法得到结果。实验结果表明,该方法与传统算子相比,对岩石节理裂隙图像具有较好的边缘检测能力和抗噪性。     

基于遗传算法和数学形态学的木材分选图像分割研究

在木材分选过程中,能否精确提取缺陷轮廓是提高分选准确率的重要因素。本文讨论了提取木材缺陷轮廓的疗法,应用了遗传算法与数学形态学4相结合的方法对缺陷图像进行图像分割,最终提取出缺陷边缘,开与使用他统方法进行图像分割后提取出来的缺陷边缘结果相对比。对比结果显示,经过遗传算法和数学形态学进行图像分割,最后得到的小材缺陷轮廓更加消晰,连贯,易于识别。     

基于机器视觉的非结构化道路检测算法研究

提出了一种提高非结构化道路边缘检测实时性和准确性的算法。该算法中首先对原始道路图像进行中值滤波,抑制随机噪声,并选择基于双峰法的多阈值Otsu方法进行图像分割,使分割效果和分割时间得到优化。通过Canny算子进行初次边缘检测,然后,采用数学形态学修正,从而得到完整、清晰的道路边缘图像。仿真结果表明:该非结构化道路检测方法具有良好的实时性和准确性。     

基于改进的数学形态学医学影像分割算法

研究图像优化分割特征提取问题,医学影像图像分割速度慢,特别是图像分割后分辨率低,清晰度不高.为解决上述问题,结合数学分析方法,提出了改进的形态学医学图像分割算法.在医学图像分割之前,采用sobel边缘检测算子对图像边缘进行预处理,利用数学形态学开运算型边缘检测算子对图像边缘锐化,利用邻域平均与中值滤波方法平滑图像.最后得出最终分割后的图像.仿真结果表明,提出的算法,能够更好的保留医学图像分割的边缘信息,提高的医学图像的分辨率,具有一定的实用性为分割图像提供了参考.     

基于形态学方法的胃癌病理细胞图像的边缘检测

为了进一步用流域分割和图像信息融合的方法对于细胞形态的分析与识别打下基础，提出了利用形态学原理进行胃癌病理细胞图像灰度化边缘检测，并获得了实验性结果。通过与传统边缘检测方法进行结果对比，证明了形态学方法在医学病理细胞图像边缘检测研究的优势，同时结合图像纹理特点，对影响图像边缘检测的各种结构元素和灰度阈值进行了讨论。     

机车受电弓滑板磨耗的图像处理算法研究

将图像处理算法引入机车受电弓滑板的磨耗检测中,提出一种检测受电弓滑板实际厚度的测量算法。由于直接对图像进行边缘检测易受噪声、光照等因素影响,通过Hough变换对图像进行水平校正,由模糊聚类算法进行图像分割以去除光照不均及噪声的干扰,对分割后图像采用Canny算子精确提取滑板的边缘信息。考虑提取边缘的不连续性,引入结合数学形态学的边缘生长方法实现不连续边缘的连接,通过图像标定计算出实际滑板磨耗厚度。     

改进的形态学和小波变换边缘检测算法研究

针对传统数学形态学边缘检测算法存在的图像噪声干扰、边缘分辨率较低等问题,提出了一种基于数学形态学与小波变换方法相结合的边缘检测改进算法。在小波域中,对图像分解的弱边缘进行适当的加强,对低频系数采用模极大值法进行边缘处理,对边缘细节比较多的高频系数采用基于多尺度的双结构元素数学形态学算法进行边缘检测,最终得到图像的完整边缘。实验结果表明与传统的小波变换边缘检测法以及数学形态学边缘检测等方法相比,此种算法更能有效提取准确的边缘信息,而且又具有很强的抗噪性,是一种有效的边缘检测方法。     

基于等周算法的图像分割

采用一种基于图论的等周算法对图像的分割进行了研究。首先利用等周算法对静止图像进行分割,并与边缘检测和区域检测的两种分割方法进行结果比较;接着利用等周算法并结合数学形态学处理对图像序列的分割进行了研究。实验结果表明：等周算法不仅可用于静止图像的分割,也可应用于图像序列的分割。基于等周算法可获取更为精确的分割结果,是一种快速的图论分割方法。并且结合形态学处理可对低对比度的目标获取好的分割结果。     

图像边缘分割算法的优化研究与仿真

研究图像边缘分割问题,提高分割的准确性.针对图像中物体像素与其边缘像素容易发生像素粘连,粘连部分由于发生像素灰度混合,造成像素差异极小,传统的基于灰度的边缘检测算法由于不能很好的区分粘连部分的灰度差异,不能完整检测图像边缘的问题.提出了一种离散余弦变换(DCT)和数学形态学边缘分割算法.通过对提取过的特征图像在同一尺度下用多个结构元素分别对图像进行边缘分割,经过合成得到多尺度多结构元素形态学检测的边缘图像,摆脱分割算法对像素灰度的依赖.仿真结果表明:方法具有较好的抗干扰性和定位准确性,分割的边缘更为完整准确,取得了令人满意的效果.     

