改进的模糊形态学边缘检测算法

提出了一种新的基于模糊形态学的边缘检测算法。算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取。实验结果表明该算法优于传统的边缘提取算法。

基于模糊形态学的激光图像处理算法研究

针对原始激光图像辨识处理中存在边缘不清晰等问题,提出了一种基于模糊形态学的新图像分割算法。文中剖析了浸没模拟分水岭算法与IFT分水岭算法,对模糊形态学的特性作了分析,基于对各种算法优势的融合,提出了一种改进的基于模糊形态学的图像分割算法。仿真对比研究实验中,用多种算法对图像进行分割处理,结果显示采用所提出的算法其分割效果更好,可较好地消除传统分水岭算法产生的过分割现象,无伪边缘,实现了目标与背景的分离,经处理后的图像边缘连续,图像更加平滑,柔和性更好,完整地保留了图像的细节。研究结果表明,所提出的图像处理算法有其可行性与可用性。

自适应多方向模糊形态学边缘检测算法

提出了一种新的基于模糊增强的自适应多方向模糊形态学边缘检测算法。该算法可以适应多峰直方图分布图像的模糊边缘检测,结合了模糊增强方法和模糊形态学边缘检测方法,先使用隶属函数将图像转换为等效的图像模糊特征平面,在此基础上进行模糊增强,降低边缘模糊度,然后再转换到统一模糊区域中;最后进行多方向模糊形态学边缘提取。仿真实验证明该方法能够较好地去除椒盐噪声,并且能够检测出图像中模糊的边缘。

采用模糊形态学和形态学分水岭算法的图像分割

提出了一种基于模糊形态学和形态分水岭算法的图像分割方法,先利用模糊形态学闭开运算平滑原始图像,再通过形态分水岭变换实现图像分割.实验结果表明这种方法具有较好的分割效果.

改进的模糊形态学彩色图像边缘检测算法

文章针对彩色图像边缘检测问题,提出了一种改进的模糊形态学算法。算法将模糊形态学算法由原来处理灰度图像的标量运算推广到彩色图像的矢量运算,并在此基础上改进了模糊增强公式,同时引入了变形虫结构元素进行边缘提取。实验结果表明:改进的算法能够将模糊形态学较好地运用到彩色图像边缘检测上,且边缘定位准确,充分考虑了图像的局部特征,有一定的抗噪性,能得到光滑有效的边缘信息。

基于模糊形态学的图像边缘轮廓提取改进分割算法

图像边缘轮廓提取在国计民生、军事等领域有广泛应用,为了克服噪声等影响导致的图像过度分割现象,探讨了一种基于模糊形态学的图像分割改进算法.该方法借助模糊形态学的开、闭运算,首先对原始图像进行平滑处理,然后基于形态学梯度算子进行梯度计算,最后基于改进分水岭算法与IFT分割算法的融合,对梯度图像进行分割得到期望的边缘轮廓图像.仿真以图像识别为例,实验显示基于改进的图像分割算法可较好地消除过分割现象,正确识别图像,实现目标与背景的分离.研究结果表明,提出的图像分割算法是合理可行的.

基于多方向模糊形态学的彩色遥感图像边缘检测算法

彩色遥感图像具有复杂、模糊和噪声强等特点.在模糊域中用多个不同方向的结构元素,对彩色遥感图像进行模糊形态学梯度运算,既能检测出具有方向性的模糊边缘,还能有效抑制无方向性的噪声.实验证明了算法对彩色遥感图像进行边缘检测的有效性.

多方向模糊形态学彩色图像边缘检测算法

提出了一种多方向模糊形态学彩色图像边缘检测算法,并将灰度模糊形态学推广到彩色图像。首先采用隶属度函数将彩色图像映射到模糊域;然后采用多方向模糊形态学在R、G、B三个分量上进行边缘检测;最后合成各分量的边缘,得到最终彩色图像边缘。仿真实验证明,该算法能够较好地检测彩色图像边缘,检测结果优于传统的边缘检测算子,并能够检测出彩色图像中的模糊边缘。

基于模糊形态学方法的白细胞检测新算法仿真研究

在微细胞检测过程中,白细胞检出是白细胞自动识别系统中最基本也是最为关键的一个环节,其准确性和稳定性直接影响到整个系统的运行速度和识别准确率。由于细胞图象的复杂性,细胞的检出仍然是活跃的研究领域。文章重点研究了白细胞检测方法,在现行方法的基础上,提出了一种基于模糊形态学方法的新算法用于白细胞检测,实验结果表明这种方法比其它方法有较好的优势。

