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.     

一种基于快速独立分量分析的图像水印算法

本文提出了一种基于快速独立分量分析的图像水印算法。该方法是把一幅二值水印图像嵌入到原图像的小波逼近子图中,检测时利用一种FICA(快速独立分量分析)方法来提取水印。实验证明,该水印具有较好的透明性和较好的鲁棒性。     

舰船尾流红外图像边界检测方法

由于舰船尾流与周围未扰动的海水相比温差较小且无明显轮廓,导致舰船尾流红外图像成像模糊、对比度低,难以提取其边缘信息。文中根据舰船尾流及其红外图像的特点,提出了一种利用动态纹理和数学形态学检测尾流边界的方法。首先,利用动态纹理分割方法对舰船尾流红外图像序列进行了预分割。然后,采用Canny算子对尾流区进行边缘提取。对提取的边缘利用形态学的方法进行膨胀、标记和选择,提取了真正的尾流边界。实验结果表明:该方法对舰船尾流红外图像序列进行处理,能够有效的提取尾流的边界,取得了较好的处理效果。     

基于最优阈值的叶类中药边缘检测算法研究

提出了一种利用最优阈值分割和形态学处理相结合的边缘检测方法,首先通过Otsu最优阈值算法分割数字图像,然后利用形态学腐蚀运算腐蚀图像,最后利用分割后图像与腐蚀过的图像的相减获得边缘.该方法实现了对叶类中药显微图像效果更优的边缘检测,同时对比了传统边缘检测算法对叶类中药显微图像的图像边缘检测效果,为下一步的叶类中药显微图像的分割与自动识别奠定基础.     

基于分数阶微分与独立分量算法的红外图像边缘提取

探讨了基于分数阶微分增强和独立分量分析在红外图像边缘提取上的应用.首先,从数字图像分数阶微掩模及其运算规则出发对红外图像进行增强.然后,基于信息最大化算法对自然图像进行迭代训练,得到ICA所需的基函数.最后,运用独立分量算法对增强后的红外图像进行边缘提取.实验结果表明,分数阶微分在增强红外图像灰度变化不大的平滑区域中的边缘特征效果明显,而ICA算法做边缘提取即使在有噪声的情况下也能较好地提取红外图像的边缘特征.     

一种基于数学形态学的图像对比度增强算法

由于数学形态学边缘提取算法优于微分边缘提取算法,故提出一种数学形态学图像对比度增强方法.利用数学形态学的相关原理,使用双梯度多尺度、多结构元素进行边缘检测,成功地实现了对模糊图像的去模糊处理实验.仿真结果表明,该方法优于拉普拉斯去模糊方法,并且提取出的图像边缘较好地保持了原来的细节特征,去模糊效果好,图像的对比度得到明显增强.     

基于多尺度形态学梯度的颅脑图像分割方法研究

提出一种基于多尺度形态学梯度的颅脑图像分割方法。针对传统分水岭算法易产生"过分割"现象的问题,提出优化算法,即首先利用多尺度形态学梯度算法提取图像边缘信息,对梯度图像进行修正,最后利用分水岭算法实现分割。仿真结果表明该方法能够较好地抑制"过分割"现象。     

一种快速鲁棒的红外图像分割方法

介绍了一种快速鲁棒的红外图像分割方法,算法是为了满足工程化应用。首先采用Canny边缘检测算子提取图像的边缘像素;然后统计边缘像素灰度值得到红外行人图像的分割阈值,并利用自适应双阈值算法对图像进行初始分割;最后通过边缘扫描对初始分割的图像区域进行边界修正,得到边界更加精确的目标区域。实验结果表明,该方法能够较好地保留行人的边缘信息,减少了区域像素错误分割,且具有较强的实时性。     

基于形态预处理和标记提取的分水岭分割算法

为了解决传统分水岭算法的过分割问题,提出了一种基于内外标记的改进分水岭图像分割方法.该方法在形态增强图像的基础上,进行形态学开闭重构运算,在不影响图像中原有景物结构及边缘结构的同时,去除图像中的暗纹理和噪声.从重建后的增强图像中对感兴趣的目标和背景进行标记提取.依据标记利用形态学极小值标定技术对形态梯度图像进行修正,最后使用分水岭算法对修正后的梯度图像进行分割.该方法能够有效地抑制过分割现象,复杂度较低,并可通过调整图像分割过程的参数,得到理想的图像分割效果.     

LCD表面液晶污染的非接触检测新算法

针对液晶器件的特点,对其表面残留液晶的非接触式检测技术进行了研究,提出了基于迭代阈值分割和数学形态学的边缘检测方法,可以从目标区域中判断出液晶残留形貌与边缘.首先将原图按坐标分成若干子图像,再对子图像进行迭代阈值分割,然后采用不同尺度的结构元素来检测图像边缘,再进行加权合成来获得边缘图像,并从理论上分析了噪声对边缘提取的影响情况.实验表明,该方法很好地抑制了噪声和保持图像边缘细节,并且能够提取出精确且封闭的残留液晶的边缘轮廓,为下一步缺陷特征量的提取与选择奠定了基础.     

基于新的形态学梯度参数的DTI图像分割算法

为了解决传统DTI图像分割中更细致边缘信息的丢失问题,提出了新的张量形态学梯度参数,并基于张量相似性形态学梯度和各向异性形态学梯度,采用标记的分水岭算法对DTI图像进行分割.通过对人脑胼胝体图像的分割实验表明,利用新参数TMG-l2和TMG-RA能够更加快速、准确地对DTI图像进行细致边缘轮廓的定位和分割,保护了重要分割区域的边缘信息.     

