Skeleton extraction of boiler flame images based on mathematical morphology

In this paper, a method and algorithm of skeleton extraction based on binary mathematical morphology is presented. Sequential structuring elements (SEs) is also studied, which is the key problem of skeleton extraction. The examples of boiler flame image processing show that the detected skeletons can present the geometric shape of flame images well.

数学形态学在数字图像处理中的应用

阐述数学形态学的特点,数字图像的表达方式,数学形态学在数字图像处理中的应用,包括二值数学形态学、数字图像处理中的消除噪声、边缘检测、提取形态骨架、图像分割。

数学形态学在图像处理中的应用

介绍了数学形态学的基本运算及数学形态学在图像处理中的主要应用,并讨论了结构元素的选取方法。

数学形态学的细化算法

对目标图象进行细化处理，提取其骨架，在目标检测、图象编码以及光学字符识别等计算机视觉、图象处理与模式识别领域都有着广泛的应用．在定义了数学形态学图象轮廓和骨架的基础上，提出了基于两组结构元素模板的数学形态学细化新算法，这两组结构元素模板分别用来去掉目标的西北、东北、东南、西南方向四个角上的点和北、东、南、西四个方向上的点．用该算法对实际的字符进行细化，获得了令人满意的结果．

利用数学形态学提取骨架线的改进算法

地图数字化生产和数字地图编绘中都需要用到提取骨架线算法,如矢量化和等级变换等。提取骨架线的算法较多,基于栅格数据的算法通常采用数学形态学方法,对于矢量数据目前较有代表性的是利用约束Delau-nay三角网提取骨架线。本文给出一种利用数学形态学提取骨架线的改进算法,适用于栅格和矢量数据,并能在矢量化时建立高质量的拓扑关系,还较好地克服了数学形态学方法的缺点——节点畸变和端点内缩。实验表明该算法稳定且行之有效。

一种保形的快速图象形态细化算法

骨架是一种重要的图象目标几何特征 .对不同形状的图象目标 ,如何快速地获得其非畸变骨架 ,是进行图象目标的形状分析、特征提取、模式识别等应用的前提 .基于数字形态学的形态细化是获取图象目标骨架的有效细化方法之一 .它采用具有一定形状的预定义结构元素 ,对图象进行形态薄化运算 ,仅需进行移位和逻辑运算就能完成 .但是形态细化一般使用序贯细化算法 ,在每次细化迭代过程中 ,只能采用单一的结构元素对目标进行薄化 ,因此存在着收敛速度慢、易产生畸变骨架等缺点 .本文提出的保形快速形态细化算法在细化迭代过程 ,每次迭代同时使用 4种不同方向的同伦结构元素与目标进行击中运算 ,并以击中运算结果的并集作为象素是否剥落的依据 ,使得目标能从各方向快速、均匀地收敛至其骨架 .对不同字体的汉字图象的实验结果表明 ,这一算法能产生均匀、整齐、畸变小的汉字骨架 ,且其运行速度比序贯形态细化方法快 4倍以上 .

一种有效的骨架毛刺去除算法

针对数学形态学骨架化算法可能出现的多像素宽度情况 ,定义了端点、节点、尾支和毛刺等概念 ,在此基础上设计了一种分级毛刺去除算法 .作为形态学骨架化算法的后处理手段 ,此算法能够有效去除多余分支 ,使骨架更加准确和稳定地反映目标的几何结构 .

一种保形的数学形态学图像细化算法

在分析形态序贯同伦细化算法的基础上，针对该算法运算结果为畸变骨架的缺点，提出了一种能保持图像目标正确结构形状的加权结构元素形态序贯细化算法，并以汉字图像为例予以验证．

数学形态学图像细化算法在RE中的应用研究

在数学形态学的理论基础之上 ,运用 8种结构元素模板对图像进行击中匹配迭代运算 ,不断剥落图像边缘点 ,从而得到图像的中心骨架 ,达到细化的目的 .该细化算法的连通性、单像素宽度性、抗噪声性都非常良好 ,而且处理速度很快 ,非常适合于有大量图像处理运算的反求工程 .