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。

基于形态学和模糊运算的新联想记忆网络——模糊形态学联想记忆网络

提出了一种新的基于形态学和模糊运算的联想记忆网络———模糊形态学联想记忆网络FMAM(FuzzyMorphologicalAssociativeMemories)。它与经典联想记忆有显著不同。文中分析了FMAM的记忆能力以及抗腐蚀和膨胀噪声的能力。自联想FMAM具有无限存储能力,能保证完全回忆,并且回忆在一步内完成,可模糊性解释等。仿真实验验证了自联想FMAM的良好性能。

基于三角模的模糊形态学截集兼容性研究

回顾了数学形态学的发展,尤其是将二值形态学从二值图像扩展到灰度图像的模糊形态学方法的相关概念.并给出了一种基于三角范逻辑的模糊形态学定义,对它的主要操作作了α 截集兼容性分析.结果表明采用合适的三角模和反三角模算子,可以使由对应的二值形态学算子导出的模糊形态学算子有很好的特征匹配性.

一种新的多方向模糊形态学边缘检测算法

本文提出了一种多方向模糊形态学边缘检测算法。算法将经典集上的形态学运算扩展倒模糊集,而且基于边缘的多方向特征,结合了模糊集理论和数学形态学,构造了多方向结构元素进行边缘检测。仿真实验证明该方法能够较好地去除椒盐噪声和高斯噪声,并且能够很好地检测图像的边缘。

采用模糊形态学的大田害虫图像分割

介绍了基于机器视觉的大田害虫智能检测系统。文章通过对获取的大田害虫原始图像采用模糊形态学进行分割,将害虫从背景中分割出来,以提取出的周长、不变矩等特征,运用神经网络分类器对常见的9类害虫进行分类。试验验证了该系统的可行性,表明该方法分割速度快,容错性好,能够正确分割有噪声的大田害虫图像。

基于模糊形态学的图像边缘轮廓提取分割算法(英文)

针对噪声等影响导致的图像易产生过分割现象的问题,探讨了一种基于模糊形态学的图像分割算法。该方法首先借助模糊形态学的开、闭运算对图像作平滑处理,然后基于形态学梯度算子进行梯度计算,最后基于模糊形态学,对梯度图像进行分割得到要分割的图像。仿真以图像识别为例。结果表明:基于模糊形态学的图像分割算法可较好地消除过分割现象,正确识别图像,实现目标与背景的分离。研究结果表明提出的图像分割算法是合理可行的。

基于模糊形态学和分水岭算法的图像分割研究

提出了一种基于模糊形态学和形态分水岭算法的图像分割方法,利用模糊形态学闭开运算先平滑原始图像,图像通过平滑后在保留重要区域轮廓的同时去除了细节和噪声,而后进行形态分水岭变换实现图像分割。实验结果表明这种方法具有较好的分割效果。

旋转机械状态参数图形识别的免疫-模糊形态学方法

以旋转机械振动多维图形为对象,研究了直接提取和挖掘图形特征信息的模糊形态学方法,提出了基于模糊数学形态学及免疫智能的旋转机械振动参数图形识别方法.利用模糊形态滤波方法实现图形滤波,研究了模糊形态边缘检测算子,并结合旋转机械振动参数图形进行形态学梯度的边缘纹理特征提取,最后利用人工免疫算法对图形特征进行诊断识别.在600 MW模化汽轮机转子试验台上进行了转子正常、转子不平衡故障、转子不对中故障及汽流激振故障的试验,诊断结果表明所提出的方法可以获得较高的诊断精度.

基于模糊形态学的应变片去噪

抑制应变片图像采集和传输过程中的噪声,是实现应变片识别和精确安装的关键技术,针对形态学去噪时会导致图像细节模糊的特性,本文引入模糊形态学,根据隶属度来对图像进行划分,将分类的图像像素值分别进行对应的模糊形态学操作,然后在此基础上再对整幅图像进行模糊形态学的开闭平滑来实现对图像的去噪滤波。仿真实验证明该方法可以有效的去除噪声,而且不会对图像的边缘细节造成模糊。

模糊形态学的理论概念

本文将经典集上的形态运算扩展到模糊集，并且以模糊集理论和模糊形态学的观点，建立了完备格。运用模糊集上的截集概念本文将经典集上的形态运算扩展到模糊集，并且以模糊集理论和模糊形态学的观点，建立了完备格．运用模糊集上的截集概念，简述了模糊形态运算及经典形态运算二者之间的关系。证明了模糊形态运算的拓朴性质。最后，用格化拓朴证明了关于完备格形态运算的网络拓补性质。

模糊形态学初探

数学形态学的基本运算都是对普通集合而言的。本文将给出新的定义，把这些基本运算推广到模糊集合，并研究它的一系列性质。同时指出，数学形态学的基本运算仅是本文的特殊情况，而且是简化了的情况。