数学形态学基础及研究方向的探讨

数学形态学处理是处理数字图像的一种新方法,它在代数的基础上运用形态学的原理对数字图像进行分析。许多非常成功的理论模型和视觉检测系统都采用了数学形态学算法作为其理论基础或组成部分。数学形态学可以用来解决抑制噪声、特征提取、边缘检测、图像分割、形状识别、纹理分析、图像恢复与重建、图像压缩等图像处理问题。目前,数学形态学已在计算机视觉、信号处理与图像分析、模式识别、计算方法与数据处理等方面得到了极为广泛的应用,形态学图象处理已经成为计算机数字图象处理的一个重要研究领域。本文主要对数学形态学的基本理论及其在图像处理中的应用进行了综述。     

彩色图像形态学基本原理和研究方法

阐述了彩色图像形态学的基本原理和理论框架,分析了常用的四类向量像素排序方法的不足之处,介绍了当前向量像素排序研究的新动向,指出了彩色图像发展的趋势和今后研究的方向。     

基于数学形态学帧内压缩算法的研究与实现

常用视频压缩算法DCT在有效去除冗余信息同时却存在方块效应和"飞蚊噪声"。基于数学形态学帧内压缩算法采用了8比特面模型,先将最高层比特面分解出来进行编码,再分别对各个比特面按位数由高到低逐层分解,确定出对应的条件集,通过条件形态变换、条件形态骨架算法对图像进行编码。通过仿真,与常用算法比较,在相同压缩比下可提高视频质量,弥补了DCT算法在图像传输中的不足,在网络视频图像编解码及传输中具有实用意义。     

基于形态学算法的边缘提取

由于图像的边缘通常含有大量重要信息,因此,边缘检测成为图像处理的一个重要环节,其检测算法也获得了广泛的研究,巴经形成了Robert、Laplacian、Canny等多种算法.但这些传统算法在边缘检测精度和抗噪声性能方面还存在一定的问题.本文研究了基于形态学的边缘提取算法,并与传统算法在抗噪性等方面作简单比较.     

基于数学形态学的图像边缘检测研究

图像的边缘检测在图像处理中占有重要的地位,图像的边缘是指图像中相邻像素点之间的灰度有较显著变化的地方的描述．这种变化可以用数学上的梯度来表征。本文在分析形态学在边缘检测中的优势的基础上,提出了基于数学形态学的边缘检测算法。     

基于全方位、多尺度的数学形态学自适应边缘检测

为了有效地抑制噪声对图像的影响,能够清晰准确的对图像进行边缘提取,提出一种全方位、多尺度的数学形态学自适应边缘检测方法。该方法利用基本形态运算对噪声的抑制能力,并结合基本的形态检测算子,得到抗噪型的边缘检测算子。采用形态运算的加权组合构造出全方位、多尺度的数学形态学自适应边缘检测方法。实验表明,与经典的边缘检测算子相比,该方法运算简单,几何意义明确,而且在边缘检测的抗噪声等方面有着显著的优点。尤其是全方位、多尺度的形态学算子对于图像边缘的检测效果更好,它可以克服普通算子边缘不连续以及普通意义上的数学形态学上的对于噪声敏感等缺点。     

数学形态学及其在电力系统中的应用

数学形态学是近年来发展起来的一种具有代表挂的非线性信号分析方法。介绍了该方法的发展，并对其在电力系统中的应用做了展望。     

一种新型的基于数学形态学和颜色特征车牌定位算法

在分析了车牌定位现有算法优缺点的基础上,本文提出一种新型的综合利用车牌纹理特征、颜色特征和几何特征的快速定位算法.该算法利用数学形态学充分挖掘车牌纹理特征以及消除噪声干扰.把图像分割为若干子区域,利用纹理条件和颜色条件判断,对各子区域进行独特的分类和聚类融合,最终由粗至细精确地定位出车牌所在位置,为后续车牌字符的分割识别步骤打下良好基础.实验结果表明,对于各种情况下的车牌图像,该算法都能有效地对车牌进行定位,具有定位准确率高,运行速度快,抗干扰性强的特点.     

浅析数学形态学在图像处理中的应用

数学形态学是一种基于集合论的方法和理论,其基本思想是利用一个结构元素去探测一个图像,通过目标图像的形态变换实现结构分析和特征提取的目的。本文在系统推导了数学形态学的基本运算和理论依据的基础上,对数字图像处理中的基础应用和形态学中的图像边缘检测算法展开了深入的分析,并围绕形态学图像边缘处理的抗噪边缘检测进行了优化处理。     

浅谈数学算法表达腐蚀膨胀运算

本文介绍了数学形态学算法,并介绍其如何来表达出膨胀腐蚀的运算。其中结构元素为4连通或8连通的3×3邻域时腐蚀、膨胀运算的快速算法。     

改进的傅里叶变换在红外图像降噪中应用研究

图像降噪处理一直是图像处理领域的重点问题.红外图像容易受噪声的干扰,针对传统的傅里叶变换图像去噪技术由于傅里叶参数选择困难,造成红外图像中噪声无法彻底去除等问题,提出了一种改进的快速连续的傅里叶变换红外图像降噪算法.仿真实验表明,提出的方法能够有效地去除噪声,提高了算法的执行效率.     

