基于最小生成树的显著性自适应形态学结构元素构造方法（英文）

经典数学形态学运算采用固定大小和形状的结构元素处理整幅图像,由于图像内容的多样性以及目标结构的复杂性,容易导致处理后的图像形状发生改变且丢失部分信息。为此,提出了一种基于最小生成树(Minimum spanning tree, MST)的显著性自适应形态学结构元素构造方法。首先,计算图像梯度,通过非极大值抑制(Non-maximum suppression, NMS)得到边缘图像,对边缘图像进行倒角距离变换,得到显著性图(Salience map, SM)。然后,通过计算SM的极大极小值确定结构元素半径,并在SM上计算MST。最后,利用计算得到的半径构造出一种形状和大小随输入图像局部特征自适应变化的结构元素。利用该自适应结构元素对腐蚀、膨胀、开和闭等基本形态学算子进行了重新定义,并且与经典形态学算子做了仿真对比。结果表明,该方法能够充分利用图像的局部特征,在图像结构保持以及图像滤波等方面都具有较好的处理结果。