基于数学形态学细化算子的改进Canny算法研究

边缘检测是图像处理领域研究的一个重要内容。本文基于数学形态学改进现有Canny算子。该方法首先用Canny算子进行滤波,然后采用非极大抑制技术,将强边缘图像和弱边缘图像的边缘进行连接,再对提取的边缘利用形态学细化算子细化。针对不同图像采用不同门限比例,可取得不同的边缘提取效果。本文采用峰值信噪比、均方误差、平均绝对误差三个评价指标对边缘检测算法的优越性进行度量。实验分析表明,本文算法优于Sobel算子、Roberts算子、Log算子及传统Canny算法。     

基于数学形态学方法的街道数据提取算法

数学形态学用具有一定形态的结构元素去度量和提取图像中的对应形态以达到对图像分析和识别的目的。其中细化是处理线状二值图像的一种重要技术,它可以把二值图像区域缩成线条,以逼近区域的中心线,极大地减少图像中的冗余信息量,以便进一步分析和识别。本文研究了通过击中变换实现的骨架线提取算法,并将其应用于城市居民地的街网数据提取,取得了较好的实验效果。     

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。     

基于数学形态学的建筑物轮廓信息提取

针对高空间分辨率卫星图像上建筑物的特点,提出了一套半自动、快速简单的建筑物二维轮廓信息提取技术流程。首先,利用最大同质性近邻滤波算法(MHN)对图像进行预处理;然后,利用基于数学形态学经典算法(腐蚀、膨胀、开操作及闭操作等)重建的微分形态学断面方法(DMP)进行建筑物二维轮廓信息提取,并在结构算子的步长选择方面对方法进行了初步改进;最后,结合区域标识和面积阈值分割等方法进行了后处理操作。以北京师范大学校园QuickBird图像为例的试验结果显示,该方法不仅对规则建筑物的提取效果良好,还可以有效地提取出形状复杂的建筑物轮廓信息。     

基于数学形态学算法的机载LiDAR点云数据快速滤波

机载LiDAR点云数据滤波是LiDAR数据处理领域研究的重点和难点之一.针对LiDAR点云数据量大的特点,以规则格网组织数据,按离散点或格网移动结构窗口,提出基于数学肜念学算法的LiDAR点云数据快速滤波方法,并详细介绍滤波的方法和流程.试验结果表明,该算法计算速度快,滤波效果好.最后选取两组小同区域的点云数据进行实验,并给出滤波前后的数字表面模型和局部断面图.     

基于数学形态学和相位编组SAR影像道路自动提取

由于SAR图像中固有的斑点噪声的强烈影响,某些对于光学图像有很好效果的边缘检测算子,但是对于SAR图像来说,效果很差,本文应用一种改进的基于图像统计信息的局部线特征检测方法,首先利用图像统计信息对图像进行局部特征检测,然后利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。     

基于数学形态学的点状石头目标检测

及时发现和处理山坡上小的点状石头目标，对于行人、车辆的安全具有重要意义。利用数学形态学，文中提出了一种从遥感影像上检测山坡上点状石头目标的方法，并进行了试验。研究结果表明，文中所述的方法具有好的效果。     

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。     

基于数学形态学的测试卡图案识别方法

提出了一种基于数学形态学的双向匹配识别方法,通过对测试运动员的测试卡图案进行识别,试验结果表明该方法不仅能良好地去除测试卡图案上噪声的影响,而且能有效识别测试卡上图案,识别正确率高达95%以上。     

两种细化算法的比较

线划地图的扫描数字化和矢量转换是人们极为关注的问题。从扫描到矢量转换的工作过程包括一个重要步骤——线划变细。本文着重比较了经典细化算法和快速细化算法,并对快速细化算法作进一步改进,以适合不同类型线图形的细化,从而提高线图形的识别率。     

数学形态学在地图模式识别中的应用

扫描数字化是 GIS中快速获取地理数据的手段之一 ,其关键是对扫描图上的地图要素进行自动识别。文中针对地图模式识别的关键技术之一图像分割进行了研究 ,利用数学形态学方法实现了地图上部分要素的分割     

一种利用数学形态学提取地形轮廓的方法

提出了一种利用数学形态学提取图像中地形轮廓的方法。首先分析运用传统单一边缘检测算子提取地形轮廓的不足,然后着重介绍了数学形态学提取地形轮廓的原理,最后通过实验分析,采用开运算与闭运算相结合的方法提取地形轮廓,不仅有效地去除了各种噪声,而且极大地保持了地形轮廓的细节特征。     

数学形态学用于纹理图像的分维估计

首先介绍了灰度图像膨胀与腐蚀的定义，然后给出了数学形态学估计分维的数学模型，进而用于纹理图像的分维估计。实验结果表明：该方法原理简单，算法设计灵活，运算速度快捷，为纹理特征描述提供了一种有效的新途径。     

MSCMO：基于数学形态学算子的尺度空间聚类方法

提出了一种基于数学形态学算子的多尺度聚类方法 :首先将数据进行二值图像化处理 ,利用一次闭开运算去除噪声干扰后再利用逐步增大结构元素的闭运算构建尺度空间 ,图像内的连通单元集随着尺度上升不断融合 ,最终全部归并。将连通集覆盖下的点集归为一类 ,以上步骤就对应了一个多尺度层次聚类过程。本算法的一个最大优点是聚类个数事先无需设定 ,而被确定为跨越最多尺度 (具有最长尺度生存期 )的类别个数。此外 ,参数少、能够提取任意形状的类别、具有较强的抗噪声能力也是算法的优点。对自构建数据与地震数据的聚类实验验证了方法的有效性和实用性     

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。     

一种融合数学形态学运算的多尺度建筑物分割算法

多尺度分割算法是面向对象的图像分析方法中的一种较为成熟、稳定的分割算法,但存在部分分割不准确和分割效率低等问题.为此,提出一种融合数学形态学运算的多尺度建筑物分割算法:首先利用高斯滤波器对遥感图像进行滤波处理,然后通过数学形态学运算对图像进行腐蚀处理,最后采用多尺度分割算法得到建筑物影像.对昆明市局部区域的QuickBird图像进行多尺度建筑物分割实验的结果表明,该算法具有分割精度高、效率快等优点,对类似工作有一定的借鉴意义.     

基于形态学的栅格图像矢量化预处理

介绍了利用数学形态学中膨胀运算与开启运算对栅格地形图进行处理,以此来减少计算机自动矢量化栅格图像线性地物出现的错误,提高工作效率。