基于形态开闭滤波二值标记和纹理特征合并的分水岭算法

为了防止分水岭算法过分割问题 ,研究了一种基于形态处理和纹理分析的图象分水岭分割方法 ,该方法是在分水岭算法的基础上 ,首先对形态梯度图象运用形态开闭滤波器组的方法来获得较好的参考图象 ,然后将提取的二值化初始分割结果作为区域标记来进行分割 .另外 ,为了获得整体目标 ,还定义了一个基于纹理特征的一致性和对比度的检验准则 ,并将其作为区域合并的根据 .该方法应用于多个视频序列初始目标分割的结果表明 ,形态滤波器组的引入很好地防止了过分割 ,并证明基于纹理特征均匀性和对比度的准则对分割区域进行进一步的纹理合并是行之有效的 .

基于广义形态开闭变换的小电流接地选线算法

单相接地故障是配网系统中最为普遍的故障情况,该文在分析小电流接地系统发生单相接地故障时零序暂态电流特点的基础上,提出了一种基于广义形态开闭变换的选线算法,该算法很好地体现了数学形态学滤波器较好的奇异点识别能力和噪声抑制能力。ATP仿真结果表明,该算法不受中性点接地方式和线路参数的影响,且具有较强的承受过渡电阻的能力。

基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法

提出了一种基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法。该方法首先利用形态学开闭运算对原始图像进行平滑处理,再对梯度图像进行阈值优化,去除过多的区域极小值,然后利用分水岭分割算法检测目标,最后利用目标的面积和空间关系等特征去除少量误提目标。实验表明,新方法可以取得很好的效果。

基于形态学闭开-开闭梯度变换的单相自适应重合闸方案

为了提高基于暂态电压电弧特性的自适应重合闸方法的适应性,提出了一种基于电压双窗函数暂态能量比的新判据,该方法克服了原单窗能量函数法难以用单一阈值区分故障的问题。为了更有效地提取高频能量,提出了一种新的形态学闭开一开闭梯度滤波算子(COOCG)。这种方法能够克服多分辨形态梯度变换本身所带来的平波作用。EMTP仿真研究袁明,由这种方法构成的自适应重合闸方案提高了判别的可靠性,具有实用价值。

凸集及凸包形态学运算的几个性质

讨论了凸集及凸包的形态学运算的几个几何特性,并使某些文献中的几个错误结论得到修正和完善。

基于形态滤波器组的图像分割预处理算法

研究了基于形态滤波器组的图像分割预处理算法。首先用形态开闭滤波器组产生分割的参考图像,然后提出一个二值门限确定方法,用二值化方法提取区域初始标记的预处理方法。它已应用于多个视频序列的首帧初始目标分割,实验结果证明了该方法的有效性。

基于形态学及区域合并的分水岭图像分割算法

针对传统分水岭算法在图像分割过程中的过分割问题,提出了基于形态学标记及MSRM的分水岭改进算法。利用形态学混合开闭运算实现图像重建,采用Laplace锐化强化图像边界,其次标记目标物和背景,修正幅值图像,经分水岭变换实现图像的粗分割,然后利用MSRM区域合并法实现目标物和背景的有效分割。对比聚类分割和基于H-minima标记的分水岭算法和Otsu类间最大间距算法,改进后的算法在分割效果、算法运行时间和分割精确度和召回率上具有明显优势,与上述其他算法在平均分割时间上提升3.86 ms,2.88 ms,5.64 ms。分割交并比IOU平均值96.42%,比其他算法平均值高出12.65%,2.77%和3.07%。

基于形态梯度的大地电磁成像处理研究

数学形态学在大地电磁数据噪声压制领域有着较好的应用效果,然而在大地电磁成像处理领域还处于空白阶段。其基于改变图像中的目标物的空间分布形式或结构达到提取目标物的目的,在大地电磁成像处理中达到提取有用地质信息的目的。文中首先采用形态膨胀-收缩梯度和形态闭-开梯度算法对TM和TE模式正演成像进行处理,有效改善了正演图像所反映的目标异常体轮廓。然后,选取陕西省铜川市某地实测大地电磁数据反演成像结果进行形态梯度处理。结果表明,形态梯度可以有效减少随机误差,达到提取目标异常体的目的。

