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。     

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。     

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。     

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。     

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.     

Canny双阈值算子在边缘提取中的优势

对Canny双阈值算子原理进行了分析,并利用Canny算子处理图像仿真实验对研究区图像边缘进行提取。利用Prewitt算子、Sobel算子、形态学算子处理研究区影像,并将结果进行对比。结果表明,Canny双阈值算子不仅能去除遥感图像中的椒盐噪声,而且能保证边缘提取的精度;与其他算法相比,在提取效率上也有明显优势和优异的稳健性。     

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。     

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。     

基于高分辨率遥感影像的耕地地块提取方法研究

针对耕地地块提取问题,提出了一种基于图像分割的耕地地块提取新方法。该方法以高分辨率遥感影像为基础,借助于边缘提取和数学形态学的方法,通过边缘检测、边缘闭合、区域标号和后处理四个步骤,提取耕地地块。该方法在IDL6.3平台下编程实现。将此方法应用于北京地区QuickBird多光谱遥感影像,结果表明此方法有较好的定位精度,又在一定程度上去除了噪声,具有较好的实用性。     

一种带有方向的边缘检测算子在道路边缘提取中的应用研究

提出了一种带有方向的边缘检测算子,以高分辨率遥感影像为例,进行了道路边缘提取实验。研究结果表明,与经典的LOG算子相比,该算子提取的道路边缘,断线少、噪声低,在线状地物的提取中有较明显的优势。     

边缘约束下的分形网络分割算法

分形网络演化算法（fractal net evolution approach,FNEA）是一种有效的多尺度影像分割算法,但对于具有斑点噪声、局部区域对比度低等特点的高分辨率合成孔径雷达（synthetic aperture radar,SAR）图像,直接应用FNEA算法得到的分割结果难以用于后续的面向对象影像分析。提出了基于边缘约束的FNEA（edge restricted FNEA,eFNEA）算法,通过加入边缘信息和构建异质性规则来为分割融入更多信息,提高分割效果。实验结果表明,对于微弱边缘和噪声污染严重等情形,eFNEA算法的分割结果均优于FNEA算法。     

基于高频增强曲线与迭代反射投影的遥感影像超分辨率重建

针对传统迭代反射投影方法得到的重建影像,其边缘部分存在锯齿效应和噪声信息,从而无法达到提升影像清晰度不足的问题。文中对初始重建影像,首先使用反锐化掩模方法提取其中的高频分量,并对高频信息进行分类,然后平滑掉其中的噪声信息,应用高频增强曲线对高频分量进行提升,保持高频分量的单调性。实验仿真结果表明,该方法可以消除噪声,小的边缘纹理细节得到增强,大轮廓没有过增强,可有效提升重建影像的清晰度。     

基于改进粗糙集和NSCT的红外遥感图像增强

提出了一种基于改进粗糙集和NSCT的红外遥感图像增强方法。该方法首先利用NSCT对图像进行分解,得到多层多方向子带系数;然后根据相邻尺度和不同方向的子带中图像噪声、脆弱边缘等不同成分的系数分布,使用粗糙集对其进行分块,并制定合理的决策规则;再通过集合运算对系数中不同子块采用不同的处理方法,一方面抑制噪声,另一方面保护图像中的脆弱边缘结构,并采用增强函数对其进行不同程度的增强;最后对处理过的NSCT系数进行重构,获得增强后的红外图像。实验表明,该算法相对于其他传统红外遥感图像增强算法具有较好效果。     

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。     

一种顾及影像纹理特性的自适应分辨率增强算法

针对传统的影像分辨率增强算法存在的缺点,提出了一个顾及影像纹理特性的自适应分辨率增强算法。在算法中,首先通过影像分析,根据定义的3种纹理特性,确定出像素在影像中所在的位置是属于平滑纹理、一般纹理还是边缘纹理,然后根据不同的属性应用不同的滤波器进行内插增强。特别是对边缘纹理的处理,为了提高精度,是通过两次迭代来完成的。实验中利用该算法和传统的增强方法对三峡地区航空影像和武汉TM影像分别进行了处理,并用常用的影像质量评价方法对增强处理结果进行了对比评价,实验证明,所提出的算法在保持纹理、边缘方面有较大的优越性,具有实用价值。