形态学重建与Canny结合实现机场跑道边界检测

针对机场边界检测出现跑道边界不连续和误检的现象,采用形态学方法对机场的灰度对比度和结构特征进行增强,即先利用大尺寸的结构体进行形态学重建顶帽变换增强机场与背景的灰度对比度,然后采用形态学重建滤波器平滑图像噪声,提高机场内部的同质性;在此基础上对增强后的图像进行梯度计算,并基于判别分析估计了双阈值,采用Canny算子实现跑道边缘检测。为了检验提出的方法,对4幅不同城市、不同类型的机场高分辨影像完成了机场跑道的边界提取。其中临潼和开封机场属于军事用途的机场,其跑道边界被完美地提取出来,背景被完全抑制;首都和咸阳机场为大型国际机场,其获取的跑道外部边界也比较完整。另外设计了对比实验,检验了不同步骤对结果的影响。实验结果表明,该文的跑道边界检测方法有效且简洁,它同时解决了跑道与背景对比度增强、图像随机噪声与无关背景对象抑制,以及跑道边界完整性保持等几个问题,为机场跑道信息提取提供了一个可靠的方案。

基于形态学重建和GMM的球团颗粒图像分割

机器视觉技术的发展为颗粒粒径的自动测量提供了一种有效方法,但是,重叠颗粒的图像分割问题仍有待进一步解决。针对这一问题,提出一种基于形态学重建和高斯混合模型的球团颗粒图像分割算法。首先利用似圆度将单独颗粒和重叠颗粒进行区分;根据重叠颗粒图像距离变换特征建立了高斯混合模型;为实现无监督的聚类,采用形态学重建结合聚类有效性指标的方法获得最佳聚类数目,并利用期望极大(EM)算法进行求解;最后采用圆拟合的方法对缺失的球团颗粒轮廓进行重构,实现了对重叠球团颗粒的分割。实验结果表明,该算法能够有效地对重叠颗粒进行分割,分割正确率评价指标AC为93.6%,明显优于现有的对比算法,为基于机器视觉的球团颗粒粒径分布测量奠定了基础。

基于形态学重建滤波的脑部磁共振图像分割

在阐述形态学基本原理、形态学重建滤波原理和方法的基础上,提出了形态学交变序列重建滤波,并应用于脑部磁共振图像分割。试验结果表明,该方法能有效地滤除无用的信息而保留图像原始形状不变。再应用形态学梯度运算、测地距离和流域变换方法就能准确地分割出脑部磁共振图像的头盖骨和脑膜。

基于灰度形态学重建的骨料颗粒群图像分析方法

为解决图像分析堆积态骨料颗粒群时存在的识别精度问题,应用平板扫描仪,提出了基于灰度形态学重建的粘连颗粒分割方法和基于最小凸多边形边界拟合的骨料图像优化技术.采用图像法分析骨料颗粒群特征参数,计算出图像分析中最小样本颗粒数为720.结果表明:基于灰度形态学重建的骨料颗粒群图像分析方法能解决骨料颗粒粘连时的识别问题,并计算出骨料级配、针度、圆度、球度、棱角性指数、比表面积和针状颗粒含量等颗粒群特征参数.

基于形态学重建和极大值标记的分水岭分割算法

针对传统分水岭算法的过分割问题,结合形态学重建和极大值标记技术研究并实现一种新算法。该算法首先进行开闭重建预处理,较好地去除了各类噪声并保留目标原有的结构;然后进行局部极大值调整及标记,有效地避免了过分割;最后对局部极大值图像进行分水岭分割,取得了较好的实验效果。论文还探讨该算法的关键因素即结构元素的选择问题,经大量实验得出结论——选择与目标图像形状相似、大小相宜的结构元素可获得较好的分割效果。

基于形态学重建的分水岭图像分割实验教学研究

现有分水岭算法对噪声敏感,易出现过度分割现象,导致图像分割边缘不明显。在传统分水岭算法基础上,通过形态学开闭重建来清除图像中的噪声点,并采用最小覆盖运算修改梯度图像,使得局部最小区域仅出现在标记位置,从而消除过分割现象。实验结果表明,与传统标记分水岭算法相比,用改进的算法对硬币图像和火焰图像进行处理,硬币轮廓识别率提高了56.67%,火焰目标分割效果提高了16.15%,取得了较好的图像处理效果。

基于形态学重建和Canny算子的边界提取方法

针对形态学重建算法和Canny边界提取方法在森林植被边界提取中受噪声和影像细节干扰严重的问题,本文提出了一种将两者进行融合的算法。与直接使用Canny边缘检测器或形态学方法相比,提取结果有明显改善。

基于形态学重建和标记分水岭的彩色图像分割

彩色图像的分割方法很多,文章采用了一种将形态学重建滤波和经过最大熵阈值处理的标记分水岭算法相结合的彩色图像分割方法,实验表明该方法分割效果好,运算简单,时间复杂度低.

