结合SAM大模型和数学形态学的历史地图水系信息提取方法

历史地图记载着丰富的历史地理信息,能够帮助了解历史规律,为当代发展提供借鉴。不同于现代地图、遥感影像等数据,历史地图保存时间久,存在留存数量少、图像精度低等问题,地图符号也与现代有所差异,因此信息难以被高效提取。针对该问题,本文以历史地图《宁夏省境黄河沿岸沟渠水道地形图》为试验数据,提出一种智能化历史地图水系信息提取方法。首先,结合符号句法,运用聚类与数学形态学方法构建数据集;然后,改进通用大模型(SAM)结构并进行迁移学习优化权重;最后,借助改进SAM自动提取历史地图水系信息。将试验结果与其他模型作对比,显示本文方法提取结果边界清晰,轮廓完整,准确率、精度等指标均为最高。同时,将提取结果与该区域水系现状作对比,发现历史上的河流沟渠如今大多改道、偏移或消失,湖泊面积大大减小。本文方法基于SAM通用大模型进行改进,验证了大模型在地图领域的可用性,为地图信息提取提供了思路。

基于数学形态学和沃尔什变换的配电网高阻接地故障检测

配电网中高阻接地故障(high impedance grounding fault,HIGF)时常发生,故障一维零序电流信号特征模糊、微弱,极易与励磁涌流、电容器投切信号混淆。为此,提出一种基于相空间重构、数学形态学(mathematical morphology,MM)-沃尔什变换(Walsh transform,WT)的HIGF识别方法。首先,使用联合参数选取算法确定延迟时间和嵌入维数,利用坐标重构法对仿真零序电流信号进行相空间重构,获得重构轨迹图,以发掘在一维空间无法观测到的特征;然后,使用MM对重构图像进行去噪以及边缘特征提取;接着,采用MM-WT算法提取重构图像特征;最后,计算提取的图像特征的脉冲因子和对称因子,实现对HIGF和其他扰动事件的识别。在PSCAD/EMTDC和RSCAD/RTDS上进行仿真实验,结果验证了所提算法的可靠性和可行性。

DTM三角形格网数学形态学变换的生成方法

三角形格网是描述数字地面模型地形状态的重要工具,为生成高精度的三角形格网,提出一种基于数学形态学变换的DTM三角形格网生成方法。运用自动扫描线填充定位格网点,推算扫描行开始行号与终止行号,挖掘扫描行和三角形边界的交点,输出规则格网点三角形定位信息;将区域离散点密度、邻近离散点距离均值和边界三角形最大长度作为约束条件,划分数学形态学变换中的结构要素,利用腐蚀、膨胀运算处理图像信号数据,获得信号波形和结构要素对相似水平,提取DTM模型图像的外轮廓线;随机设置插入点,分割全部离散点数据形成大小适中的格网,连接插入点和三角形顶点生成格网。仿真结果表明,所提方法能准确获取格网细节特征,输出高质量三角形格网模型。

数学形态学在图像处理与计算机视觉中的创新应用

深入研究数学形态学在图像处理与计算机视觉领域的创新应用。首先,分析数学形态学基本原理。其次,特别关注形态学运算在目标形状分析、图像分水岭算法中的作用,以及形态学重建在解决图像分割中的低对比度和噪声问题上的创新应用。再次,在特征提取领域,研究形态学特征的定义与提取方法、形态学梯度的应用以及基于形态学的纹理特征描述。最后,通过详细讨论形态学变换在模式匹配、基于形态学的图像分类方法以及数学形态学在人脸识别中的创新应用,展示数学形态学在图像处理与计算机视觉中的前沿研究和实际应用的广泛潜力。

基于数学形态学理论的旋转机械故障诊断方法研究

在数学形态学理论的基础上运用局部特征长度域(LCD)算法和区间估计分形维数对传统诊断方法进行改进,利用LCD算法对信号进行处理,同时利用区间估计对形态谱进行故障分析。实验结果表明,基于LCD算法的故障诊断研究方法可以准确判断不同故障类型,区间估计分形维数方法的故障判断精度为95%,而且不同故障类型的形态谱特征与实际相符合。

