数学形态学在图像处理与分析中的应用及展望

介绍了一种新型的图像处理和分析理论--数学形态学的基本运算方法和应用。由于对数字影像内定向时框标的识别与定位是从数字影像提取数据的关键步骤，框标中心坐标确定的准确度将直接关系到所提取数据信息的精度。依据数学形态学原理，根据十字框标自身的几何和拓扑特征，构造了系列形态变换模型，详细叙述了使用该模型自动识别数字影像框标的具体方法和步骤。最后对数学形态学今后的研究、发展进行了展望。     

能量累积在红外热图像序列处理中的应用

针对飞机结构隐藏腐蚀热波成像检测中出现的试件表面存在杂物、热像仪中有用数据较少、图像序列中腐蚀区域不明显等情况,首先通过对加热前的一幅图像进行自适应形态学锐化处理,提高图像的对比度,并根据图像梯度的变换情况确定出杂物的位置.其次对加热后的图像序列在相同的位置采用(5×5)模板进行最小值滤波,将杂物滤除掉.然后采用Daubehies9/7小波对图像序列进行变换,并分析了主动式热渡图像能量的分布情况,对能量集中的低频部分进行累积,降低高频部分的能量,在此基础上对图像进行重构.最后对重构前和重构后图像的质量进行了定量评价.实验结果表明,该方法可以有效的提高图像的质量,降低图像的噪声,得到易于判读的红外热图像.     

多尺度形态学图像边缘检测方法

在形态学边缘检测算子的基础上,综合形态膨胀和形态腐蚀,得到修正的边缘检测算子,以减轻图像边缘检测的模糊性;进行形态结构元素尺度调整,并综合各种尺度下的边缘特征,得到噪声存在条件下较为理想的图像边缘。实验验证了该算法的可行性和有效性。     

形态学在图象处理中的应用

这篇文章介绍了形态学的基本概念 ,说明它是一种新的特殊的图象处理方法。文中除描述它的基本原理与主要运算外 ,还说明在图象处理中最常用的七种变换的应用。     

一种基于FCM的图像分割方法

提出一种新的图像分割方法 FWFCM(fast walvet fuzzy C-means method),该方法对图像像素点的灰度进行模糊隶属度的分析,将需要聚类的像素空间投影到灰度直方图空间,从而减少了经典FCM算法的迭代计算量,提高了算法的收敛速度;并且利用小波变换的多分辨率的分析,抑制噪声点对图像分割的影响,提高了图像分割的精度.     

一种新的基于粗糙集的数学形态学算法及其在图像边缘检测中的应用

从粗糙集的角度出发来研究数学形态学,指出经典数学形态学模型是不符合实际的,引入粗糙集中的粗糙度的概念改进了形态学模型,通过动态的选择结构元素来对图像进行处理.实验显示,基于粗糙集的数学形态学方法较好地解决了经典形态学处理中图像目标边界线条较粗的缺点.相比经典梯度算子,文中提出的方法又较好地保证了图像边界的连续性,同时还避开了结构元素的选择问题.     

用数学形态学方法进行红外图像分层解理

将形态学算子作用于高噪声,低质量的红外图像,对之进行分层解理还原,即将原本由各种信号叠加而成的红外图像重新分解成器件噪声,工作噪声和目标,背景等不同层次的信号。这种图像解理方法,以几何论和集合运算为基础,因而原理直观,计算简单,能为红外目标识别与跟踪提供有益的预处理。     

小波分析在图像处理中的应用

本文介绍小波分析在图像处理中的应用,有多尺度边缘检测、图像识别、图像分割.边缘检测包括可去除多余边缘的一般灰度图像实例,彩色肿瘤图像的边缘提取,汉字放大.图像识别中,对于汉字或字母的识别,是将二维图像信号降维后再进行小波分解,通过计算各层次的分形维数形成特征向量从而可以进行识别;仿射变换后的汉字或其它图像可用多尺度小波的仿射不变函数进行对比识别.最后介绍了两种图像分割算法,首先利用基于能量分析的方法将纹理部分和平滑部分先分开,然后再利用基于奇异性分进行细分,得到最终分割的结果.     

