数学形态学在灰度图像处理中的理论和应用

研究了数学形态学在灰度图像处理中的基本理论和应用;提出了一种新的基于灰度图像形态学的图像过滤算法,该算法由一个连续交替的开运算和闭运算序列组成,相应的用了一个逐次递增的结构元素序列,以实现逐层过滤,试验表明该算法对灰度图像的过滤有明显的改进。     

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。     

数学形态学在计算机图像处理技术检测粒度中的应用

为了解决在利用计算机图像处理技术检测粒度中的去噪和结团颗粒分割的问题，对数学形态学在计算机图像处理技术检测粒度中的应用进行了研究，较好地解决了粒度图像的去噪和结团颗粒分割的问题。     

数学形态学和投影方差在文档图像倾斜校正中的应用

文档图像处理技术已取得很多进展,但是,对于倾斜图像的理解还存在困难。本文对文档图像的倾斜校正进行了研究,根据文档图像的结构特征,给出了基于数学形态学和投影方差相结合的算法,先使用数学形态学进行形态学运算,强化文档图像地结构特征,再使用细化算法,保证投影方差的准确性,最后使用投影方差,进行文档图像的倾斜校正。实验表明,本文提出的算法可以有效的应用于文档图像的倾斜校正。     

基于数学形态学的聚类分析

数学形态学广泛应用于图像识别之中.经典的聚类方法在聚类形状复杂时难于获得满意的结果.本文提出一种新的基于数学形态运算的聚类方法,通过合理选择离散化参数和结构元素,这种基于分级数学形态操作序列的聚类方法能较好地将各个簇分离开来.实验证明此方法比传统方法效果更好,并且能有效确定聚类数.     

形态学图像处理的应用

数学形态学方法基于集合论思想,能定量地描述图像的形状结构,目前已广泛应用于图形图像处理领域,是进行几何形态分析的有效方法。本文首先介绍数学形态学的概念和定义,详细分析几类基本的形态学运算,然后研究形态学滤波器的结构和性质,并将其应用于指纹图像的去噪处理,对各个处理步骤以及处理结果进行分析,显示出形态学方法在图像去噪方面的良好性能。     

基于灰度形态学的图像处理在焊缝识别中的应用

焊缝轨迹的提取是自动化焊接的关键技术,它不仅要求焊缝提取的准确性,而且要求实时性。论文采用爬行机器人CCD获取的焊缝原始图像,充分利用其灰度分布信息,提出了一种基于灰度形态学的图像处理算法。该算法能针对不同的焊缝,通过灰度形态学滤波等处理,提取焊缝的特征。实验结果表明该算法能满足实时、准确性要求。     

一种新颖的灰度形态学算子

数学形态学方法是非线性图像处理中的一种重要方法,在二值图像处理中已获得了广泛的应用,但在灰度图像处理中的应用却相对有限,文中从形态学算子构造的角度出发,提出了一种具有较强实用能力的灰度形态学算子的构造方法。     

关于灰度数学形态学的表示定理

算子表示定理是数学形态学理论的重要组成部分及其应用基础。该文基于容许完备格和模糊逻辑研究了一种具有广泛意义的较弱的算子表示定理形式。     

数学形态学在图象处理中的应用进展

数学形态学是一种非线性滤波方法,形态和差运算,即膨胀与腐蚀是数学形态学的基础,数学形态学已由二值形态学、灰度形态软数学形态学、模糊形态学发展到模糊软形态学,可用于抑制噪声、特征提取、边缘检测、图象分割、形状识别,纹理分析、图象恢复与重建等图象处理问题,在图象处理领域得到了越来越广泛的应用,本文结合目前的研究进展,对数学形态学的理论研究及其应用进展进行综述性阐述。     

数学形态学在图像处理中的应用

介绍了数学形态学的基本运算及数学形态学在图像处理中的主要应用,并讨论了结构元素的选取方法。     

一种基于数学形态学的图象多尺度分析方法的研究

提出了一种基于数学形态学的图象多尺度分析方法。利用数学形态学在描述图象形态特征方面的优势，通过改变结构基元的尺度，提取图象在不同尺度下的有用信息。该方法将基于二值图象的集合处理的数学形态学方法，推广至基于灰度形态处理的数学形态学方法，提出了广义的数学形态学形态变换算子，拓宽了数学形态学理论在图象处理领域的应用范围。本文给出了人造的实验图象和实际的景物图象的实验结果，提取出图象在不同尺度下各个层次的目标和特征，证明该方法的有效性。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域，运用阚值分割算法完成初步的图像区域分割；然后利用形态学运算进行精细化处理，结合提出的判断准则，通过人工交互完成了多感兴趣区域的提取；最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

基于数学形态学的遥感图像多感兴趣区域提取

提出了一种基于数学形态学的遥感图像多感兴趣区域提取算法。首先通过形态学运算强化特定结构的多个目标区域,运用阈值分割算法完成初步的图像区域分割;然后利用形态学运算进行精细化处理,结合提出的判断准则,通过人工交互完成了多感兴趣区域的提取;最后利用形态梯度的算法探测出感兴趣区域的边缘。实验结果表明该方法能够快速有效地分割提取出遥感图像中的多个感兴趣区域。     

PCNN与数学形态学在图像处理中的等价关系

揭示了有生物学依据的脉冲耦合神经网络(PCNN)与数学形态学之间的本质关系,并以颗粒分析为例进行了具体的分析,得到了文中提出的PCNN颗粒分析方法完全等价于一定结构元素下的数学形态学方法的结论．研究表明,PCNN进行图像处理时用到的脉冲并行传播特性完全等同于数学形态学中一定结构元素下的腐蚀运算,从而为数学形态学与PCNN之间的研究架起了桥梁．     

数学形态学在数字图像处理中的应用研究

传统边缘检测算法由于对噪声敏感,难以准确提取图像边缘,导致图像处理效果不佳.基于传统数学形态学算法中结构算子的方向性和尺寸几何的基础上进行算法改进.针对抗噪型碰撞腐蚀形态学边缘检测算子结构元素特征,采用不同大小结构元素组合来提取边缘特征,有效保证了图像细节的同时去掉较大噪声点.根据结构元素的方向性,利用同向结构元素图像的匹配来检测各边缘信息,确保不同向边缘信息的完整度.通过比较文本改进算法与传统的边缘检测算法对图像边缘检测效果表明:本文提出的改进算子在处理较大图像边缘检测时具有更快的检测速度,且图像边缘光滑,细节清晰,具备了更强的抗噪性能.     

一种基于数学形态学及融合技术的彩色图像分割方法

提出了一种新的彩色图像分割方法,该方法首先利用数学形态学在3个2维彩色子空间进行图像分割,然后将这些分割结果融合在一起得到最终图像的分割。对于RGB彩色图像,3个子空间分别取为RG、RB和GB。而2维直方图则可看作3维直方图在这3个子空间的投影,对这3个2维直方图分别实施形态学中的watershed分割算法,最后通过区域分裂与合并的方法融合这3个2维空间的图像分割结果,获得最终的图像分割。在计算彩色距离时,使用了CIE（L’a’b’）彩色空间。该方法比直接在3维空间的分割方法既快又节约内存,而且分割效果好。