基于数学形态学的苹果自动采集识别与定位算法研究

苹果自动采集识别与定位是智能采摘苹果机器人的核心技术。针对传统图像自动识别与定位算法存在的图像分割孔洞明显、噪声大的问题,提出基于数学形态学的苹果自动采集识别与定位算法。苹果图像由单目视觉传感器获取,并对获取的图像进行数学形态学处理实现苹果图像的最大连通。通过获取的最大连通区域测算苹果质心位置,并将质心和单目视觉传感器的光轴相连接。由连线和垂直方向以及水平方向的夹角来计算苹果的空间位置,实现对苹果的自动识别与定位。将提出的算法应用于实验中,结果表明其可以有效滤除苹果图像的噪声,填补图像空洞,保留图像的边缘信息,有效提升了图像的识别准确率。

基于深度学习和数学形态学的经济欠发达地区农村住房智能识别研究

中国大部分农村住房处于一种无规划的自发性建设状态。这种无序扩张是对土地资源的严重浪费,尤其是耕地资源,因此需要通过对农村住房监测来规范农房建设,同时保护耕地资源。而中国目前的农村住房监测手段主要以全国土地调查人工巡查为主,该方法收集到的信息缺乏实时性和可靠性。针对该问题,文章提出一个基于深度学习和数学形态学的经济欠发达地区农村住房智能识别模型,该模型基于高分辨率遥感影像数据和PaddlePaddle框架,创新性地引入数学形态学的膨胀腐蚀方法,并与MobileNetV2进行松散耦合,其在农村住房识别监测中的平均精度达到84.5%,且具有一定的泛化性。与ResNet34模型进行对比,该模型平均识别精度比ResNet34模型高10.6%,对地类边界的提取效果更精细,对农村住房轮廓的识别效果更好。

基于数学形态学的小孔径高斯光束光斑半径测量方法

为减小现有的激光光束光斑半径测量方法的测量误差,设计基于数学形态学的小孔径高斯光束光斑半径测量方法。对小孔径光斑几何特征进行划分,计算探测误差,获取光斑能量在探测器光敏面上的均匀分布函数,得到质心点到光斑轮廓点的距离。建立高斯光束光斑轮廓模型,获取位置轮廓的灵敏度,并计算其在某光斑点位的能量值,通过质心点的误差函数,得到光斑点的轮廓函数。基于数学形态学设计光斑半径测量方法,计算不同方向与尺度元素在对角线上的梯度幅值,得到激光光束光斑的半径长度。分析光照强度与发射角对测量精度的影响,实验结果显示:在该激光光束下,光照强度为80且发射角度为1.8时,测量误差最小。对比4种测量方法的测量误差,由数据可知,数学形态学的测量方法误差最小,可见该方法优于其他测量方法。

数学形态学在数字图像处理中的应用

阐述数学形态学的特点,数字图像的表达方式,数学形态学在数字图像处理中的应用,包括二值数学形态学、数字图像处理中的消除噪声、边缘检测、提取形态骨架、图像分割。

基于数学形态学的遥感图像条带噪声去除方法

遥感图像对于了解地球特征信息具有重要作用,噪声去除效果亟待加强,因此,设计基于数学形态学的遥感图像条带噪声去除方法。分析遥感图像条带噪声来源,设置遥感图像特征参数;基于数学形态学提取图像条带噪声的结构元素,提高数学形态学对图像处理的准确性;计算条带噪声信噪比,进一步提高条带噪声去除效果,进而实现遥感图像条带噪声的有效去除。实验结果表明:设计方法的噪声去除效果更佳,极具推广价值。

