数字地图图像的基本形态学变换和结构元素的分解

本文是作者关于“数学形态学与数字地图图像的分析和识别”研究成果的一部分。文章提出了地图图形的集合概念和地图图像形态分析的基元确定原则,证明了结构元素的基元最小分解定理;同时,介绍了基本的形态学变换,统一并扩展了带约束条件的数学形态学变换模型;从而,奠定了数字地图图像分析和识别的数学基础。     

用小波变换和数学形态学算法研究文本图像去噪

针对文本图像存在的噪声,提出了小波变换和数学形态学相结合的文本图像去噪算法。通过小波变换对原始图像进行多尺度分解,对小波近似系数进行线性拉伸处理,细节系数进行域值化处理后重建图像,对重建图像进行直方图均衡化,然后再进行数学形态学运算去除剩余噪声。结果显示本文方法对于存在大量噪声的文本图像可以起到很好的去噪效果。     

十字型框标识别定位的数学形态学算法及其快速实现

本文主要讨论了十字型框标影象二值化时阈值的自动确定方法,自动定位十字型框标的数学形态学算法及充分利用数学形态学之交、并、差等基本逻辑运算的快速算法——逻辑变换算法的实现。     

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。     

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。     

数学形态学在GIS空间分析中的应用

讨论了数学形态学在基于栅格数据结构的地理信息系统（ＧＩＳ）空间分析中的广泛应用。提出了基于形态变换的ＧＩＳ空间操作（图层叠置、缓冲区建立、邻城分析和图元量算）方法，网络最短路径的形态学算法，应用灰度级形态学解求通视图的新思路。     

数学形态学在GIS空间分析中的应用

讨论了数学形态在基于栅格数据结构的地理信息系统空间分布中的广泛应用。提出基于形态变换的ＧＩＳ空间操作方法，网络最短路径的形态学算法，应用灰度级形态学解求通视图的新思路。     

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。     

基于数学形态学的第四系地层遥感影像分割

利用数学形态学的方法对遥感影像的第四系地层进行了影像分割实验。经实验结果得出,利用数学形态学的基本运算组合成的各种算子:高、低帽变换、滤波与阈值截取相结合的增强方法,通过选择合适的结构元素,对图像进行预处理后,就可以用形态学方法对第四系地层进行影像分割。经过处理的遥感影像,能够更有效地提取影像的目标。实验结果表明了本文所提的方法的有效性。最后,对形态学方法的不足之处和将来的研究方向展开了讨论。     

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。     

基于形态分割的高分辨率遥感影像道路提取

基于灰度形态学,提出一种从高分辨率遥感图像提取道路网络的方法.首先利用灰度形态特征对遥感影像进行分割,进而得到基本的道路网络轮廓.然后在此基础上,利用线段特征匹配方法提取道路网络.提出的方法能适应于从道路和背景区别不很清楚的遥感图像中提取道路.实验结果也表明,本文方法能有效地从遥感影像中提取道路网络.     

基于DSM的遥感图像拼接线自动生成技术

在DSM滤波和权值确定的基础上,提出了一种基于DSM的遥感图像拼接线自动提取方法。该方法首先基于流水模型的基本原理设计了拼接线自动选择规则,然后利用数学形态学对自动提取的拼接线进行了膨胀处理。实验结果表明,该方法提取的拼接线能够有效地规避建筑物投影差等问题,确保了自动拼接线提取的有效性。     

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。     

数字地图图像特征的形态学分析模型

本文在基本的数学形态学理论和运算的基础上，结合地图图像的连接性、形状、尺度、纹理、拓扑与几何等特征，系统地应用、扩展和提出了描述这些基本图像特征的各种形态学分析模型，构成了数字地图图像形态分析和处理的理论体系。     

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。     

遥感图像村级道路提取方法研究

对高分辨率遥感图像0.64~0.72μm波段灰度图进行直方图拉伸增强对比度,通过设立阈值分割图像得到二值图,再基于数学形态学消除噪声填充孔洞。然后,利用软件进行自动矢量化。实验证明,该方法能有效处理遥感图像,已达到提取高分辨率遥感图像中村级道路的目的。     

基于数学形态学的TIN和GRID自动生成研究

在分析了数学形态学的基本原理的基础上,提出了一种基于数学形态变换自动生成Delaunay三角网(TIN)和规则格网(GRID)的数字高程模型的算法,这种算法将离散的地面点的图像集合进行骨架化并自动构成Thiessen多边形,然后,通过序贯条件形态变换,自动建立TIN和GRID.在建立Thiessen多边形的过程中,提出了用逐点生成数字圆盘的方法来保证变换过程的各向同性;在建立Delaunay三角网的过程中,提出了利用正交结构元素进行条件膨胀,从而保证了相邻点之间的正确位置关系.该方法能保持Thiessen多边形和Delaunay三角网的拓扑关系,因而能保证DEM 的高精度,而且具有数据结构简单、运算速度快的特点.最后,给出了试验结果并与有限元法的结果进行了比较.结果表明,这种方法用于建立DEM具有良好的应用前景.