基于数学形态学的细化算法

本文主要讨论了细化算法的定义与条件，二值图像细化的数学原理和基于数学形态学的细化算法。文中对结构模式类型和细化算法的逻辑运算描述提出新的见解，可望深化和丰富基于数学形态学细化算法的内容。     

一种改进的Canny算子边缘检测算法

介绍Canny算子边缘检测的基本原理,并对其性能进行分析和评价。针对传统Canny算子在滤波过程中存在的缺陷,提出一种基于自适应平滑滤波的改进Canny边缘检测算子,该算法根据图像中像元灰度值的突变特性,自适应的改变滤波器的权值,在平滑图像的过程中使图像的边缘锐化。在计算梯度幅值的时候采用了邻域的梯度幅值计算方法,考虑了像素对角线方向的梯度计算,进一步抑制了噪声的影响。通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度和准确性。     

基于多尺度的Canny边缘检测算法研究

为了解决传统边缘检测算法检测精度不高、稳健性不好和抗噪能力差等弱点,文章提出了一种基于多尺度的Canny边缘检测算法,该算法充分利用了小尺度影像和大尺度影像的优点,既能检测出图像边缘的整体轮廓,又能检测出图像细节。并运用MATLAB编程与几种经典边缘检测算法做了详细对比,采用ROC曲线进行了精度定量评价分析。实验结果表明,基于多尺度的Canny边缘检测算法检测结果更清晰,稳健性更好,而且抗高斯噪声能力也相当理想,能够有效地提取图像边缘信息。     

一种基于数学形态学的边缘检测算子

介绍了一种具有很好抗噪性的数学形态学梯度算子,以二值形态学为理论基础,将原有的形态学梯度算子进行改进,进行图像处理时,首先选用迭代阈值的方法对图像二值化,然后利用改进的形态学梯度算子提取图像边缘信息.实验结果表明,将迭代阈值与改进的梯度算子相结合,提取的边缘定位准确、连续性好,运算速度快,且有很好的抗噪能力.     

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。     

FCM聚类算法协同Canny算子的遥感影像边缘检测方法

提出一种FCM聚类算法协同Canny算子的遥感影像边缘检测方法,算法采用中值滤波消除原始遥感影像中的非高斯噪声;采用FCM(Fuzzy C-mean)聚类算法将滤波处理后的遥感影像中的像素分为两类:边缘类像素和非边缘类像素,并得到聚类影像;最后采用Canny算子对聚类影像进行边缘检测得到遥感影像地物边缘信息。实验结果表明,文中提出的方法能有效消除遥感影像中的混合噪声并准确地检测出地物目标的边缘,是一种有效的遥感影像边缘检测方法。     

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。     

边缘检测Prewitt算子的改进算法

本文对Prewitt经典算子进行了分析,根据算法的计算规律提出了一种改进的计算方法,通过对常规算法与改进算法的计算量进行比较分析,从理论上说明了改进算法具有简洁的处理步骤,提高了处理的速度;又通过对200幅256×256影像的具体实验证明,改进算法不仅拥有与原算法相同的效果,而且,处理时间显著缩短。     

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。     

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。     

新型Canny算法的SAR图像边缘检测

干涉作用会使合成孔径雷达回波信号产生相干斑点噪声,以致在图像边缘检测时产生许多虚假边缘;Canny边缘检测器能检测图像形状密度的变化,并寻找图像的边界。针对SAR图像的噪声特点和低像素级的特点,引进了小波去噪的方法来代替传统的高斯滤波,提出了在搜索算法上以广度搜索来代替深度搜索,由此改进了Canny算法,使用VC++编程实现了改进的算法对SAR图像进行边缘提取实验,对比结果证明此方法比以往算法有明显改进。     