基于数学形态学的机载LiDAR采煤区沉陷信息提取

由于采煤沉陷过程复杂和地表地形影响,机载LiDAR在采煤区沉陷监测中不可避免地存在噪声数据,高密度LiDAR点云中存在的噪声容易导致提取的沉陷等值线出现锯齿、毛边和多边形碎屑等问题。将数学形态学算法格网初始值的判定方式进行改进,传统数学形态学算法选择格网内最低点高程作为格网值,改进算法对格网内所有高程值进行平面拟合,将拟合值作为格网初始值。在采煤沉陷信息提取过程,增加对地面点云的改进数学形态学算法处理,降低噪声数据对地面DEM的影响,提高沉陷DEM精度和沉陷等值线完整度,试验对比分析确定算法最优参数(格网大小为3.5 m,结构元素尺寸为3 m)。最后,采用该方法对研究区数据进行处理,获取研究区沉陷DEM,并进行数据分析挖掘,获取地表下沉范围、下沉等值线、下沉面积等。结果表明:改进算法既保证原始的地形特征和精度,又可消除沉陷等值线中出现的噪声问题,为开采沉陷预计及采后环境评估提供支撑。

基于广义S变换与数学形态学的局部放电窄带干扰抑制方法

针对高压电力设备局部放电信号受周期性窄带干扰影响大的问题,提出了一种基于广义S变换与数学形态学的局部放电窄带干扰抑制方法。该方法可以从染噪局部放电(partial discharge,PD)信号中分离出原始PD信号和窄带干扰信号的时频谱图,从而在时频域内准确辨识出窄带干扰和原始PD信号,避免强能量的窄带干扰掩盖原始PD信号时频特征的问题。再利用总体最小二乘不变旋转矢量技术准确估计窄带干扰的特征参数,以抑制染噪PD信号中窄带干扰。对仿真和实测PD信号开展窄带干扰的抑制测试,测试结果表明:该文所提方法可以有效分离出染噪PD信号时频谱图中窄带干扰和PD信号,提高了时频分析的准确率;同时相比于传统的快速傅里叶变换(fast Fourier transform,FFT)算法谱最小熵解卷积滤波法和自适应奇异值分解法,该文方法能够有效抑制小幅值的窄带干扰,具备更好的窄带干扰抑制效果,以恢复局放信号的波形特征。

基于数学形态学的非规则缺失图像修复仿真

面对非规则缺失图像修复过程中容易出现的毛刺和小孔问题,在数学形态学支持下修复非规则缺失图像。结合数学形态学方法对修复图像膨胀和腐蚀预处理,避免修复区域受到干扰出现毛刺。预处理待修复图像后,获取待修复图像的全部像素点,连接像素点形成一个待修复轮廓,计算该部分的像素点优先权。通过粗略、精细搜索步骤定位最佳匹配块。在保证未知像素块相邻四个方向像素颜色一致的基础上填充像素。通过分割图像阈值,确定缺失区域基准点灰度值,判断目标点和噪声点,实现噪声点滤波处理,避免出现小孔问题。由实验结果可知,所提方法最高PSNR值为0.98,且无毛刺、无小孔,具有良好修复效果。

基于改进数学形态学的车牌定位算法研究

针对传统数学形态学算法对图像边缘细节提取不理想的问题,采用3×3或者5×5的结构元素替换单一结构来改进数学形态学算法,克服传统数学形态学算法的缺陷。对车牌图像边缘轮廓实施闭运算、开运算、小对象移除,实现车牌的粗略定位。在此基础上,采用区域标记法进行车牌精准定位。将提出的车牌定位算法应用于实际的车牌定位中,结果表明,改进数学形态学算法对车牌定位的准确率比传统数学形态学算法提高了13.9百分点,具有更为广泛的适用性。该研究对提高车牌的定位精度、车牌识别具有一定的参考价值。