基于数学形态学的显微图像分割算法

分水岭算法是一种图像分割的强有力的工具,而其分割性能和待分割图像梯度的计算方法相关,LucVincent所提出的分水岭算法主要存在过分割的问题。文章提出用形态学混合开闭重建运算的尺度空间平滑算法对图像进行平滑滤波处理,以消除图像细节和噪声而保留重要的边缘轮廓,再对平滑后的图像进行梯度修正,并进行梯度极小值抑制,进一步消除造成过分割区域,然后对修正后的梯度边缘图像进行分水岭分割。实验结果表明,采用本文的算法对显微动物精细胞图像分割能较好的解决过分割问题。     

基于数学形态学的凹版印刷系统实时图象处理研究

针对凹版套色印刷过程中运动图象检测的实时性与精确性要求,研究了基于数学形态学的实时图象处理技术在印刷控制中的应用.实验结果表明,该处理技术具有较好的实时快速准确性,能够较好地满足套色印刷对图象处理的要求.     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法。该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像。然后通过分析噪声（主要是椒盐噪声）污染图像的特点对彩色图像形态学基本算子进行了改进。改进后的算子有很强的抗噪性,可以直接实现边缘检测。实验表明,与传统方法相比,该算法能够更有效地抑制噪声对边缘检测的影响,并较好地保持图像边缘细节。     

基于数学形态学的旋转机械振动信号处理方法

介绍了数学形态学滤波的原理,提出一种基于数学形态学的方法来处理现场采集的旋转机械振动信号,以消除噪声污染和直流偏移等问题.该方法通过移动结构元素对采样信号进行形态处理.仿真实验证明该方法切实可行.该方法计算速度快,易于实现,具有较好的适用价值.     

基于图像处理的轴类零件表面裂纹检测

针对轴类零件表面图像的特点,提出一种基于图像处理的表面裂纹检测算法.算法首先采用空域和小波域混合滤波对图像去噪,提出一种图像分块自适应模糊集增强方法,以提高裂纹区和背景区的对比度;然后应用Canny边缘检测算子和数学形态学操作进行图像分割,提取裂纹区域;最后通过计算裂纹连通域的圆形度和长宽比特征判断零件的表面图像中是否有裂纹存在,实现裂纹检测.试验表明,该算法即使在信噪比不高的图像中也能实现对目标裂纹的检测,证明了算法的有效性.     

设计形态学之生态观

作为新兴学科发展方向,设计形态学借助“形态研究”之优势,已与众多学科进行了交叉融合,并逐渐形成了其协同创新范式。将“生态”理念纳入设计形态学,其实就是期望借助“生态学”的系统思维来研究设计形态学。设计形态学的生态系统既包含了“自然生态系统”,又融入了与人类关系密切的“类生态系统”,而这恰好又归属设计形态学的研究范畴。倡导设计形态学之生态观,不仅能帮助设计研究人员提升其价值观和世界观,并用更新的思维和视角去从事“形态研究”,还有助于设计形态学的理论建构与思维拓展,并对设计形态学主导的跨学科协同创新具有积极的推动作用。此外,还可针对设计形态学的整体研究及未来发展趋势进行全面评估,并能为设计学的发展提供新的研究思路和途径。     

模糊方向滤波在SAR图像处理中的应用

介绍了合成孔径雷达(SAR)成像特点。探讨了基于方向滤波器和模糊逻辑的模糊方向滤波法,此方法首先将图像进行特征平面增强并模糊化,并获得模糊参数,然后根据模糊规则计算隶属度,以具有相应最大隶属度的像素构成最后滤波结果,达到既滤除噪声又保留图像细节的目的。实验表明此方法优于Lee滤波算法、Esafa算法和加权形态滤波算法。     

牙齿形态图像的记录与鉴定

在现代法庭科学中，人体特征识别主要采用下列四种技术：指纹识别、虹膜纹识别、DNA技术和牙齿形态识别。指纹载体是综合性有机物，虹膜是软组织，在重大灾难性案件中，他们极易毁坏，且我国尚未建立非犯罪人口档案库。DNA技术虽然鉴定精确，但成本高，检验周期较长，因此三种技术都有不足之处。相比之下牙齿形态鉴定法效果较好，本文对此作详细介绍。