数学形态学居民地街区合并中的应用

通过对数学形态学相关算法的研究分析,结合地图上居民地街区合并的特点,提出了用数学形态学中图像闭运算的算法进行居民地街区自动合并的方法,为地图上街区式居民地的合并综合,提供了一种新的方法。     

数学形态学在居民地街区合并中的应用

通过对数学形态学相关算法的研究分析,结合地图上居民地街区合并的特点,提出了用数学形态学中图像闭运算的算法进行居民地街区自动合并的方法,为地图上街区式居民地的合并综合,提供了一种新的方法.     

耦合分水岭与形态学的特殊纹理影像配准算法

针对现有算法在合成孔径雷达(synthetic aperture Radar,SAR)影像与光学影像配准时存在的效率和精度较低的问题,提出一种耦合标记控制分水岭与数学形态学的特殊纹理影像逐步求精的自动配准算法.首先,利用改进的标记控制分水岭算法分别提取影像中的水体特征,并进行二值化和数学形态学处理,以准确地提取水体区域...     

基于ENVI+IDL的水体提取后处理实现研究

通过IDL语言调用ENVI二次开发函数库,首先基于多波段谱间关系法实现华南山区细小水体的自动提取,然后利用数学形态学膨胀滤波算法对图像进行断线连接和小孔填充,最后通过对比形态学腐蚀算法和Pavli-dis异步细化算法对图像进行细化处理,从而得到比较理想的细小水体。结果表明:该方法能够有效解决水体提取后断线连接、空洞填充及细小水体细化等问题,从而为水体自动、快速提取和分类提供有力帮助。     

一种实现依比例街区自动合并的算法

针对依比例街区的图形特征,介绍了一种实现街区自动合并的有效算法,即利用数学形态学和模式识别对栅格数据进行追踪,然后提取街区轮廓线,编辑后就得到最终合并的街区.     

一种实现依比例街区自动合并的算法

针对依比例街区的图形特征，介绍了一种实现街区自动合并的有效算法，即利用数学形态学和模式识别对栅格数据进行追踪，然后提取街区轮廓线，编辑后就得到最终合并的街区。     

基于色彩理论与数学形态学的彩色地图自动分层研究

研究一种新的基于色彩原理的彩色地图自动分色算法 ,该算法首先将彩色地图经过颜色变换 ,转换到孟塞尔颜色空间 ,而后进行颜色分类 ,并利用数学形态学进行结果优化。该算法很好利用了图像的颜色信息和空间信息 ,取得较为理想的效果 ,并提高了运算效率     

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。     

一种自适应数学形态学LiDAR点云滤波方法

在Li DAR点云滤波算法当中,数学形态学滤波是其主要方法之一。传统的数学形态学在迭代次数、高程阈值的选取上,通常是通过人工依靠经验设置滤波参数,因此算法具有很大的盲目性。这里通过分析在不同迭代次数下滤波前后地面点云数目的变化特点,以及高程阈值与点云密度的关系,提出了一种自适应数学形态学滤波算法。采用不同地形的Li DAR数据对算法进行了实验分析,验证了算法的可行性。     

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。     

基于改进的数学形态学算法的LiDAR点云数据滤波

数学形态学在数字图像处理中有广泛的应用.首先介绍传统数学形态学算法的特点,对这一理论用于LiDAR点云数据滤波的不足进行了分析.在此基础上,对相应的算法进行扩展和改进,提出针对不同地形特点的自适应滤波算法.在数学形态学"开"算子的基础上,提出增加一个"带宽"参数用于点云数据滤波的方法.最后利用三组实际点云数据进行试验,以验证这一算法的有效性.     

利用ETM+影像自动提取河流冲积扇的方法

本文在分析冲积扇与其他地物光谱特征差异的基础上,针对Landsat ETM+影像中红光波段与近红外波段的比值能够增大冲积扇与其他地物间差异的特征及地形阴影在蓝绿光波段亮度值降低速率差异较大的特征,基于比值运算、差值运算,构建了冲积扇指数;并利用该模型阈值自动选取算法将冲积扇信息从其他地物及阴影中分离出来,然后根据数学形态学膨胀滤波算法进行空洞填充。经过实验表明,该方法能够高效自动地提取华南山区的冲积扇信息。     

基于SPOT5影像自动提取水体的新方法

针对基于SPOT5影像提取水体时易受地形阴影、居民地等因素影响提取精度的问题,本文构建了一种新的水体提取方法。该方法以水体的遥感图像本底值研究为基础,通过构建能够同向增强的水体指数及多指数集成计算模型,实现水体灰度值的极化,在此基础上利用改进的阈值自动选取算法、数学形态学滤波及细化等算法,实现了水体的高精度自动提取。经过试验比较表明,该方法能够有效地提取较细水体,且能够有效去除地形阴影、居民地及河流边滩等的影响。     

基于数学形态学的LiDAR数据滤波新方法

数学形态学滤波是从激光雷达点云数据中识别地面点、创建数字高程模型的一种重要方法.在分析现有滤波方法的优劣性以及数学形态学滤波方法存在的问题基础上,提出一种新的具有一定自适应性的数学形念学滤波算法.该方法通过分析LiDAR数据的特点,利用形态学算子提取原始点云数据的空白区域,进行精确的重采样生成DSM;然后将DSM多尺度...     

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.     

一种利用TM图像自动提取洪积扇的方法

在分析洪积扇与其他地物光谱特征差异的基础上,针对TM图像的红光波段与近红外波段的比值能增大洪积扇与其他地物间光谱差异,以及地形阴影在蓝、绿光波段亮度值降低速率差异较大的特征,基于比值运算和差值运算,构建了洪积扇自动提取模型.利用该模型,首先结合阈值算法将洪积扇从其他地物中提取出来,然后采用数学形态学膨胀和腐蚀算法进行空...     

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.     

基于数学形态学的IKONOS多光谱图像分割方法研究

利用数学形态学方法,研究与探讨了IKONOS多光谱图像的分割技术.提出一种结合图像边缘特征和纹理特征的混合分割新算法.在高分辨率多光谱遥感图像K-L变换的基础上,采用多尺度多方向形态学梯度算子提取边缘特征.应用数学形态学滤波及局部方差统计特征对图像对象进行标记,最后采用强制最小过程,进行标记控制的分水岭分割.研究结果表明,提出的分割算法优于仅利用边缘特征的分水岭分割算法,同时,该算法能较好地解决分割过程中存在的过分割与欠分割问题,是一种适合高分辨率多光谱遥感图像的分割算法.     

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，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。