基于数学形态学的图像汉字笔划细化和提取

文章提出了一种基于数学形态学的图像汉字笔划细化和提取方法。根据汉字的结构特点,定义了一组新的结构元素序列,保持了原样本图像汉字的连通性和拓扑性的骨架,有效地抑制样本细化后汉字笔划的扭曲和歪斜;在此细化的结果基础上,定义了一种新的汉字笔划提取算法,准确提取出原汉字的横竖撇捺笔划的形状、形态及形式结构信息,取得了理想的效果。

一种基于调节形态学的骨架提取算法

对目标图像提取其骨架,在目标检测、图像编码及光学字符识别等计算机视觉、图像处理与模式识别领域有着广泛的应用。简要介绍了调节形态学的基本算子和性质,在此基础上提出了一种二值图像的调节形态学骨架提取算法,最后给出了用调节形态学方法获取二值图像骨架的实例。

数学形态学在图像处理中的应用

介绍了数学形态学的基本运算及数学形态学在图像处理中的主要应用 ,并讨论了结构元素的选取方法。

基于数学形态学的遥感影像薄云处理方法

为解决在利用遥感影像制图时云层遮挡造成的影像信息缺损,提出基于数学形态学的滤波去薄云算法。首先利用数学形态学中的开、闭运算分离影像的高、低频成分,再对薄云所处的影像的低频部分进行滤波,以达到去除薄云的目的。利用SPOT影像进行实验,通过目视评价及对薄云处理前后影像统计指标的比较,证明该文提出的方法比传统的同态滤波去薄云方法效果有一定的改善和提高。

一种改进的基于形态骨架的二值图象编码

基于图象形态学的二值图象编码方法 ,近来在国际上得到了比较多的研究 .为了提高基于骨架的编码方法效率 ,提出了一种基于形态骨架的子集——终极腐蚀 ( ultimate erosion)二值图象编码方法 ,该方法是基于扩展的非骨架点判定定理 ,使得有更多的点在编码过程中被判为非骨架点 ,从而提高了编码效率 .与其他同类方法相比 ,这一方法更充分地去除了图象形态分析中的信息冗余 ,从而得到了很好的压缩效果 ,其对二值图象“工具”的压缩率达到 0 .0 65 ,大大优于游程码、四分树、链码等方法 .

基于数学形态学的细化算法

对二值图像处理中细化的算法进行了研究,介绍了基于形态学的细化算法,同时,对数学形态学的相关理论做了介绍。并利用该算法对地图图像进行了细化处理,取得了良好的实验效果。通过实验研究可以看出,该算法设计灵活,便于实现,具有一定的实用性。

一种确定染色体图象着丝点位置的方法

在染色体自动识别 (或自动核型分析 )中 ,染色体着丝粒指数为其分类的重要特征 .文中给出了求解着丝粒位置的一种算法 ,并对算法的结果进行了分析 ,证明了算法的正确性与有效性 .

基于数学形态学的GIS图像矢量化处理技术

图像矢量化在数字图像处理中具有重要意义。由于传统的线性矢量化方法存在速度慢、抗噪性差、易失真的缺点,本文提出基于数学形态学的图像矢量化方法,包括基于4结构元素模板的图像边缘检测算法、基于8结构元素模板的形态序贯同伦骨架抽取算法和动态变步长保精度跟踪矢量化方法。实例证明该方法能够快速提取精度较高的骨架,并且能够获得高精度的以弧段为单位的矢量数据。因此,该方法具有处理速度快、精度高、存储量小等特点,具有一定的可行性与实用性。

二值图像骨架的数学形态学描述及重建

本文提出一种二值图像的数学形态学分析方法，利用数学形态学变换可以抽取二值物体图像的骨架，并由骨架重建物体．该方法表明，其主要优点是位移不变性、具有高数据压缩率、无失真复原及易于用硬件实现．

基于两种数学形态学算法优势互补的图像细化方法

图像的细化是提取曲线特征,矢量化、识别等后续图像处理的基础,而单一的算法往往不能得到理想的细化效果。本文在研究各种已有的细化算法的基础上,从中选出两种不同的数学形态学算法共同处理同一图像,可以实现较好的细化效果:即先对图像采用基于5×5邻域模板的数学形态学细化算法进行细化处理,再对处理后的图像采用基于结构元素对的数学形态学细化方法处理。通过编程和各种方法相比较,证明采用这种方式可以实现无腐蚀,连通性好,无毛刺,且为八邻连接的细化效果,为后续的图像处理打下良好的基础。

基于数学形态学和相位编组SAR影像道路自动提取

某些对光学图像有很好效果的边缘检测算子,对于SAR图像来说,由于其固有的斑点噪声的强烈影响,效果不佳。为了从SAR图像上提取线特征,利用局部线特征检测线基元,为此本文提出一种改进的基于图像统计信息的局部线特征检测方法,然后使用数学形态学去除内部空隙并细化得到道路段,将道路段进行相位编组,进而自动提取出道路。