基于形态学的人脸图像边缘检测新算法

提出一种利用数学形态学开闭运算——首先滤掉噪声,再使用数学形态学梯度提取边缘的人脸图像边缘检测新算法。仿真结果表明,该方法与传统的边缘检测方法相比,能在滤除噪声的同时很好地检测到人脸图像的有用边缘。

基于眼动跟踪的视频视觉感兴趣区域提取仿真

海量视频中具有显著特征的区域为感兴趣区域。由于视频图像中普遍存在较多单目标特征,轮廓边缘关联性较强,干扰视觉区域的提取。于是提出基于眼动跟踪的视频视觉感兴趣区域提取方法。提前转换原始视频颜色空间,降低色彩影响程度,检测原始视频边缘,利用形态学闭运算填补视频边缘断裂位置并去噪,通过旋转校正处理得到简单完整的视频图像,利用眼动跟踪处理技术提取纹理特征以及亮度显著图,实现视频视觉感兴趣区域提取。实验结果表明,研究方法能够精准提取出视频视觉感兴趣区域,峰值信噪比最高可达1.5dB,验证了该方法的应用精度和图像质量增益均较高。

改进的形态学干涉图滤波方法

在干涉合成孔径雷达滤波中由于去噪的同时会对干涉条纹产生平滑效应,导致干涉条纹细节信息丢失。针对这一问题,基于数学形态学原理,提出了一种改进的自适应梯度形态学重建滤波方法。首先,引入相位图像矢量化可有效保护相位条纹连续性。其次,改进自适应梯度估计方法,优化线结构元素选取以保护相位的细节信息。最后,结合改进的形态学开闭操作和基于膨胀及腐蚀的形态学重建操作对干涉图进行滤波处理。仿真和实测数据实验结果表明,该算法在有效去噪的同时,有较好的相位保持特性。

一种基于形态学的脑肿瘤分割

由于脑部结构复杂,存在精密纹理并且由于成像技术的限制,传统分水岭算法分割脑肿瘤很容易产生过分割问题。本文提出一种改进的分水岭算法解决此过分割现象。在应用分水岭算法之前对图像进行一些预处理：首先,应用形态学开闭重建重构原图像,滤除噪声和复杂细小的纹理;其次,对重建后的图像做多尺度形态学梯度,并对修改了标识符的梯度图像进行分水岭算法分割。实验结果表明：结构元素半径大小取17~22,肿瘤能够完全地分割出来。与传统的分水岭分割算法相比,本文所采用的算法很好地抑制了过分割问题,可以很容易地分割出肿瘤。

基于形态小波和支持向量机的高压断路器状态监测和故障诊断

针对现场运行的断路器故障数据难以获取的现状,搭建了一个断路器故障模拟试验平台对部分常见故障进行了故障模拟。传统的基于单一特征量的状态监测难以有效判断断路器的故障,提出了一种多维映射的思路:研发了一种形态开闭加权复合滤波算法对断路器合分闸线圈电流信号进行滤波,从故障波形和正常波形的对比中充分挖掘其差异特征量,并利用形态小波分解包含丰富机械状态信息的振动信号,将不同频段的能量值作为判断断路器状态的特征量,利用支持向量机将断路器合分闸线圈电流信号的各差异特征量与振动信号特征量相结合形成多维映射,对断路器的状态进行诊断。本研究进行了大量的实验,实验分析结果验证了该思路和算法的有效性。

基于形态学电能质量干扰检测算法中结构元素的选取

基于形态学的电能质量干扰检测算法所选用的结构元素对检测效果有着重要的影响。因此,在对基于形态学的电能质量干扰检测算法进行验证之前,需要首先确定所用结构元素的形状。针对电力系统中的常见电能质量干扰,通过仿真分析,以基于广义形态学开闭和闭开小波变换(GMOCUW)的电能质量干扰检测算法为例,对基于几种常用简单结构元素及其组合的GMOCUW的检测效果进行详细地分析研究,进而给出GMOCUW最优结构元素的形状。同时总结关于基于形态学的电能质量干扰检测算法中结构元素形状选取的一些简单原则,为基于形态学的电能质量干扰检测算法中结构元素的选取提供一定的参考。

