基于形态学梯度重构的高分辨率遥感影像分割方法

基于形态学梯度重构提出一种用于高分辨率遥感影像的分割方法.针对遥感图像的特点构建多形状结构元素,然后使用该结构元素对图像提取形态学梯度并进行开闭重构;根据人的视觉特征,对梯度的高对比度区域进行还原,用于保证较高的局部对比度;最后使用浸没式分水岭变换获得分割结果.对IKONOS影像进行分割实验,结果表明了该方法的有效性.

基于模糊形态学梯度的高分辨率遥感影像分割方法

针对高分辨率遥感影像提出一种有效的分割方法。首先采用分块方式计算图像复杂度,根据不同的复杂度,使用相应参数的均值偏移算法对图像进行颜色量化,图像越复杂,量化级数越多;在量化结果的基础上构建多形状结构元素,然后使用该结构元素对图像提取模糊形态学梯度,并使用浸没式分水岭变换得到分割结果;最后,使用改进的合并代价函数进行小区域合并而获得最终结果。对QuickB ird多光谱影像进行分割实验,结果证明了该方法的有效性。

基于圆形模板的高分辨率遥感影像道路半自动提取

针对基于矩形模板匹配的道路提取方法在影像中存在较大弯曲路段提取效果不佳的问题,提出一种基于圆形模板的半自动道路提取方法,用圆形模板取代矩形模板搜索道路中心点,省去了旋转角度计算,结合影像灰度、形态学梯度及道路中心点之间的夹角信息,用迭代内插的方法搜索加密道路中心点,最终得到道路中心线。试验分析和比较表明,该方法在继承模板匹配优势的同时较好地弥补了矩形模板的不足,提取效果较好。

一种改进的形态学梯度边缘检测算法

数学形态学边缘检测器能克服线性边缘检测器的一些缺点,但是存在宽边缘,导致边缘分辨率较低。文章依据宽边缘形成机理,提出了一种从相互垂直方向分割形态学梯度图像,提取截面曲线局部极大值的边缘检测算法;给出了算法实现的详细步骤。实验表明该算法能提高形态学梯度边缘检测器的边缘分辨能力,并且能增强形态学边缘检测器的抗噪性能。

数学形态学在串联型故障电弧诊断中的应用

故障电弧是导致设备或线路电气火灾故障的原因之一。为了实现对配电系统中串联型故障电弧的快速诊断,文中提出了一种基于数学形态学的串联型故障电弧诊断方法。该方法利用数学形态学的开闭运算,有效地滤除电流信号中的噪声干扰,并通过多分辨率形态梯度(MMG)运算提取串联型故障电弧发生前后电流波形的突变特征,进而获取正常工作情况下和故障电弧发生时线路电流波形的形态梯度值。通过比较故障发生前后线路电流波形形态梯度值的大小,可以准确地判断出线路是否发生了电弧故障。该串联故障电弧诊断方法具有逻辑运算简单,计算量小且易于实现的特点。

基于圆形模板的遥感影像道路半自动提取方法

目前,针对低分辨率遥感影像的道路提取研究已经很多,但是在中、高分辨率遥感影像中,丰富的场景信息以及路面车辆、交通标志线、绿化带或路边行树等噪声都会对道路提取产生影响,因而,道路提取仍是一项较为困难的工作。有鉴于此,本文提出了一种基于圆形模板的高分辨率遥感影像道路提取方法,以空间分辨率为0.8 m的高分2号影像为实验数据,利用区域增长、模板匹配方法,结合影像灰度、影像形态学梯度及道路中心点之间的夹角信息,用迭代内插的方法加密道路中心点,最终得到道路中心线。实验分析表明,本文方法省去了旋转角度的计算,同时延续模板匹配优势,算法简单,易于操作,实验效果较好。