结合小波变换与数学形态学的电缆局放信号识别与降噪方法

针对大部分电缆局放(PD)信号识别方法在噪声影响下的识别准确率低、波形失真等问题,提出了一种基于小波变换与数学形态学的电缆PD信号识别及降噪方法。该方法利用最大重叠离散小波变换提取PD信号的高频和低频特征,结合重构和数学形态法滤除噪声。利用自适应神经网络学习小波变换后的特征,最终完成PD信号的识别分类。基于某变电站实测PD信号波形对所提方法进行实验分析结果表明,信号降噪处理后的信噪比与均方误差分别为5.439 dB、0.251,且整体的识别准确率超过了88%,均优于其他对比方法,具有良好的应用前景。

基于数学形态学的零样本低照度图像特征增强方法

在低照度环境下拍摄的图像往往存在严重的噪声和细节模糊等问题,会给后续的图像细节分析和处理带来困难。为此,提出基于数学形态学的零样本低照度图像特征增强方法:以超像素合成的高质量正常曝光图像作为参照图像,使用半软阈值指数衰减法优化小波去噪,完成低照度图像的去噪预处理;通过膨胀和腐蚀操作提取低照度图像特征结构元素;采用盒式滤波求解低照度图像积分反射分量;通过全局零样本迭代学习增益完成低照度图像特征的增强处理。经实验测试,此方法的去噪和特征增强效果较好,能够有效提升低照度图像的视觉质量。

基于数学形态学改进Canny算法的红外图像边缘检测

在应急搜救中,红外图像边缘检测起到至关重要的作用,众多学者都致力于研究如何能够进一步提高红外图像边缘检测的性能,本研究提出一种将数学形态学与Canny算子进行融合的算法,称为应用于红外图像边缘检测的改进Canny算法。算法研究完成后,将通过Matlab仿真软件进行仿真,将改进后的Canny算法与传统Canny算法的仿真结果进行比较,可以发现该算法在边缘检测和细节处理方面的性能更为优良。

基于小波及数学形态学的局部放电信号滤波技术

局部放电是电力电容器发生故障的初始征兆,有效提取和分析电力电容器的局部放电信号特征,为提高电力电容器在线故障监测的有效性提供依据。提出一种基于小波变换阈值消噪和数学形态学交替混合滤波器相融合的电力电容器局部放电信号提取方法。先选择适当的小波基函数和尺度,将夹杂噪声的局部放电信号进行小波分解,提取各层小波系数,再针对各尺度下的小波系数选择合适的扁平结构元素,采用交替混合型数学形态学滤波器滤波,得到新的小波系数,然后选择适当的阈值规则对新的各层小波系数进行阈值处理,重构处理后的小波系数获得消噪后的局部放电信号。通过两算法融合消噪能够有效地去除噪声,且能较好地保留信号地原始形态特征。

基于数学形态学的路面裂纹图像分割方法

已有裂纹图像分割方法无法对较小裂纹特征进行具体描述,导致路面图像中的裂纹提取结果不全面等问题,为此提出基于数学形态学的路面裂纹图像分割方法。采用空间域处理方法对原始图像像素进行增强处理,通过正变换及逆变换得到新的路面裂纹图像,并划分出图像中的噪声类型;使用灰度值表示噪声,使用均值滤波法中的3×3模板表示离散图像的裂纹元素与噪声元素,并对路面裂纹图像进行去噪处理;利用经典数学形态学理论,对路面裂纹图像结构元素进行表达,在膨胀和腐蚀处理过程中判断裂纹的形式变化,实现裂纹分割。单一裂纹图像和复杂裂纹图像的实验结果表明:所提方法可以有效提取裂纹特征值,特征提取率为99.5%,并在不同噪声条件下具有较高的分割效率,可以满足路面裂纹检测需求。

基于自适应数学形态学的医学图像边缘连接

在介绍了数学形态学基本原理的基础上,阐述了自适应数学形态学,并将之应用于有中断间隙的医学图像边缘连接。它根据边缘的斜率、曲率等特性适当调节椭圆结构元素的大小和方向,并通过自适应膨胀运算使得中断的边缘沿着它们的斜率方向延伸而最终连接起来。实验结果表明这一方法是有效的。