基于形态学梯度的红外图像分割算法

提出了一种新的红外图像分割方法。该方法利用形态学方法来处理红外图像。首先进行形态学滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着提出了一种计算红外图像梯度的多尺度算法提取图像形态学梯度,而后分析了图像分形特征估计方法与形态学梯度的关系,提出了一种新的红外图像分形特征估计算法,在此基础上对图像进行分割。实验结果表明,该算法能较好地解决红外图像的分割问题。     

基于顺序形态学的图像边缘检测快速算法的研究

 图像边缘检测是图像处理的关键技术,边缘检测的结果直接决定了后续图像处理的性能.数字图像的边缘检测主要要求就是边缘定位准确,运算速度快.以此要求为依据,本文在深入研究了数学形态学和顺序形态学的基础上,提出了一种基于顺序形态学的优化边缘检测算法,该算法能够快速准确的提取图像的边缘,对于尺寸较大的图像效果尤为明显.通过仿真实验表明该算法是一种准确快速的边缘检测方法.     

基于动态阈值分割的目标提取技术

如何从背景中提取目标信息是图像处理时经常遇到的技术难题.从火腿肠生产线质量检测遇到的实际问题出发,提出一种结合动态阈值分割、数学形态学和边缘检测的方法,实时检测图像中的异物信息.实验结果表明,该方法能快速检测目标信息,满足实际生产要求.     

基于形态学和分水岭算法的冠状动脉造影图像分割研究

图像分割技术是图像处理领域非常活跃的研究课题,但目前还不完善,尤其对狭长区域的分割还没有给出较好的分割算法,如血管图像的分割等。将分水岭算法与数学形态学算法结合起来应用于冠状动脉造影中,并用来进行冠状动脉造影图像血管分割,取得了较好的分割结果。详细论述了数学形态学算法的原理,通过形态学知识提取图像边界。利用图像的几何特征,去除非目标区域,再采用分水岭变换进行图像分割,并利用冠状动脉造影图像验证了该方法的优势。通过实验验证了其可行性与优越性。     

基于复合顺序形态变换的车牌边缘检测

边缘检测是图像分割的重要环节,边缘提取的好坏直接影响了整个图像处理的效果。数学形态学用具有一定形态结构的“结构元素”去度量图像的形态,以解决图像处理和分析问题。文章通过对多种边缘检测方法的分析比较,结合高速公路路口汽车图像噪声大的特点,提出了基于复合顺序形态变换的车牌边缘检测。该方法不但能有效地改善有噪图像边缘检测的效果,鲁棒性好,而且并行快速,便于硬件实现。     

基于改进多尺度形态学的带钢缺陷图像边缘检测

针对目前板带钢表面缺陷在线检测过程中无法准确地检测出所有缺陷边缘问题,根据带钢缺陷的特点,分析了结构元素的选取,提出了一种将多尺度形态学和多结构元素有机结合的边缘检测方法。该方法首先进行多尺度形态学滤波降噪,分别求取0°结构元素、45°结构元素、90°结构元素和135°结构元素带钢缺陷图像边缘;其次通过一定的运算组合,提取多结构边缘;最后对得到的带钢缺陷图像的边缘作二值化处理,再细化边缘得到缺陷图像边缘的最终结果。实验结果表明,该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上提取板带钢表面缺陷的边缘。同时能够较好地保留图像中缺陷的边缘细节信息,为带钢表面缺陷在线检测系统中自动分割、缺陷识别等后续处理奠定了基础。     

融合纹理特征与螺旋状搜索聚类的超像素分割算法及应用

针对传统SLIC(simple linear iterative clustering)超像素分割算法没有综合考虑图像的纹理信息特征,导致对边缘信息较强和纹理复杂的图像进行超像素分割时,出现边缘检测不灵敏,分割效果不理想的问题.提出了把原图像先经过噪声抑制提取出纹理特征分量,构建以颜色特性、纹理特征和空间位置特征相融合的相似性度量方法.改进后的方法提高了边缘检测的灵敏度,增强了算法在对边缘信息较强和纹理复杂图像进行分割时的鲁棒性.另外,提出利用螺旋线状的搜索方式进行聚类,加速了算法的收敛速度,提高了分割效率.改进后的方法在BSDS500公共数据集上进行了实验,结果显示改进后的方法在边缘召回率、欠分割错误率、可完成的分割精度以及算法运行时间四项指标上优于传统算法.     

基于改进分水岭算法的红外图像分割

研究自然背景下红外图像目标分割的问题,提出了一种基于改进分水岭算法的红外图像分割方法.该方法先利用形态学开闭滤波,对红外目标图像中的噪声和微小的干扰区域进行滤除,接着根据提出的计算图像形态梯度的多尺度算法提取图像梯度,而后用改进的分水岭算法对图像进行分割.最后提出了一种新的区域融合方法.实验结果表明,该算法能较好地解决红外图像中的目标分割问题.     

基于模糊形态学的激光图像处理算法研究

针对原始激光图像辨识处理中存在边缘不清晰等问题,提出了一种基于模糊形态学的新图像分割算法.文中剖析了浸没模拟分水岭算法与IFT分水岭算法,对模糊形态学的特性作了分析,基于对各种算法优势的融合,提出了一种改进的基于模糊形态学的图像分割算法.仿真对比研究实验中,用多种算法对图像进行分割处理,结果显示采用所提出的算法其分割效果更好,可较好地消除传统分水岭算法产生的过分割现象,无伪边缘,实现了目标与背景的分离,经处理后的图像边缘连续,图像更加平滑,柔和性更好,完整地保留了图像的细节.研究结果表明,所提出的图像处理算法有其可行性与可用性.