运用启发式阈值搜索和形态学重建分割细胞图像

提出了一种基于启发式阈值搜索和形态学重建的细胞图像分割方法。该方法首先将彩色骨髓切片细胞图像分解为色度和饱和度分量图,然后在上述分量图中分别运用启发式的最大类间方差法进行阈值搜索,并用得到的阈值进行分割,提取出有核细胞的大体轮廓及其细胞核;然后运用快速形态学重建,将不同颜色分量的分割结果结合起来,成功地从复杂背景中提取出有核细胞。实验结果表明:该方法不仅可以提取出待分离细胞,还可以分解出细胞核和细胞浆。

基于形态学重建的粘连物体分割

提出一种基于形态学重建(Morphological Reconstruction)的图像分割方法。该方法先对待分割图像进行预处理,使边界点具有局部极大的灰度值;然后利用灰度形态学重建提取穹顶(Dome),并根据其特性利用阈值对穹顶进行二值化获得候选边界点集;再利用二值形态学重建确定候选边界点集中的边界点,得到分割边界。实验结果表明,本分割方法所得边界连续性好、假边界少;该方法受噪声和对象内部灰度变化的影响较小,适合用于分割含有粘连对象的图像。

基于AttentionGAN和形态学重建的TFT阵列缺陷检测

缺陷检测在TFT阵列工艺的良率提高中起着重要作用,传统的人工识别效率低,新兴的目标检测卷积神经网络在缺陷标注上需要耗费大量人力。为了实现TFT阵列缺陷自动检测的同时尽可能地减少人工成本,提出了一种基于生成对抗网络和形态学重建的TFT阵列缺陷检测方法,该方法中用于训练网络的数据集无需人工标注,解决了人工标注成本大的问题。该方法首先通过AttentionGAN网络得到TFT阵列的显著性图,接着选定显著性图中显著性最低的像素为种子点,得到缺陷标记图像与缺陷掩膜图像,进而进行二值形态学重建的区域生长,最后得到缺陷的检测。该方法对于TFT阵列缺陷的二分类能达到F1分数为0.94的结果,为TFT阵列的自动化缺陷检测提出了一种新思路。

基于形态学重建改进的FCM算法

传统的FCM(fuzzy c-means)算法可以准确的分割多数无噪声图像,但对噪声图像非常敏感。针对于此类问题,提出了一种基于形态学重建的改进FCM算法。首先利用形态学闭合重建算子对含噪图像进行光滑化。然后利用基于邻域信息的改进FCM算法对合成图像及医学图像进行分割处理,最终得出了更加精确的分割结果。通过与其它两类算法进行数值实验对比,验证了所提出算法的有效性和实用性。

形态学重建在图像处理中的应用

本文先介绍了形态学重建的基本思想以及进行重建的方法,并提出了一种基于形态学重构的方法对图像的区域极大值进行提取,以雪花图片为例,用matlab进行仿真实验取得了较好的效果。

基于形态学重建颗粒分析的微囊体测量方法

电子墨水的制作过程中,微囊体颗粒的大小及均匀性是衡量其质量的重要指标,尽管可通过形态学颗粒分析等手段统计出这些参数,但由于颗粒分析是基于形态学开运算的,在测量过程中,容易造成微囊体颗粒的形状和大小改变。为此提出了一种基于形态学重建颗粒分析的微囊体图像测量方法,首先将获取的彩色微囊体颗粒图像转化为灰度图像,然后利用形态学区域开滤除小噪声斑点后,采用双阈值进行二值化;通过分水岭变换分离相互粘连的微囊颗粒体,最后采用基于形态学开重建的颗粒分析,在有效保证微囊体颗粒形状和大小的前提下,准确统计出微囊体颗粒的大小分布情况。实验表明,该方法能准确有效地统计出微囊体颗粒的大小分布等指标。

