基于数学形态学的基因芯片图像高亮噪声处理

大多数已有应用都采用简单算法对图像进行整体处理,在去除噪声的同时也破坏了图像边缘和细节信息．为解决这一问题,首先分析了不同类型噪声对网格定位的影响,提出用分割线和面积均方根误差进行定量评价．然后提出用数学形态学与最大类间方差结合的方法去除高亮噪声．最后将该算法应用于出生缺陷的基因芯片噪声处理,并与其他几种去噪方法做了对比．实验结果表明,该算法实用、有效,并能最大限度地保留图像的有用信息．     

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.     

基于形态学的图像二值化方法

提出了一种自适应图像二值化方法，它基于数学形态学理论，求取彩色图像边缘特征，并将它与灰度直方图二值化方法相结合，实验表明，这一算法能较好地保留原图像中的特征，二值化后的图像效果不错。     

一种基于图像边缘检测的小波阈值去噪方法

边缘特征是图像最有用的高频信息,因此,在图像去噪的同时,应尽量保留图像的边缘特征。为实现这一想法,提出了一种基于图像边缘检测的小波阈值去噪新方法。该方法在去噪前,先用定位精度高的小尺度LOG算子检测图像的边缘,对检测出的边缘进行均值平滑滤波,以减少边缘图像中的孤立点噪声;进而再对图像边缘和含噪图像分别进行小波分解,根据分解后的小波系数以确定图像的边缘特征和非边缘特征;最后,再对图像边缘对应的小波分解系数进行小阈值处理,而对非边缘的则进行大阈值处理,从而实现了在去噪的同时保留了图像边缘特征的目的。实验结果表明,与普通的小波阈值去噪方法相比,该方法可有效地保持图像的边缘信息,去噪效果则优于前者。     

基于小波域彩色交通图像的噪声处理方法

文章分析了图像处理在智能交通系统中的应用前景及现实意义，对小波变换的原理及其在彩色图像的去噪处理方面的应用进行了研究。通过Matbb软件仿真实现了基于小波域的滤波，并通过与其它方法比较的验证了该方法的优势及可行性。     

阈值去噪联合数学形态学的胃部图像边缘检测

在胃部图像边缘检测问题研究中,噪声影响着检测的准确性。针对图像受噪声的影响而导致边缘提取效果不佳的问题及传统边缘检测算法抗噪性差,提出了一种采用联合技术的小波阈值去噪和改进的数学形态学边缘检测算法,在小波域中利用小波阈值对胃部图像进行去噪处理,并用改进边缘检测算法对去噪后的图像进行边缘检测,得到胃部边缘图像。结果表明,改进算法不仅抑制了图像噪声,而且保护了图像边缘细节,相对传统边缘检测方法有更高的信噪比。     

基于数学形态学的图像边缘处理

提出了一种基于数学形态学的边缘提取方法。该方法先对图像进行颜色预处理,再利用数学形态学对图象进行形态学梯度变换,最后通过基于统计学的边缘提取方法进行边缘提取。该方法消除了由于照明而引起的目标物体的阴影边缘,并且直接提取出目标物体的边缘轮廓,对背景噪声有很好的抑制作用。与常用的边缘检测算子相比,该方法能更有效、准确、完整地提取出目标物体的边缘,明显优于传统的边缘检测算子。     

基于模糊相似性的彩色形态学图像处理方法

为了将传统灰度图像数学形态学扩展到彩色图像,提出一种结合矢量空间模糊相似性的彩色形态学图像处理方法。首先,在RGB彩色空间中利用彩色矢量间的距离和角度定义模糊相似性测度,以刻画与人类视觉感知相一致的彩色相似程度;以上述相似性测度为准则定义彩色空间中任意一组彩色的上确界和下确界;利用中心像素及其结构单元内像素的上确界和下确界构建彩色形态学的基本操作,包括膨胀、腐蚀、开、闭等操作;进一步将提出的彩色形态学操作应用于高分辨率遥感图像,通过实验对比验证其对地物目标的形变和平滑能力,说明其实用性和有效性。     

基于小波域彩色交通图像的噪声处理方法

文章分析了图像处理在智能交通系统中的应用前景及现实意义,对小波变换的原理及其在彩色图像的去噪处理方面的应用进行了研究。通过Matlab软件仿真实现了基于小波域的滤波,并通过与其它方法比较的验证了该方法的优势及可行性。     

基于形态学的MR图像左心室自动定位算法

左心室重建为3D空间模型能快速评价各种心脏病,左室扭转揭示了重要的生理及病理发现.但由于左心室MRI图像具有弱边缘、与周围的组织之间存在低对比度区域,利用Snake模型分割左心室图像时,一般需要采用半自动的方法获取初始曲线.为解决此问题,本文提出一种MR图像的左心室自动定位算法,用于的左心室MRI图像分割算法.该算法利用形态学理论自动获取左心室的重心以及边界形状变化允许空间,勾画出相应初始轮廓曲线,以便进行重建.文中以小香猪左室加标记MRI作为应用研究对象,进行了全图像序列的研究.实验表明改算法能够精确的获取左心室区域信息,实现其自动定位.     

