自适应形态算子的表示方法及性质研究

以结构函数的概念和欧氏空间中空间变化(SV)的二值形态学理论为基础,探讨了结构元素在自适应形态学中的应用.通过引入适当的条件,建立了自适应形态腐蚀、膨胀、开、闭算子的表示形式,并对其性质进行了研究,为一般自适应形态算子的研究提供了一个相对清晰的理论框架.

基于旋转变换的灰值形态算子

在二值旋转形态算子研究的基础上,研究了基于旋转变换的灰值形态算子的相关理论及方法,通过引入本影集合上的点积运算和灰值旋转变换等方法,将本影变换与表面算子应用于构建灰值旋转形态算子,提出并建立了基于空间旋转变换的灰值腐蚀、膨胀及开、闭算子,论证了一系列重要的性质,这些结论充实了基于旋转变换的形态学理论.

空间变化的彩色形态算子

在空间变化(SV)的灰值形态学理论的基础上,通过引入序函数的方法,建立了彩色图像模型空间上的导出序及与之相关的极大和极小运算,并以此为基础,建立了SV的彩色形态算子的框架理论,对SV彩色形态腐蚀、膨胀、开、闭算子的基本形式和形态学基本性质进行了研究.研究结果表明:基于序函数的SV彩色形态算子,保留了SV灰值形态算子的大多数性质,为多值形态学框架理论的研究提供了基础.

扩散形态算子在图像比较中的应用

将Laplacian特征映射和扩散映射的方法应用于图像数据,通过对图像热核及扩散核相关问题的研究,提出了建立扩散形态算子及运用于图像相似性比较问题的基本框架,证明了Pyt'ev形态分析理论中的投影算子及形态相关系数是扩散形态算子及扩散形态相关系数在马赛克图像模式下的特殊情形;与此同时,还对相关算法的具体实现方法和参数选择方式进行了适当改进,使得在图像比较中的相关数据实验结果得到一定的改善.

形态算子在图像特征提取中的作用

本文研究了用结构元进行形态变换对边缘特征提取和消除棒状噪声的作用。通过20种结构元的试验，可以认为，合理地选择结构元可以提取出我们所需要的特征图像，可以消除某种形式的噪声，被消除噪声的大小由结构元的大小决定。经形态变换后的图像所提取的边缘由于产生平面位置的移动，不能直接用来作为图像匹配的基础。

一种灰度形态算子的构造方法

提出了采用灰度结构元图像的灰度形态算子的构造方法。所构造的形态算子采用了适合灰度结构元图像与灰度图像间操作的结构 ,其相应的操作具有较明确的物理解释 ,从而适合执行灰度图像处理任务。

基于阴影变换的动态灰值形态算子的研究

基于阴影变换和表面算子的理论,系统地研究了在空间变化(SV)即动态的二值形态学理论的基础上建立动态灰值形态算子的方法,证明了阴影集的相关结论,运用阴影变换和表面算子表示了SV灰值形态开、闭算子,并推导出腐蚀、膨胀以及开算子这3种算子所具有的代数表示形式,研究了腐蚀、膨胀、开、闭这4种算子的性质.

基于形态算子的汉字字形衍生方法研究

针对传统汉字字形衍生方法的不足 ,提出了一种全新的基于形态算子的汉字字形衍生方法 .通过对字体不同广义形态运算 ,选择不同的结构元 ,可产生不同的衍生汉字字形 .对多面体及Beizer曲线与圆曲线的形态算法进行了详细讨论 .实验证明运用该方法生成的汉字质量好、自动化程度高 。

形态算子的位串法实现

作者在灰度ＦＰ形态算子的最大最小表示的基础上给出了它们的位串实现结构。论文说明了灰度ＦＰ形态算子可以通过一个二进制处理电路的ｋ次叠代使用而实现，此处ｋ为输入信号二进制码的位数，其硬件复杂度为Ｏ（ｋ）．该数字实现结构上简单且模块化，适合ＶＬＳＩ实现。

形态算子的位串法实现

本文在灰度FP形态算子的最大最小表示的基础上给出了它们的位串实现结构。论文说明了灰度FP形态算子可以通过一个二进制处理电路的k次叠代使用而实现，此处k为输入信号二进制码的位数，其硬件复杂度为O（k）。该数字实现结构上简单且模块化，适合VLSI实现。

空间变化的二值形态算子核元的研究

在对平移不变的二值形态算子核元研究的基础上,将其相关性质扩展到空间变化的形态算子,研究了空间变化的形态算子核元的基本性质,并给出了在已知核元的基础上产生新核元的几种方法.所有性质的建立都给出了相应的推证过程.研究结果表明:空间变化的形态算子的核元保留了平移不变形态算子核元的大多数性质.

