基于数学形态学细化算法的图像边缘细化

为了解决Sobel算子在阈值选择不当的情况下易造成图像边缘丢失或产生伪边缘的问题,通过最大类间方差的方式选出合适的阈值;同时利用数学形态学细化算法对该边缘图像进行细化处理。实验结果显示,该方法在保持原有边缘图像特征信息的前提下,比传统Sobel算子得到了更好的结果。     

基于数学形态学的文档图像倾斜校正算法

随着信息采集技术的不断发展,文档图像在信息的数字化管理中越来越重要.对文档图像的倾斜校正进行了研究,给出了基于数学形态学和Hough变换相结合的算法,进行文档图像的倾斜校正,同时将算法应用于印刷体和手写体的文档图像.实验表明该算法可以有效应用于两种文档图像的倾斜校正.     

基于数学形态学的手写体汉字细化方法研究

提出了一种基于数学形态学的细化方法,该方法使用结构模板的方式对字符图像进行细化,并针对原有细化方法产生的细化不彻底现象,对原结构模板进行了改进。在常用细化结构模板的基础上,新增了几个结构模板,较好地解决了细化不彻底的现象。实验证明,细化后的图像保持了原图像的连通性并达到了很好的细化效果。     

基于数学形态学的图像预处理算法的研究

该文提出了一种基于数学形态学的图像预处理方法。首先对原始图像进行了改进的形态滤波处理,依次用一个略大于目标尺寸的结构元素和一个小于目标尺寸的结构元素对原始图像进行开运算;求两次滤波所得图像之差作为图像增强后的结果。实验结果表明,此方法最大限度地消除了各种噪声和畸变对图像中目标区域的影响,更加完整的保留了目标边缘的细节信息。     

基于数学形态学的SAR图像分割方法

图像分割是遥感图像处理中很重要的一步。因SAP图像通常带有较强的嗓声，用传统的边缘检测方法效果不理想。作者利用数学形态学开闭运算和混合滤波，可据目标的形状选用算法中的探针，取得了较好的滤波去噪和目标分割的效果。     

一种基于数学形态学的CT图像脑瘤分割方法

针对传统的CT图像脑瘤分割方法往往需要先验知识指导的弊端,且脑瘤CT图像中肿瘤特征点与周围背景对比度较小,计算机自动提取这些特征点具有一定难度.为能清晰观察肿瘤具体位置,提出了一种基于数学形态学Top-Hat变换的脑瘤CT图像分割方法.利用形态学变换可得到分割迫切需要的谷峰值点、高低曲率点,再将变换结果与原始图像做"异或"运算就可以达到有效分割出肿瘤.实验结果表明,方法在无需先验知识指导情况下可使分割效果明显优于传统方法,具有很好的实用性.     

基于数学形态学的医学图像分割方法研究

文章介绍了医学图像处理中的医学图像分割的有关概念和数学形态学进行图像分析的基本步骤,重点论述了几种医学图像分割方法和基于数学形态学的分水岭分割算法,并给出了该算法的优点。     

一种基于数学形态学的空间遥感图像中弱目标检测算法

从弱目标图像(空间遥感图像)的复杂背景中提取弱小目标一直是一个重要而复杂的课题。遥感图像具有灰度变化丰富，所含信息量较大，背景噪声复杂的特点。针对以上问题，章讨论了在低对比度、强干扰的情况下，对弱目标的提取方法。采用基于数学形态学理论的方法来对遥感图像中的弱目标进行检测处理，提出了一种从遥感图像中提取具有一定外形的弱小目标，并可以在实际系统上实现的算法。给出在具典型意义的SAR图像上的实验分析和实验模拟处理结果，验证了这种算法在强噪声和复杂背景下的有效性。也证明了该算法具有理论完备、算法简单、抗噪能力强和运算速度较快的优点。     

基于自适应数学形态学的医学图像边缘连接

在介绍了数学形态学基本原理的基础上，阐述了自适应数学形态学，并将之应用于有中断间隙的医学图像边缘连接。它根据边缘的斜率、曲率等特性适当调节椭圆结构元素的大小和方向，并通过自适应膨胀运算使得中断的边缘沿着它们的斜率方向延伸而最终连接起来。实验结果表明这一方法是有效的。     

