基于自适应灰度形态学滤波的车牌图像分割

根据车牌纹理及其几何形状的特点，提出了一种新的基于自适应灰度形态学滤波的车牌图像分割算法。该算法不同于传统的形态滤波过程，结构元素的大小能随车牌图像的不同而进行自适应调整，因而更有效地提取车牌目标区域。实验结果表明，该算法对不同复杂自然环境和不同光照条件有很强的自适应能力，其定位准确率及抗干扰能力较其它传统分析方法有显著提高。     

基于数学形态学的图像形态滤波

文中定义了多结构元素腐蚀、膨胀、开、闭四种多结构元素数学形态学滤波器,讨论了它们的性质和滤波性能,指出多结构元素腐蚀滤波和膨胀滤波在噪声滤除,尤其是滤除附着在目标图像边缘上的噪声方面优于多结构元素开、闭滤波;多结构元素开滤波和闭滤波在目标图像的细节保护方面则优于多结构元素的腐蚀滤波和膨胀滤波;多结构元素的腐蚀、膨胀、开、闭滤波在细节保护方面均优于单一结构元素的开、闭滤波。最后根据形态学表示理论给出了基于多结构元素的数学形态学滤波器设计方法。     

基于自适应形态学滤波的红外小目标检测算法

针对低对比度下小目标常被大量背景杂波和噪声干扰,检测结果不理想的问题,提出了一种基于视觉注意机制与自适应双结构元素形态学滤波的红外小目标检测方法。根据人类视觉对比机制对图像进行感兴趣区域(ROI)提取以确定候选目标,通过提取轮廓获得候选目标的尺寸,并由获取的尺寸自适应构造双结构元素。运用双结构元素形态学滤波抑制噪声和杂波信号,用中值滤波对形态学滤波后的杂点噪声进一步抑制。实验表明本文提出的算法能有效抑制噪声干扰,显著提高目标信杂比,准确检测弱小红外目标,算法具有很好的鲁棒性和实时性。     

基于数学形态学与自适应的超声医学图像滤波方法的研究

超声医学成像作为主要的医学影像技术之一,因其对人体无伤害、实时、价格便宜和使用方便等优点已广泛应用于临床.然而,在成像过程中形成的特有的图像斑点,使得对比度弱的人体软组织中的正常组织和病变组织不易区分,给临床诊断和医学研究带来不便.针对医学超声图像的特点,在研究了几种常用滤波方法后,提出一种自适应中值滤波和形态滤波结合的新方法,并做了实验验证.实验方法是:首先对所选择的医学超声图像施加瑞利噪声,然后采用中值滤波、自适应中值滤波的方法对被污染的图像进行去噪处理,接下来先采用自适应中值滤波对图像进行预处理,抑制斑点噪声,保留必要细节,再采用数学形态学方法进行二次滤波和增强对比度,进一步改善图像质量.最后从去噪图像和评价指标上对三种滤波去噪方法进行了比较.实验证明,新方法优于其他方法.     

基于小波变换与形态学运算的ECG自适应滤波算法

针对ECG信号常用滤波算法存在的缺陷,提出了基于小波变换与形态学运算的自适应滤波新算法。该算法利用形态学滤波器去除基线漂移信号,用小波滤波器去除高频干扰信号,并将这两部分所得到的心电噪声分量作为自适应滤波器的参考输入信号,利用自适应滤波器调整对含噪ECG信号进行滤波处理。最后,经实验验证了本文算法的有效性。     

静止图像的一种自适应平滑滤波算法

本文提出了一种基于梯度信息的自适应平滑滤波算法，该算法根据图像中像元灰度值的突变特性，自适应地改变滤波器的权值，在区域平滑近过程中使图像的边缘锐化，较地处理了平滑噪声、锐化边缘这对滤技术中的矛盾。后续实验结果表明，该算法具有良好的滤波性能，易于实时处理。     

基于自适应Volterra的高斯噪声图像滤波算法

针对高斯噪声图像滤波问题,提出一种可以保留细节的自适应Volterra-Volterra滤波方法。为了解决二阶Volterra滤波器核系数确定难、数量多等问题,提出了一种自适应建核结构及算法。通过图像处理实验,与其它滤波算法进行了细节度保留、均方差(MSE)和信噪比(SNR)等指标的比较,结果表明,本文方法优于进行对比的其它滤波方法。     

基于形态滤波的基音检测新方法

提出了一种数字形态滤波与数字低通滤波器相结合作为基音检测预处理的基音检测新方法，本方法是线性滤波与非线性滤波相结合的一种新的尝试。实验结果表明，该方法可以得到比传统自相关法和倒谱法更好的结果，尤其是清浊音特征不明显的音段，基音检测的性能更好。     

基于自适应形态学滤波的目标检测方法

本文针对三维激光雷达进行目标检测过程中,激光雷达点云的稀疏性、数量非固定性、分布的任意性,会带来点云空洞引起分割错误的问题,提出了一种点云自适应形态学滤波方法。不同于传统的形态学滤波对所有的像素点统一进行二值化、开闭运算等进行矫正,本方法能够根据像素点与周边像素点信息,决定是否对该像素点采取运算以及采取何种运算,补充缺失的点云信息的同时避免了传统形态学滤波带来的边界和形态改变问题。实验结果表明,该方法用于稀疏激光点云的障碍物检测中具有更强的鲁棒性。     