基于形态算子构建空间数据综合的数学模型

空间数据综合是空间数据处理中的一项重要功能。在过去三十年中，空间数据自动综合一直是制图、ＧＩＳ和地理学领域中的一个重要问题。然而，由于大多数转换过程缺少数学基础，该问题进展仍然缓慢。最近Ｌｉ（１９８４）研究表明形态算子是处理空间数据强有力的工具，而且基于这些算子可以建立这方面的数学基础。本文旨在报道数学形态学在这一新的应用领域的研究成果，并将着重讨论区域特征的处理，尤其是区域特征的聚集。

多尺度形态算子融合图像滤波技术及滤波质量评价

针对舰载红外警戒系统的红外和电视图像,提出了一种新的海空背景下受强杂波、噪声污染的图像目标滤波算法和滤波效果的定量评价算子。算法采用多尺度的形态算子对输入的图像并行滤波,大尺度形态算子抑制图像噪声,小尺度形态算子提取目标边缘细节信息。处理后的图像进行基于树状小波帧变换的图像信息融合,融合图像可完备提取不同尺度滤波后的图像信息。针对目标检测跟踪的图像滤波算法的评价,提出了目标与背景的交叉分辨力评价算子及评价准则。仿真实验表明,该滤波算法要优于中值滤波、自适应滤波、小波变换滤波算法,滤波质量的定量评价算法是合理的、有效的。算法适用于舰载红外警戒系统。

一种快速检测红外小目标的形态学方法

红外小目标检测是一项具有挑战性的任务,传统形态学算法在小目标检测中容易受到复杂背景噪声的影响,检测效果不佳,且结构元素大小的选择容易影响检测效果。为解决该问题,通过结合多重的形态学算子,设置自适应加权的形态学算子,提出一种高效的小目标检测算法,最后在真实红外图像上进行测试。实验结果表明,所提出的方法在定量和定性方面都优于现有技术。

应用形态学算子检测SAR图像中的湍流航迹

在条件合适的情况下 ,利用天基和航空 SAR( Synthetic Aperture Radar)可以观察到海上航行的船舶及其航迹。在 SAR图像中观察到的航迹有好几种 ,其中 ,湍流航迹是在所有航迹特征中出现的概率最大的一种 ,它一般是以暗的线的形式出现的 ,针对这一特点我们提出运用形态学算子来检测 SAR图像中的湍流航迹。运用形态学的方法有它自己的优势 :可以有效抑制斑点噪声 ,可以检测大于一定长度的航迹特征 ,而不会因为强的目标淹没弱目标 ,同时该算法很容易用硬件实现并行处理。运用 ERS— 2 SAR图像对算法进行测试 ,结果表明将形态学算子引入到湍流航迹检测工作中不失为一种好方法。

基于多尺度彩色形态矢量算子的边缘检测

数学形态学在图象处理中已经得到广泛地应用 ,但传统的形态学常应用于二值图象处理 ,后来发展应用到灰度图象处理 ,对于其用于彩色图象处理的研究还不是很多 .通过对传统的数学形态学的几何描述 ,以及对目前形态学在边缘检测中的应用分析 ,提出了一种新的多尺度的彩色形态矢量边缘检测算子 ,该方法是利用不同尺度形态边缘检测算子来检测不同尺度下的边缘强度 ,再对不同尺度下的边缘强度图进行合并 ,从而得到新的边缘强度图象 .利用该算法对实际图象和合成图象进行了实验 ,将实验结果与传统的边缘检测算法相比较 ,由于新的多尺度彩色形态矢量算子能检测出更多细节边缘 ,因此将更有利于图象的进一步分析处理 ,同时将实验图象人为地增加噪声后 ,再利用该算法进行实验 ,其结果表明 ,该算法对噪声具有很好的鲁棒性 .

矢量自对偶形态学滤波算子

自对偶形态学算子不依赖形态学腐蚀、膨胀算子的先后次序,是一种等同处理图像背景和前景的形态学算子.而将自对偶形态学算子拓展到多通道图像处理是一个难题.为了解决该问题,提出了基于极值约束的矢量自对偶形态学滤波算子(EC-VSDMF).首先根据对称矢量排序算法构建满足对偶性的矢量形态学算子,然后依据形态学算子中的极值原理优化矢量集合,从而有效抑制矢量集合中包含单通道极值的矢量作为输出结果,最终实现了具有约束功能的矢量自对偶形态学滤波算子(VSDMF).实验结果表明,EC-VSDMF继承了传统自对偶形态学滤波算子的性质,将其应用于彩色图像滤波可以改善现有矢量形态学滤波算子导致滤波后图像亮度和色度发生偏移的问题.滤波后的图像在有效抑制噪声的同时较好地保留了图像细节,滤波性能甚至超过了多种现有的矢量中值滤波算子.

采用形态学算子的运动目标检测跟踪方法研究及实现

针对背景动态变化的场景,提出了一种基于全方位视觉的运动目标检测跟踪方法.采用统计方法建立背景模型,并实现背景模型的实时更新;利用减背景法和改进的二值图像连通域算法实现运动区域提取、分割;引入形态学算子计算目标区域体态比和紧密度,过滤背景干扰物;采用卡尔曼滤波与匹配矩阵相结合实现多个运动目标的跟踪;通过目标在HSV颜色空间中的H值、目标间的欧氏距离和目标相交面积等特征融合,提高目标跟踪的鲁棒性.实验表明,所设计的方法能实现实时准确的运动目标检测与跟踪.

一种新颖的灰度形态学算子

数学形态学方法是非线性图像处理中的一种重要方法 ,在二值图像处理中已获得了广泛的应用 ,但在灰度图像处理中的应用却相对有限 .文中从形态学算子构造的角度出发 。

基于改进形态学算子的木粉边缘检测算法

针对木粉显微图像边缘复杂、细节模糊等问题,提出一种基于HSV空间目标提取和改进数学形态学多尺度算子的边缘检测算法。基于HSV空间提取目标,排除背景噪声干扰;通过最佳方向检测改进传统多尺度形态学检测算子,避免了多方向检测的权重选择,以此获得较好的木粉边缘。实验结果表明:形态学检测算子优于传统canny检测算子;改进的形态学多尺度检测算子不但取得了较好的边缘检测效果,而且提高了边缘检测精度和定位能力。