基于图形处理器的形态学重建系统

形态学重建是医学图像处理中非常基础和重要的操作。它根据掩膜图像的特征对标记图像反复进行膨胀操作,直到标记图像中的像素值不再变化为止。对于传统基于中央处理器(CPU)的形态学重建系统计算效率不高的问题,提出了使用图形处理器(GPU)来加速形态学重建。首先,设计了适合GPU处理的数据结构:并行堆集群;然后,基于并行堆集群,设计和实现了一套基于GPU的形态学重建系统。实验结果表明,相比传统基于CPU的形态学重建系统,基于GPU的形态学重建系统可以获取超过20倍的加速比。基于GPU的形态学重建系统展示了如何把基于复杂数据结构的软件系统高效地移植到GPU上。

基于形态学重建与OTSU的极耳焊缝图像分割方法

针对软包动力电池极耳焊缝高反光、低对比度,存在阴影与噪声的问题,提出一种基于形态学混合开闭重建与OTSU的极耳焊缝图像分割方法。通过改进多尺度结构元素,进行多尺度顶帽-底帽变换;在此基础上进行形态学开闭混合重建,抑制细节干扰的同时提高焊缝目标与背景的对比度;最后结合OTSU阈值分割法,实现快速分割。实验结果表明,该方法能有效分割极耳焊缝,为软包动力电池极耳焊缝分割提供了新的思路。

基于形态学重建算法的海底多金属结核覆盖率统计研究

为提高海底多金属结核覆盖率统计的精度,提出一种在图像处理后期填加形态学重建算法的优化方法。实验中,分别采用网格计数法、二值化图像处理法和形态学重建算法,对蛟龙号拍摄的海底多金属结核图像进行了覆盖率的统计和对比分析。实验结果表明:传统的网格计数法作为一种人工统计方法,工作量大、耗时费力且统计误差不稳定;二值化图像处理法统计效率和精度大大提高,但该方法无法如网格计数法般人为避免多金属结核表面被海底障碍物(软泥、砂砾等)覆盖带来的部分统计误差,使统计结果偏低;优化后的算法二值化阈值自动提取,遮盖区域得到填充,有效地弥补了其他两种方法的缺点,统计快速,准确率提高。

基于形态学重建和边界融合的视频对象分割方法研究

通过对现有的视频序列中运动对象分割算法的研究,在时空融合的框架指导下,提出了一种基于形态学重建和边界融合的视频对象分割方法。具体地,空间域利用形态学重建及形态学梯度阈值判别的改进分水岭算法,有效抑制了"过分割"现象;时间域采用变化检测的方法来初步确定运动区域,采用高阶统计量的方法进行高斯检验,有效去除了视频序列存在的背景噪声;提出了基于边界的四阶矩,用以滤除噪声并进行时空融合,较最初的四阶矩方法,大幅提升了运算效率。

结合形态学重建和超像素的多特征FCM分割算法

针对现有模糊聚类分割算法对噪声的鲁棒性差且提取的图像特征不充分等问题,本文提出了一种结合形态学重建和超像素的多特征模糊C-均值(FCM)分割算法.首先,利用形态学闭合重建处理原图像,提高了算法的鲁棒性和细节保护能力.其次,采用Mean-Shift方法预分割重建图像,获得一组超像素区域.再次,提取重建图像各像素的颜色特征、纹理特征和梯度特征,利用平均策略定义各超像素的颜色特征、纹理特征和梯度特征,组成多维特征向量.最后,运用最大熵正则化的加权模糊C-均值算法(EWFCM)的框架,以超像素为单位,以核诱导距离作为距离度量来聚类多维特征向量.选取BSDS300数据集中的6幅图像完成实验对比.结果表明,本文算法具有更高的分割精度.

用形态学重建方法进行机载LiDAR数据滤波

在利用KD-树进行粗差剔除的基础上,结合机载LiDAR数据的多回波特性剔除不必要的冗余数据,利用形态学重建的方法对机载LiDAR数据进行滤波,且运行时只需要输入一个参数。使用国际摄影测量与遥感学会(ISPRS)提供的测试数据对算法进行实验,并与国际上8种滤波算法进行对比,结果表明,该算法对各种场景的适应性较强,既能有效地去除非地面点,又能很好地保留地面点,使Ⅰ类误差、Ⅱ类误差和总体误差分别保持在9.93%、7.27%和9.76%以下,整体性能优于经典的滤波方法。