自适应不同条件的车牌检测算法

针对不同条件下车牌检测速度慢和检测精度低的问题,提出了一种改进自适应形态闭和开操作的车牌检测算法。该算法首先采用局部直方图对车牌图像均衡化处理,使用自适应形态闭操作对所有灰度化区域进行平滑处理,之后引入局部自适应阈值处理,能得到平滑图像和被分离的车牌,最后采用形态学开操作,将外部区域和车牌数连接部分分离。实验结果表明,所提方法的检测精度高于其他算法,同时,平均检测时间少于其他算法,适合不同条件下实时车牌检测。

融合背景估计与U-Net的文档图像二值化算法

针对低质量文档图像存在页面污渍、墨迹浸润、背景纹理等多种退化因素,提出一种融合背景估计与U型卷积神经网络(U-Net)的文档图像二值化算法。该算法首先进行图像对比度增强,然后通过形态学闭操作来估计文档图像背景,并利用全卷积网络,即U-Net对背景减除图像进行前景背景分割,最后采用全局最优阈值处理方法获得最终二值图像。实验结果表明,在2016和2017年国际文档图像二值化竞赛(DIBCO)中该算法的F值(F-measure,FM)、伪F值(pseudo F-measure,p-FM)、峰值信噪比(peak signal to noise ratio,PSNR)、距离倒数失真度量(distance reciprocal distortion,DRD)比性能次优的经典算法最高有5.58%、2.47%、0.86 dB、1.19%的性能提升。

一种空间目标翻滚周期估计的新方法

针对传统自相关和频谱周期估计方法常会出现虚假周期,提出一种基于非参数检验经验模态分解的周期估计方法。首先对空间翻滚目标的RCS序列进行形态学闭运算提取趋势特征,然后对闭运算后的RCS序列进行经验模态分解,对分解得到的每个本征模态函数(IMF)进行谱分析得到其IMF周期,最后基于非参数检验理论,对每个IMF周期进行分组求秩检验得到目标的翻滚周期。仿真和实测试验结果表明,该方法不仅能够克服虚假周期的影响,而且能够明显改善对翻滚周期的估计精度。

基于非下采样Shearlet变换与聚焦区域检测的多聚焦图像融合算法

为了提高基于多尺度变换的多聚焦图像融合中聚焦区域的准确性,提出了一种基于非下采样Shearlet变换(NSST)与聚焦区域检测的多聚焦图像融合算法。首先,通过基于非下采样Shearlet变换的融合方法得到初始融合图像;其次,将初始融合图像与源多聚焦图像作比较,得到初始聚焦区域;接着,利用形态学开闭运算对初始聚焦区域进行修正;最后,在修正的聚焦区域上通过改进的脉冲耦合神经网络(IPCNN)获得融合图像。与经典的基于小波变换、Shearlet变换的融合方法以及当前流行的基于NSST和脉冲耦合神经网络(PCNN)的融合方法相比,所提算法在客观评价指标互信息(MI)、空间频率和转移的边缘信息上均有明显的提高。实验结果表明,所提出的算法能更准确地识别出源图像中的聚焦区域,能从源图像中提取出更多的清晰信息到融合图像。

基于梯度修正和区域融合的分水岭分割算法

针对传统分水岭算法中存在的过分割现象,提出了一种基于梯度修正和层次区域融合的分水岭分割方法。该算法首先利用开闭双重建操作以及非线性变换对梯度图像进行修正;然后求取浮点活动图像并作为分水岭算法的输入;最后在区域灰度相似性准则的基础上,结合对比度和边界强度准则对分水岭变换结果进行小区域的合并,得到最终的分割结果。实验结果表明,该算法能有效地解决过分割问题,具有良好的鲁棒性和适应性。

利用阈值多谱图去除Wigner分布的交叉项

提出了一种阈值多谱图估计WD自项支撑区域,从而去除WD交叉项的新方法。所获得的TF分布拥有好的TF聚集性和极少的交叉项。WD自项支撑是从具有高斯线性调频窗(GLCW)的谱图集合中估计出来的。通过形态学滤波估计出所有谱图的自项支撑,然后所有自项支撑的交集用来作为WD的自项支撑估计。此外对于具有GLCW的线性调频信号的谱图集合的联合分辨力进行了详细的讨论。实验结果说明了该方法的良好性能。