应用数学形态学梯度理论提取图像轮廓

本文介绍了灰度图像数学形态学梯度理论 ,并提出与实现了运用该理论提取图像轮廓的算法 ,为进一步作图像分割 ,模式识别打下了一定的基础     

基于形态学的微目标的图像分割

提出了一种适于高分辨率可见微目标图像的分割算法,首先通过形态学运算强化微目标区域,利用阈值化分割并提取这些感兴趣区域;然后运用小波多尺度算子检测这些区域的边缘;最后再次采用形态学运算以获取目标区域边缘.仿真结果表明该方法能有效地将图像中的具有特定结构的微目标区域分割开来.     

一种结合Canny算子和数学形态学的边缘检测算法

首先利用给出的算法对阻像进行Canny算子边缘检测,把图像转化成二值图像,然后对图像用数学形态学边缘检测去除伪边缘,最终再进行边缘连接．实验结果表明,对于含有噪声图像和不含噪声图像进行分割时,可以在尽量保留图像最大信息量的基础上,提取出单像素封闭边缘,保证了边缘信息的完整有效．     

灰度形态学在图像分析方面的应用

介绍了灰度形态学的基本形态变换,并以基本的形态变换为基础介绍了灰度形态学在图像分析方面的主要应用。     

基于改进Canny算子边缘检测和数学形态学的车牌定位算法

车牌识别系统已经成功进入智能交通领域,其中车牌定位是车牌分割和车牌识别能顺利展开的基础。首先使用边缘检测改进canny算子进行一次粗定位,大致确定车牌所在区域;再对边缘检测后的二值图像进行膨胀、腐蚀等一系列数学形态学操作,完成车牌二次精确定位。根据实验结果表明,这种算法能够避免一定的噪声影响,解决目标图像噪声干扰及边缘模糊的问题,具有一定的鲁棒性。     

应用数学形态学梯度理论提取图像轮廓

本文介绍了灰度图像数学形态学梯度理论，并提出与实现了运用该理论提取图像轮廓的算法为进一步作图像分割，模式识别打下了一定的基础。     

基于多尺度数学形态学梯度的图像检测

传统边缘检测算子如Canny、Sobel等是通过计算图像中局部小区域的差分来工作的,对噪声比较敏感,在检测边缘的同时常会加强噪声,形态边缘检测器在检测边缘的时候不会加强或放大噪声,单尺度形态学梯度算子结构元素过大或过小都不能检测到满意的结果.将多尺度形态学边缘检测和形态学滤波结合起来,提出一种边缘检测方法.首先利用形态学对多尺度的形态学梯度算子进行边缘检测,再进行填充内部缝隙,接着进行形态学边界平滑,最后通过分割掩模到原图像的结果.仿真结果表明,所提算法能够非常清晰地检测到目标图像的边缘,提取的图像边缘定位准确且平滑,同时具有较强的抗噪能力.     

基于数学形态学的图像矢量化研究

基于数学形态学的图像矢量化研究方法包括基于四连通结构元素模板的边缘检测方法、基于八连通结构元素模板的形态学骨架提取算法和基于弗里曼炼码的动态空间变换的矢量化方法。该方法能够更精确快速地提取骨架,并能够获得用圆弧段测量所得到的高精度的矢量数据,具有一定的可行性和实用性。     

基于多尺度数学形态学边缘检测的图像配准的理论研究

在数字图像处理中,边缘检测和图像配;住是两种最为关键的技术本文研究了多尺度数学形态学边缘检测算子,并在理论上提出了基于多尺度数学形态学边缘检测的图像配准算法。     

基于形态学和SUSAN算子的车牌定位方法

车牌定位是智能交通管理中车牌识别的重要环节,文章首先对车辆图片进行预处理,先用自适应阈值的SUSAN算法获取车辆边缘,再根据数学形态学去除边缘图片中的噪音点和无关边缘,突出车牌区域的特征,最后根据水平扫描和投影法确定车牌位置。实验证明,该方法能有效定位含噪声点的车牌图片,定位准确。     

数学形态在图像滤波中的应用

章先简单介绍了数学形态学的及基本概念，然后讨论了它在图像滤波中的应用，其中主要讨论了形态滤波算子的设计，最后对其应用前景作了展望。     

基于数学形态学的车牌定位算法

在汽车牌照识别系统中,车牌定位是整个识别模块实现的前提,为了能对汽车牌照精确定位,提出了一种基于数学形态学的车牌定位方法.首先利用中值滤波方法对汽车图像进行消噪处理,然后用迭代阈值选择法将图像进行二值化,并运用数学形态学的膨胀、腐蚀对二值图像进行处理,得到几个车牌候选区,然后利用面积、长宽比以及垂直投影特征值等进行综合分析,准确定位车牌区域.实验结果表明,该方法简单易行、准确率高、并且具有一定实效性,可用于对实际车牌图像的准确定位.     