采用PPI算法改进的一种数学形态学端元提取方法

自动形态学端元提取(automated morphological endmember extraction,AMEE)算法将结构元素内最纯像元与混合度最大的像元之间的光谱角距离定义为形态学离心率指数(morphological eccentricity index,MEI)来定量化地表示像元的纯净度。然而作为参考标准的混合度最大的像元在不同的结构元素内也是不同的,尤其是当结构元素内的纯净像元占大多数时,像元的均值光谱将更接近纯像元,此时像元的MEI越高,纯度反而越低。针对这一问题,本文提出一种像元纯度指数(pure pixel index,PPI)算法与AMEE算法相结合的端元提取算法PPI-AMEE。在结构元素内,利用PPI指数代替AMEE算法中的MEI指数来寻找最纯像元。变换结构元素时,只有最纯净的像元始终能够投影到随机生成的直线的两端,其PPI值会不断累计增大,而其他像元的PPI值则无法持续增大。累计记录每个像元的PPI值,直至满足迭代终止条件,最终形成一幅PPI图像,端元将在PPI值较大的像元中选取。PPI-AMEE算法只在相对较小的结构元素内运行PPI算法,然后再结合数学形态学中的膨胀操作对整幅图像进行处理,其同时兼顾了图像的光谱信息和空间信息。最后,采用模拟数据及美国内华达州Cuprite地区的机载可见光/红外成像光谱仪(airborne visible infrared imaging spectrometer,AVIRIS)高光谱数据对提出的PPI-AMEE算法进行试验验证。试验结果表明,PPI-AMEE算法的端元提取精度总体上优于AMEE算法和PPI算法。     

基于Canny算子的南通江海岸线研究

基于RS、GIS、Matlab等技术与平台提取遥感影像岸线是当前实现海岸动态监测和分析各类型海岸动力地貌演化的重要技术方法。本文选取江苏南通江海岸带为研究区,对多期预处理后的MSS、TM和OLI影像进行卷积滤波、图像分割等处理;然后使用Matlab,基于Canny算子检测图像边缘,提取了多期影像的瞬时水边线。与此同时,结合不同类型海岸目视解译标志和吕四港近5 a潮汐数据矫正提取瞬时水边线,最后提取南通市4期江海岸线并分析了近45 a来南通江海岸线演变特性。     

A novel mathematical morphology based algorithm for shoreline extraction from satellite images

Abstract

Shoreline extraction is fundamental and inevitable for several studies. Ascertaining the precise spatial location of the shoreline is crucial. Recently, the need for using remote sensing data to accomplish the complex task of automatic extraction of features, such as shoreline, has considerably increased. Automated feature extraction can drastically minimize the time and cost of data acquisition and database updating. Effective and fast approaches are essential to monitor coastline retreat and update shoreline maps. Here, we present a flexible mathematical morphology-driven approach for shoreline extraction algorithm from satellite imageries. The salient features of this work are the preservation of actual size and shape of the shorelines, run-time structuring element definition, semi-automation, faster processing, and single band adaptability. The proposed approach is tested with various sensor-driven images with low to high resolutions. Accuracy of the developed methodology has been assessed with manually prepared ground truths of the study area and compared with an existing shoreline classification approach. The proposed approach is found successful in shoreline extraction from the wide variety of satellite images based on the results drawn from visual and quantitative assessments.     

基于MATLAB的边缘检测算法研究

边缘检测是处理与剖析图像的主要内容之一,它在文字识别、车牌识别、遥感特征地物的提取等生产和生活领域发挥着非常重要的作用。但是,不同的图像有着不同的特征,到目前为止,没有一种统一的方法对所有的图像及地物的特征进行边缘检测。针对这一不足,本文首先探讨了4种经典的二值化算法和相应的改进二值化算法,并将经典算法与改进后的算法进行对比分析,然后利用Canny算子对二值化处理后的图像进行边缘检测。得出结论,迭代法和改进的迭代法与Canny算子相结合作为边缘检测的方法是一种高效率、高精度的方法。     

自适应Canny边缘检测算法研究

在分析传统Canny算子边缘检测原理的基础上,提出了一种自适应Canny边缘检测方法。文中方法在保持了传统Canny算子原有的信噪比高、定位准确和单边缘响应优点基础上,提高了抑制虚假边缘的能力,并且利用全局阈值分割方法自适应确定动态阈值,提高了边缘检测的自动化程度,在实际应用中取得了良好的效果,通过实验证明了自适应Canny边缘检测方法是一种有效的边缘检测改善方法。