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。     

基于数学形态学的PET图像背景噪声处理算法*

基于数学形态学的背景噪声处理算法通过图像二值化、二值形态学处理及背景替换消除背景噪声.其减小了互信息配准测度的局部极值,改善了配准测度.     

基于形态学的金相组织图像晶界复原方法

由于金相图像中经常出现晶界模糊、晶界断开等缺陷,针对晶粒形状不规则的特点,成功改进了基于形态学水域生长方法的分割算法.根据粘连晶粒的形态特征,对粘连目标先后采用极限腐蚀、目标编号和反复膨胀的方法求取晶界线以达到分离粘连晶粒,复原图像的目的.实验结果表明,改进的方法对包括晶粒在内的不规则目标具有较好的分割效果,成功解决了晶界问题对后续分析统计工作的干扰.     

基于调节形态学的图像重建新算法

形态学方法在数字图像处理和计算机视觉领域已引起了广泛的关注.引入了一种调节形态学算子,在此基础上讨论了一种新的基于调节形态学的非均匀图像抽样算法.该算法是迭代的,每一次迭代过程中,样本点的位置由最小绝对重建误差决定.描述了相应的图像重建过程.实验结果表明了该算法的有效性.     

基于改进K-均值算法在彩色图像分割中的应用

如何对彩色图像中的目标进行有效的分割是计算机视觉和图像分析的重点和难点,文中提出不断对彩色图像采用最优阈值化进行一次粗分割提取最大目标区域,再利用改进的K-均值算法对提取目标子区域进行精确分割。实验结果表明该方法对彩色图像能够有效地提取目标物体,并对噪声图像具有一定的鲁棒性。     

基于图像处理的人造板孔穴含量统计的新方法

针对人造板横切面孔穴含量的微观图像的特点,经常要对一幅图像中多个连通区域的面积进行计算。因此,提出了一种通过一次扫描图像,即能快速求出图像中多个连通区域的面积的新方法,并通过实验对两种封闭区域面积统计方法进行比较。结果表明在处理连通区域较多的面积统计时,新方法计算速度较快。     

基于B超图像处理确定HIFU治疗区域

根据B超监控图像中HIFU（High Intensity Focused Ultrasound）治疗区域的特点,采用小波变换模局部极大值方法提取治疗区域边缘特征点,并结合模糊判决理论进行边缘连接,最后通过形态学后处理得到B超图像治疗区域的封闭轮廓曲线。结果证明：该方法克服了传统图像分割方法阈值难以确定的瓶颈,能够更好地从B超图像中检测出HIFU治疗区域的大小。     

基于背景像素突变检测的交通标志图像分割

为了提高交通标志图像处理过程的效果与效率,根据交通标志图像色彩饱和度空间的灰度直方图中包含的点灰度与区域灰度信息,提出了一种有效确定交通标志图像全局分割阈值的算法。首先分析了基于交通标志图像色彩饱和度空间灰度直方图的一种倒溯标准差的变化规律;然后在此基础上提出了如何选取全局图像分割阈值的方法,并采集了大量交通标志图像进行实验验证,同时,与另外两种在HIS空间下常用的图像分割方法的分割效果进行了对比;最后对算法中的部分参数与实验结果进行了分析,并指出了下一步的研究方向。该算法是一种有效的交通标志图像阈值选取方法,可推广到图像处理其他方面的应用。     

利用EMD的自适应图像去噪

为了在去噪的同时保证图像细节尽可能不被破坏,提出了利用经验模式分解（Empirical Mode Decomposition,EMD）的自适应图像去噪方法。对噪声图像按照列、行、左对角和右对角方向一维展开,分别进行EMD处理,采用提出的基于噪声标准差的自适应阈值对各个基本模式函数（Intrinsic Mode Function,IMF）进行局部硬阈值去噪,将去噪后的IMF进行反变换分别获得按照四个方向展开对应的去噪后图像,将它们加和平均得到去噪后图像。实验结果表明,提出的方法能够有效地去除图像的噪声并保留足够的图像细节。