低对比度图像增强与边缘提取

针对低对比度图像增强和边缘检测问题，提出基于小波变换并结合中值滤波增强和Sobel算子边缘检测的变换处理方法，能获得尽可能完整的图像特征。     

MATLAB在图像处理中的应用

以MATLAB编程语言为工具,从图像处理的基本函数、图像正交变换、图像增强、图像分析等方面介绍了MATLAB在图像处理中的应用.     

The Processing of Inflectional Morphology: A Comparison of Children with and without Dyslexia

Children aged 11–12 years with a diagnosis of dyslexia (DR) were compared to chronological and reading-age matched poor readers (PR), and two normal reader groups, age-matched (CA) and spelling and reading-age matched (SA–RA), on their processing of inflectional morphology. In comparison to SA–RAs and PRs, the DRs made more spelling errors on regular past tense verb endings relative to irregular past tense verbs and non-verbs. In reading, the DRs took longer than the other groups to make decisions in the written but not oral condition of a tense judgement task. In addition, they were less affected than the PR and SA–RA groups by case altered disruption to the morpheme boundary of inflected verbs. The findings suggest dyslexic children do not show deficits in morphological processing in spoken language, but they are slower at reading and less accurate at spelling regularly inflected verbs compared with normally developing younger children. This difference could plausibly be accommodated within the Phonological Deficit Hypothesis of dyslexia.     

基于数学形态学的自适应图像增强

提出了一种基于数学形态学的多尺寸、多结构元素自适应边缘检测、增强图像的算法,用多结构的元素和大小不同尺度的元素先后检测图像的边缘,并按一定的权值进行融合处理来增强图像．实验结果表明,该算法可以较好地提取图像的边缘特征,保护图像的细节,增强图像的对比度,丰富图像的层次,且对噪声有较强的滤除作用．     

基于Matlab的数字图像处理教学

为了吸引学生研究兴趣,方便验证猜想,培养编程能力,我们根据数字图像处理课程的特点,提出一种基于Matlab的探究性教学方法,以运动模糊图像复原、图像边缘提取、多阈值图像分割三个案例,以相应的Matlab软件代码对仿真的结果进行了分析.仿真表明：Matlab可以快速实现且显示难以理解的教学案例,且开发效率高,程序简洁.Matlab是一种较好的提高教学效果的仿真工具,适用于数字教学的图像处理.     

基于数字形态学的角点检测算法研究

给出了一种利用数学形态学来提取数字图像中的角点且能够区分凸角中角点和凹角中角点的方法．此方法与Harris点方法通过实验比较,形态学角点算法不会依赖于要找角点数量的给定值,并且可以分别找出凹角上的点、凸角上的点这两类不同的角点,深化了对图像的描述和理解．     

基于图像处理和UKF算法的小球位置预测

针对球的非线性运动和系统延时等因素对球的位置预测精度的影响,采用帧差法和改进的霍夫圆检测方法得到球的位置信息,并应用无迹卡尔曼滤波(UKF)算法对球的运动轨迹进行预测。通过摄像机采集球在自由滚动和发生碰撞时的几组图像,在上位机VC6.0软件上实现对球位置信息采集和处理,得到球准确的预测位置信息,满足决策系统的对球位置信息的要求,从而验证了算法的有效性。     

图像点处理的快速算法

对图像处理中的点处理方法进行了研究，提出了一种块速算法，称为快速模板查表算法，其计算量主要集中在大小仅为２５６的模板上．与逐点处理的传统算法相比，在理论上，用这种快速算法对一幅Ｎ×Ｎ的灰度图像进行处理时的速度要快Ｎ×Ｎ／２５６倍．