基于小波增强的改进多尺度形态梯度边缘检测算法

在形态学梯度边缘检测算子的基础上，综合多结构元和多尺度算法的特性，提出了一种基于小波增强的多结构元、多尺度边缘检测方法，用不同取向的结构元素对图像进行多尺度检测，并综合各尺度下的边缘，得到了噪声存在下的理想边缘。实验表明，本文方法边缘定位准确、轮廓清晰，保留了更多的图像细节，具有较强的抗噪能力。     

基于多结构元素复合滤波的形态学边缘检测

为了进一步提高形态学边缘检测算法的性能,设计了一种多结构元素复合滤波器,定义了一种具有方向估计的形态学梯度,并在此基础上提出了一种对噪声不敏感的边缘检测算法。该算法充分发挥形态学变换方式和结构元素的噪声抑制和细节保持性能,用含有方向信息的结构元素检测图像的边缘,并通过沿梯度方向进行非极大值抑制获取单像素宽边缘。实验结果表明,本算法边缘检测效果良好,抗噪性能强,且处理速度较快。     

数学形态学在遥感图像边缘检测中的应用

为有效提取边缘密度大的遥感图像中的边缘信息,本文提出了一种边缘检测的有效算法。该算法在数学形态学的基础上,针对图像中噪声和边缘形态的不同建立了多结构元素,利用灰度形态变换原理进行边缘提取,实验表明,与经典的边缘检测算子相比,该算法具有很好的边缘提取能力,但其抗噪能力较差,为此,笔者还探讨性地提出了基于小波变换和数学形态学相结合的边缘提取方法。     

基于多结构元的形态学边缘检测方法研究

针对传统边缘检测算子的缺点,研究了基于数学形态学的边缘检测方法,给出了基于多结构元的抗噪型形态学边缘检测算法的具体流程,进行了实验对比分析,表明该方法具有较好的边缘提取能力和抗噪性。     

数学形态学在遥感图像边缘检测中的应用

为有效提取边缘密度大的遥感图像中的边缘信息，提出一种边缘检测的有效算法。该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立多结构元素，利用灰度形态变换原理进行边缘提取。实验表明，与经典的边缘检测算子相比，该算法具有很好的边缘提取能力，但抗噪能力较差。为此，笔者还探讨性地提出基于小波变换和数学形态学相结合的边缘提取方法。     

基于多光谱遥感图像边缘检测方法的研究

本文提出了一种边缘检测的有效算法．该算法在数学形态学的基础上，针对图像中噪声和边缘形态的不同建立了多结构元素，利用灰度形态变换原理进行边缘提取，实验表明，与经典的边缘检测算子相比，该算法具有很好的边缘提取能力，但其抗噪能力较差，为此，笔者还探讨性地提出了基于小波变换和数学形态学相结合的边缘提取方法。     

基于数学形态学的遥感影像边缘检测研究

针对含有复杂地物、边缘密度大的遥感影像,提出了一种基于多结构元素形态学的边缘检测方法。首先,根据遥感影像的特点,用形态学的开闭滤波器去除影像中的噪声点。然后基于多结构元素形态学进行边缘检测,最后,对边缘检测结果进行二值化及细化处理。并同Sobel及Canny算子的检测结果进行了比较。结果证明,该方法能有效地提取边缘、保护细节。     

基于数学形态学的毫米波图像边缘检测方法

讨论了数学形态学的基本原理及其在毫米波辐射遥感图像边缘检测中的应用，提出了一种用灰度形态变换原理进行检测的有效算法。对一幅毫米波图像的实验结果表明，该算法具有较好的抗噪和边缘提取能力，比传统的基于模板的图像边缘检测算法具有更好的边缘提取效果。     

基于灰度形态学的高分辨率遥感图像边缘检测研究

提出一种用于高分辨率遥感图像边缘检测的灰度形态学方法,该算法在数学形态学的基础上,针对图像中噪声和边缘形态的不同建立了多结构元素,利用灰度形态变换原理的膨胀、腐蚀、开启和闭合等算法进行边缘提取。实验表明,与经典的边缘检测算子相比,该算法保持图像的细节特征,较好地解决边缘检测精度与抗噪声性能的协调问题,具有很好的边缘提取能力。本文给出了用Matlab6.5实现的具体代码。     

形态学边缘检测和区域生长相结合的遥感图像水体分割

遥感图像水体区域中因水体自身流动和波动等因素造成图像噪声,利用传统方法直接分割水体容易导致分割精度较低。为此,利用遥感图像中水体区域具有连通性强以及像素灰度值相近等特点,提出了一种利用多结构元素形态学重构边缘检测结合区域生长实现遥感图像水体分割的方法。首先将遥感图像转化为灰度图像,运用多结构元素形态学重构边缘检测,在去除噪声的同时增强水体边缘,保持水体区域边缘的较准确定位;然后利用灰度直方图自动选取种子点,确定水体区域灰度范围,利用该灰度范围内像素的均值和方差、种子点及已生长区域灰度特性作为生长准则,实现对水体区域的分割。实验结果表明,该方法能够对因水体扰动等因素导致的噪声图像进行有效分割,且水体区域分割精度较高。