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。     

基于形态学的遥感影像滤波方法研究

针对遥感影像的特点，提出了一种基于多结构元素形态学的滤波算法。运用此算法和传统的中值滤波算法以及均值算法一并对遥感影像进行了处理，并且使用多种指标对处理的结果进行了比较。结果表明，该算法能够很好地滤除遥感图像中的噪声点，改进了对遥感图像的细节目标的保护。     

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。     

基于小波变换和数学形态学的遥感图像边缘检测方法研究

用传统的边缘检测方法效果不理想,针对遥感图像中存在的噪声问题,提出了一种基于小波变换和多结构元素的数学形态学相结合的图像边缘检测方法。该方法充分利用小波多分辨率的特点,对图像进行去噪处理,然后用多结构元素灰度形态学的方法对图像的边缘进行检测。试验结果证明,此方法优于传统的边缘检测方法,具有边缘检测准确和良好的抗噪能力。     

基于灰度数学形态学的遥感影像薄云处理方法

遥感成像过程中薄云是最常见的一种噪声。在利用数学形态学进行薄云处理的基础上,探讨利用广义多结构元素的数学形态学进行薄云处理的方法,并对SPOT图像进行试验。结果表明,该方法对薄云去除的处理效果有一定的改善和提高。     

基于分形理论和形态学的遥感图像地物检测

利用分形理论和数学形态学的方法对大比例尺遥感影像上面状地物飞机进行了检测。经实验结果得出,利用“地毯覆盖法”提出的分形斜率截距法对遥感影像飞机检测,结果要优于灰度统计法、经典边缘检测算子和形态学算子检测的结果。     

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。     

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。     

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。     

基于边缘的多光谱遥感图像分割方法

从Marr视觉计算理论和Tobler地学第一定律出发,提出了基于边缘的多光谱遥感图像分割方法.在基于边缘的多光谱遥感图像分割方法中,由边缘检测、边缘综合、边缘生长、区域标号等环节组成.该遥感图像分割方法在可视化开发平台Delphi中予以编程实现.将之应用于日本熊本市（Kumamoto）的Quickbird多光谱遥感图像中,并与多种遥感分割算法进行了比较：（1）从多光谱遥感图像各波段亮度信息利用的程度上看,提出的遥感图像分割方法能充分利用多波段亮度信息;（2）从遥感图像分割结果上看,由于分别对不同的波段进行边缘检测,并在此基础上进行边缘综合、边缘生长,遥感图像中的细节特征得到了充分体现,遥感图像分割效果更理想;（3）从计算复杂度和计算效率上看,基于边缘的多光谱遥感图像分割法较其他分割方法有一定的优势.     

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。     

利用数学形态学的遥感影像水系提取方法

针对目前遥感水系提取存在的问题,提出了一种基于数学形态学的遥感影像水系提取方法。该方法在光谱模式识别提取水体信息的基础上,利用数学形态学方法将提取的水体结果进行断线连接、去噪及细化等处理,从而得到连续的水系。以Landsat ETM+影像为例进行了实验,结果表明,该方法可以提取连续、完整的水系;且提取的水系精度与现势性均优于国家测绘局发布的1∶25万数字线划图(DLG)水系。     

基于边缘图和边缘方向的遥感图像检索

介绍了遥感图像检索中边缘特征的不同描述方法。边缘特征有两种类型:一种是边缘图;另一种是边缘方向。文中分别采用目标图像和纹理图像对不同的方法进行了实验,结果表明将两种边缘特征结合可以提高检索的效果。     

利用影像重定位和遍历检测的遥感影像水印算法

针对遥感影像数据,提出了一种基于影像重定位和遍历检测的盲水印算法。实验结果表明,该方法可以有效抵抗压缩、滤波等常见的图像处理攻击,还能有效抵抗裁剪攻击。     

基于灰度形态学的高分辨率遥感影像预处理

提出了一种从高分辨率遥感影像中提取线性目标时影像预处理的方法。该方法基于灰度形态学的Top-Hat运算和灰度膨胀运算，用Top-Hat算子除去影像的噪声，再利用灰度膨胀增强影像目标和背景之间的对比度，使目标更易于识别。经过处理的遥感影像，能够更有效地提取影像的目标。     

基于ERDAS的遥感影像变化检测技术的研究

变化检测是遥感图像处理中经常使用的一门技术,随着遥感技术的发展,变化检测的应用越来越广泛。本文介绍了变化检测的定义、流程和应用,利用ERDAS软件进行遥感影像的变化检测实验,并对ERDAS变化检测的几种不同的方法进行比较分析,得出的结论是利用变化检测模块(Change Detection)进行检测的效果较好,最后将这种方法同监督分类技术一起应用于厦门市城市建设用地的变化检测中。     

New Mathematical Model Based on Affine ransformation for Remote Sensing Image with High Resolution

1　ＩｎｔｒｏｄｕｃｔｉｏｎＴｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｅｃｏｎｏｍｙａｎｄｔｈｅｓｏｃｉｅｔｙｒｅ ｑｕｉｒｅｓｔｈｅｓｕｉｔａｂｌｅｔｈｒｅｅ＿ｄｉｍｅｎｔｉｏｎａｌｒｅｐｒｅｓｅｎｔａｔｉｏｎｆｏｒｄｉｓ ｔｒｉｃｔｓ ,ｓｔａｔｅｓａｎｄｔｈｅｅａｒｔｈ .Ｔｈｅｄｉｇｉｔａｌｅｌｅｖａｔｉｏｎｍｏｄｅｌ (ＤＥＭ)ａｎｄｇｅｏｒｅｆｅｒｅｎｃｅｄｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｗｉｔｈ 1＿ｍｅｔｅｒｒｅｓｏｌｕ ｔｉｏｎａｒｅｔｈｅｂａｓｅ .Ｒｅｃｅｎｔｌｙ ,ｔｈｅｍｏ…     

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。