高斯平滑算子对Y—K模型改进的图像去噪方法

研究了在偏微分方程理论框架下进行图像去噪的方法,重点对二阶和四阶偏微分方程的主要去噪方法进行了分析。二阶偏微方程模型中的P—M模型能很好地去除噪声,但时常会出现块状现象;四阶偏微分方程模型中Y—K模型能消除阶梯效应但会出现斑点现象。使用Gilboa扩散系数、中值滤波器和高斯平滑算子对YK模型进行改进。实验证明．新模型减少了迭代次数,提高了算法效率。也一定程度上避免了块状及斑点现象。     

基于改进蚁群算法的维吾尔文字图像分割

针对传统蚁群算法在维吾尔文字图像分割时容易产生缺陷和干扰的缺点,提出了一种改进的蚁群算法。该算法首先利用区域蚁群通过聚类中心对图像进行初步搜索和分割;然后再引入边界蚁群通过不同的路径选择信息素和策略更新手法来对图像进行边界补偿搜索;最后利用两种蚁群分别采用不同的路径选择信息素和筻略更新,共同实现对维吾尔文字图像精确分割的目标。实验结果表明,该算法准确分割出维吾尔文字区域,提高了其识别精度。     

一种改进的基于相关反馈的图像检索算法

基于相关反馈的图像检索算法,加权系数的调整预先确定,缺乏灵活性.为了获得满意的检索结果,需要大量的反馈计算且算法效率低.针对相关反馈的缺点,提出一种基于粒子编码的加权系数自适应调整算法,并且给出了粒子编码的过程与适应度函数的计算过程.选择Corel标准图片库进行实验,基于粒子编码的算法比其他相关反馈算法检索精度大大提高.     

基于改进的空间域变换的图像增强算法研究

为了提高图像增强后的图像质量,提出了一种改进型的图像增强算法,首先对图像进行傅里叶变换,然后对图像进行直方图修正,采用高斯平滑滤波处理技术,最多得到清晰图像。实验结果表明,提出的改进算法有效地提高了图像的清晰度,图像增效效果更为平滑。     

改进的Retinex雾天视频图像增强算法

在浓雾环境下进行视频拍摄会因大气粒子的散射作用导致图像成像效果极差,通过图像增强算法设计,提高视频图像的去雾速率和成像质量。当前对浓雾环境下拍摄出来的景物图像采用暗原色增强方法,对能见度和对比度较低的图像的增强效果不好。提出一种基于改进的多尺度加权平均Ret-inex算法的雾天视频图像增强算法。采用Gamma-Gamma分布的方法构建大气散射物理模型,利用简化大气传播原理,得到去雾后的图像的视频图像的暗原色特征,实现雾天环境下视频图像成像机理和增强模型总体设计。浓雾环境下提取多尺度Retinex图像暗原色特征,采用多尺度加权平均Retinex算法,对图像的灰度像素值进行自适应增强,指导雾化图像进行盒子滤波实现去雾处理,得到图像的亮度、对比度和结构相似度的增强结果。仿真表明,该算法具有较好的去雾性能和图像增强性能,提高了去雾速率和浓雾下的视频图像成像质量。     

基于改进的分类矢量量化的图像压缩算法研究

主要研究了图像压缩精确度问题。针对传统的图像压缩算法精度低问题,本文提出了利用小波变换后的不同的小波系数的相关性,构造图像的特征的跨频带矢量,并对其进行分类,最后通过实验验证分析算法的有效性和具有一定的实际应用价值。     

改进的K-均值聚类算法图像边缘检测研究

图像边缘检测一直是图像处理领域研究的重点问题。边缘是图像最基本的特征,本文采用了模糊K-均值聚类算法对图像进行边缘检测。该方法针对不同的图像找到相对比较有效的边缘检测算法,进而大幅度地减少了数据量,保留了图像重要的结构属性。通过mat lab实验,证明了该方法可以有效提取图像的边缘信息。     

改进的二阶互信息医学图像配准算法的研究

针对人脑的二维图像设计了一种改进的遗传算法和二阶互信息相结合的医学图像配准算法,采用互信息配准模型,以图像的灰度统计信息为配准依据,采用改进的遗传算法搜索图像的最优变换参数,并比较一阶互信息配准与改进的二阶互信息配准两种算法,实验表明改进的二阶互信息配准方法具有较高的配准精度和稳定性。