基于数学形态学边缘检测的车牌字符分割算法

汽车牌照字符分割是车牌识别过程中的关键步骤,直接影响到字符识别的效果。传统的方法对车牌图像质量要求较高,且抗干扰能力较差。提出一种基于Renyi熵和数学形态学边缘检测的车牌字符投影分割算法,首先用二维Renyi熵最大阈值法对车牌图像做二值化处理,然后用形态学腐蚀运算进行边缘检测,再去除车牌边框,最后通过投影分割提取车牌字符。仿真实验表明,基于Renyi熵最大阈值法和数学形态学边缘检测车牌图像预处理使得车牌字符边缘清晰,降低了噪声的干扰,有利于进行字符投影分割。该算法分割速度快,鲁棒性好,可获得比传统方法更好的分割效果。     

基于数学形态学的图像边缘检测研究

介绍数字图像处理技术中传统的边缘检测算法和基于数学形态学的数字图像边缘检测方法。通过迭代法得到图像最佳分割阈值,然后将图像二值化,再利用数学形念学中腐蚀运算实现数字图像边缘检测。通过编写程序实现上述方法,并比较传统边缘检测算法与基于数学形态学边缘检测方法的结果。     

一种基于形态学的路径特征提取算法

在对原始路径图像进行最优化阈值分割后,使用数学形态学中的开运算对分割图像进行边缘提取,使用腐蚀膨胀、择多黑色算子等形态学运算进行边缘的细线化处理,从而在多路径环境中有效地提取了路径特征。并与Sobel算子、拉普拉斯算子、Prewitt算子等传统方法进行了比较,验证基于形态学的方法具有很好的抗噪性。     

基于数学形态学的实用车牌定位算法及实现

由于车牌图像分割困难、车牌位置定位不准确等问题,为了快速准确地得到车牌的准确位置,数学形态学具有速度快、方法简单等特点,使用数学形态学进行车牌的识别.通过预处理,采用最佳阈值分割的迭代算法进行车牌图像的二值化处理,然后主要利用数学形态学腐蚀运算进行车牌边缘检测,精确度高.结合车牌先验知识,利用连通区域法对车牌字符进行切分定位,通过大量实验,结果表明该算法具有一定的实用性.形态学边缘检测相对于边缘检测算子具有算法简单、速度快、定位准确和抗干扰能力强的优点.通过对不同车牌图像进行试验,算法具有较好的识别结果.     

显微细胞图像有形成分分割方法研究

本文研究了一种显微细胞图像有形成分分割方法。首先,利用传统的边缘检测及阈值分割法对显微细胞图像有形成分进行分割比较,然后基于显微细胞图像特点提出了一种改进的二维最大熵阈值结合形态学分割方法。最后通过分割实验进行验证,结果表明利用本文方法能较好地实现显微细胞图像有形成分分割。所以本文提出的分割方法在医学上具有一定的实用价值。     

基于贝叶斯方法的尿沉渣图像分割

通过对贝叶斯分类器的讨论,提出将贝叶斯方法应用于医学图像分割后的合并策略思想,旨在提高图像分割的准确性,为计算机自动识别医学图像中包含的各种元素提供更加可靠的依据。首先让计算机自动识别出尿沉渣图像中的红细胞、白细胞、管型细胞、上皮细胞和结晶等有形成分,其次将各细胞实体正确地分割出来。由于图像中存在着大量背景噪音,因此在分割之前需要进行去除噪音的预处理。预处理采用数学形态学的方法,依次进行边缘提取、梯度图像二值化、腐蚀、膨胀。最后,在图像分割过程中,使用最大后验概率法进行破损目标体的合并,为进一步的特征提取和分类作了基础。在目标体分类中使用朴素贝叶斯分类器进行分类。将本方法应用于尿沉渣检查自动图像分析系统中,实验结果表明这一方法效果较好。     

数学形态学在作物病害图像处理中的应用研究

作为一种2维卷积运算的非线性图像处理方法,数学形态学的内容包括二值形态学、灰度形态学和彩色形态学。膨胀、腐蚀、开运算、闭运算是数学形态学的基础。数学形态学可用于噪声去除、边缘检测、图像分割、特征提取等图像处理问题,在图像处理领域得到了越来越广泛的应用。结合目前的研究进展,对数学形态学的分类及其在作物病害图像处理中的应用进行综合性阐述,并对数学形态学目前存在的问题以及未来的发展方向进行了讨论。