多结构元素的数学形态学图像边缘检测算法

数学形态学作为一门新兴的、以形态为基础对图像进行分析的学科，已得到人们的广泛关注，并应用于图像处理的许多方面。本文提出一种基于多结构元素的数学形态学图像边缘检测算法，该算法通过构造4个不同方向的结构元素，应用形态学梯度算子得到图像4个方向的边缘检测结果，并将这些结果进行加权平均，得到最终的图像边缘。为验证算法的效果，给出了本文算法和几种传统算子对Lena图像进行边缘提取的实验结果。结果表明：本文算法成功地完成了图像的边缘检测，且检测效果明显优于经典的Sobel算子，Laplace算子和Canny算子。     

基于数学形态学的灰度图像车牌字符提取算法

在深入研究数学形态学的基础上,提取了一种灰度图像车牌字符提取算法。该算法构造4种结构元素,采用数学形态学的膨胀和腐蚀算子依次求出梯度算子对车牌字符进行边缘检测处理和迭代阈值分割,最后结合数学形态学的区域填充方法弥合字符中的空隙。与传统边缘检测算子相比较,实验结果表明该算法具有较强的提取字符能力和良好的抗噪能力,并保护了字符的边缘。其计算量小,在保证处理效果的同时,保证了处理速度,具有一定的可用性和可行性。     

形态学结构元素选取算法的研究

针对形态学结构元素选取的主观性和随意性展开研究,提出了步骤式选取结构元素的算法。该算法通过提供备选结构元素库、选择参考模板、预处理、分析选优等步骤,实现对结构元素的选择。对比结构元素对待处理图像处理结果的优劣,并深入分析各个结构元素的处理结果,选定表现优秀的结构元素为后续处理的结构元素。通过对无噪lena图像的仿真表明,处理该图像应选取全一型结构元素,该算法是切实可行的。     

一种基于数学形态学的图像边缘检测方法

针对经典形态学方法在边缘检测时可去除图像噪声,但难以保留边缘细节的问题,提出一种能有效去除噪声且能准确检测图像边缘的方法。该方法首先利用大尺度的轮廓结构元素对图像进行滤波开、闭运算,接着用小尺度结构元素在进行经典形态学的膨胀、腐蚀运算后对图像进行梯度运算,从而得到含噪声图像的边缘信息。实验表明,该方法在准确检测图像边缘的同时,能够有效地去除图像中的噪声,且运算量相对较小。     

基于数学形态学的心电信号R波检测算法

为了解决心电信号中R波的检测问题,研究验证一种结合自适应阈值的极大值搜索与数学形态学的R波检测算法。数学形态学算法是基于信号局部特征的,可以有效突出信号的峰谷点。考虑了心电信号特点的自适应阈值极大值搜索算法,可以敏感检测R波的准确位置。通过对MIT-BIH心率变异数据库中多组心电数据的仿真验证研究,实验结果表明,两种分析方法的结合可以有效消除心电信号的基线漂移或异常病态心率对检测的影响,能有效实现心电信号中R波的实时检测,预期本算法在心电信号的自动分析中将会扮演更为重要的角色。     

一种基于数学形态学与小波域增强的滤波算法

为了有效滤除图像高斯噪声,将数学形态学与小波域增强相结合,提出了一种高斯噪声新型滤波算法.该算法首先将噪声图像进行二维小波分解,得到低频和高频子图像;然后保留低频子图像不变,对各高频子图像根据其噪声分布特点分别设计出多角度、多结构逐级形态学滤波器进行滤波处理,并进行小波分解系数重构;最后对经过形态学滤波后的图像进行2层小波分解,通过设计出一种新型小波增强函数对不同幅值的小波系数进行不同程度的收缩处理,在此基础上进行分解系数重构.将自适应中值滤波与数学形态学滤波与本文算法进行比较,实验证明本文滤波算法其去噪效果优于前两种算法.     

基于形态学的可变权值匹配自适应图像增强算法

为了精确提取图像的细节特征,改善图像增强的效果,该文提出了一种基于形态学的可变权值自适应增强算法。通过构造扩展全方位多尺度结构元素,并进行top-hat变换,分解了图像不同方向不同尺度的细节。该文打破了传统形态学增强算法中各方向细节取均值融合的思想,实现了根据图像的局部灰度特性,动态调整各方向不同尺度细节的权值。在图像增强过程中,根据提取到的细节的结构化特征,构造相应的自适应增益函数,从而实现图像的自适应增强。实验结果表明,该算法能较好地利用图像的自相关性,比传统的形态学增强方法更有效地突出图像的细节信息,且能抑制噪声的放大。     

一种基于数学形态学的车牌图像分割方法

提出一种基于数学形态学的车牌图像分割提取方法.用修正后的形态学边缘检测算子对图像进行边缘检测,采用二尺度结构元素检测平均方法提高边缘检测的准确性,再用不同的结构元素对边缘图像进行形态滤波,以消除干扰.实验证明,该方法能快速准确定位分割出车牌图像,且计算量较小.     

基于数学形态学的数字图像生成及其应用

提出了一种基于数学形态学的数字全息图像生成方法。该方法运用数学形态学的原理和运算，能够对图像进行形态变换，生成数字图像序列，并能够制作出具有动态效果和美感的激光全息图，在激光全息防伪领域有着良好的应用前景。     

数学形态学在Criminisi图像修复算法中的应用

Criminisi图像修复算法的修复步骤由待修复区域的标记、优先权的计算、最佳匹配块搜索与填充和更新置信度4部分组成.其中待修复区域的标记是进行Criminisi图像修复算法的基础,因此合理的标记待修复区域是提高Criminisi图像修复算法修复效果的有效路径.引入数学形态学对待修复图像进行处理,即利用腐蚀与膨胀组合,对待修复区域边缘进行处理,进而进行Criminisi图像修复算法操作.实验结果表明经数学形态学处理后的标记可以降低错误信息的累积,大大提升了图像修复的质量,具有较高的实用价值.