基于柔性数学形态学的医学图像边缘提取

医学图像边缘提取,尤其是病灶部位的边缘提取,是医学图像处理中非常重要的预处理步骤,边缘提取的质量决定了图像的最终处理结果。人们一般习惯于用微分算子和梯度形态学算子提取边缘,但这类算子都不能很好地滤除噪声,也不能提取边缘细节。文章在阐述了数学形态学一般原理与方法及柔性数学形态学原理与性质的基础上,将柔性数学形态学用于左肺上叶周围型肺癌CT图像边缘提取。实验结果表明,这一方法比微分算子和形态学边缘梯度算子更能有效地滤除噪声并将肺部轮廓和肿瘤的大小与边缘准确地提取出来。     

基于数学形态学的图像边缘检测算法的研究

为了提高图像边缘检测的效率、降低噪声对图像边缘检测的影响,提出了一种基于数学形态学的图像边缘检测算法。该算法引入多元结构元素的概念,提出了一种改进的形态学边缘检测算子,能够有效地检测出带有噪声的图像边缘,并保持边缘的平滑性。实验结果表明,与传统边缘检测算子相比较,该算法杭噪声性能良好,实时性较好,具有一定的实用性和可行性。     

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     

融合小波变换和新形态学的含噪图像边缘检测

针对图像边缘检测中,滤除图像噪声并有效保留图像边缘信息这一研究,提出了一种融合小波变换模极大值法和新型改进的数学形态学的含噪图像边缘检测方法。首先介绍了基于小波变换模极大值的图像边缘检测算法;然后提出了一种新型改进的数学形态学检测算法;最后为了综合两种算法的优点,应用新的融合方式将两种方法的检测结果融合到一起,提出一种融合小波变换和新形态学的含噪图像边缘检测方法。实验结果表明,提出的融合检测算法相比于单独使用小波变换模极大值或数学形态学算法,能更有效地抑制噪声,提高边缘检测效果。     

基于数学形态学的联机手写字符识别去噪方法

手写输入时由于笔尖抖动等原因产生了大量噪声,有效地去除噪声是手写识别的前提和关键。根据联机手写识别中手写体字符形态的特性,分析了手写时由于各种原因而产生的噪声,运用数学形态学中膨胀、腐蚀、细化等基本运算,提出了一种将数学形态学应用于联机手写识别预处理的方法,该方法可以有效地消除大量的冗余信息。测试结果表明,提出的方法可行,具有很好的鲁棒性,可以配合其他方案应用于各种联机手写字符识别中。     

一种新的指纹图象细化算法

针对ＯＰＴＡ细化算法存在的不足,即细化不全,速度较慢的缺点进行分析和研究,提出了一种新的细化算法,该算法速度快,细化全,细化后的指纹骨架在纹线中心线,且光滑无毛刺。     

基于分形理论和数学形态学的图像边缘检测方法

提出一种基于分形理论和数学形态学的边缘检测方法。该方法利用分形理论中离散分数布朗随机场来抑制噪声得到按分形维分布的灰度图像，采用数学形态学检测连续的特征边缘。试验表明，采用该方法比经典的边缘检测算子能够更好地达到视觉测量的要求。     

基于数学形态学的聚类集成算法

提出了基于数学形态学的聚类集成算法CEOMM.它利用不同的结构元素的探针作用,对不同的结构元素探测出来的簇核心图进行集成,在集成所得到的簇核心基础上聚类.实验结果表明,算法CEOMM对有复杂类形状的数据集进行聚类时,效果比传统聚类算法更好,且能确定聚类数.而且由于采用了不同的结构元素进行探测,对于由不同形状的类构成的数据集其聚类效果很理想.     

一种适于串行机实现的图像并行细化算法

为解决现有的图像并行细化算法在串行机上的高效实现问题 ,首先提出了一种 4× 4邻域二值图像的双字节图像编码方案 ,由于在该方案中将每个 4× 4邻域的像素用一个双字节的整数来表示 ,从而将基于整个邻域 16个像素的细化处理转化为一个双字节整数的读、写和比较运算的问题 ;然后在此基础上提出了一种可在串行机上实现的并行细化算法。实验证明 ,该算法适用于当前通用的各种基于模板匹配的并行细化算法 ,其不仅可以取得完全相同的细化结果 ,而且可以大幅度提高图像细化过程在串行机上的执行速度 ;最后简要讨论了该算法利用 PC机中的 MMX技术来进一步提高并行粒度和运算效率方面所具有的潜力     

基于数学形态学的围棋地域划分算法

地域是人类棋手必不可少的抽象概念,计算机围棋可以建立此概念以提高搜索效率。本研究在数学形态学的形式化基础上探讨了划分我领土、我领空、我领海、敌领土、敌领海、敌领空、公海、公空及未定区等9种地域的过程,并结合实战对局评价了此算法的性能,指出了此算法的应用价值。