相位解包裹是光学干涉测量的关键环节，要求计算速度快、精度高、适应性强。根据包裹相位不同级次间存在明显边界的特点，本文提出数学形态学区域分割的快速相位解包裹算法。首先，采用数学形态学提取边界并分割相位区域。然后，计算区域之间的相位差异以确定各区域的相位级次和抬升值，判断边界点归属以确定边界各点抬升值。最后，根据抬升值对各区域相位进行整体抬升，最终获得空间上连续分布的相位。仿真和实验表明：基于数学形态学的解包裹算法对于1 000×1 000 pixels像素的相位处理时间在1 s以内，仅为经典的最小二乘算法用时的1/4，且相位自身边界、无效区域、噪声等因素对解包裹效果并无影响。该算法具有速度快、适用性强、精度较高等优点，在动态光干涉、光全息、光栅条纹投影轮廓测量等对运算速度要求较高的测量场景中有广泛的应用前景。

功能性近红外光谱技术(fNIRS)作为一种新兴的神经成像技术得到了广泛关注,然而fNIRS信号中运动伪迹的存在会使信号的处理结果产生偏差。提出了一种定向中值滤波和数学形态学相结合的算法——tMedMor算法,并采用该算法对fNIRS信号中的三种运动伪迹(包括尖峰、基线突变和缓慢漂移)进行去除;然后用仿真数据和实验数据进行了验证,并将所提算法与常用的几种算法进行对比,结果表明:tMedMor算法在均方误差、信噪比、皮尔逊相关系数的平方、峰峰误差方面具有良好的表现,说明该算法可以作为一种新方法用于fNIRS信号的预处理阶段。

图像中的目标通常具有复杂的形状和尺寸,现有方法难以充分挖掘地物的显著性空间信息。基于此,提出一种基于显著性测度的形态学显著性剖面。首先,根据图像区域内部灰度和轮廓信息计算显著性测度,用于描述目标在场景中的重要程度,然后提取具有显著性测度局部极大值的重要区域,并通过多层级特征描述其空间信息。形态学显著性剖面的构造首先利用基于显著性测度的属性滤波滤除图像的冗余细节,并保留图像的显著结构;再根据图像中显著的组织结构生成层次化的空间特征。实验采用了两组高光谱数据集进行验证,实验结果表明所提算法的分类效果优于其他形态学特征提取算法。

针对目前高分辨率遥感影像道路提取准确性不高的问题,提出一种基于改进最大期望(EM)聚类的遥感影像道路提取算法。首先通过形态学预处理来去除道路上的干扰信息,在此基础上通过改进EM聚类自动确定分割区域数目,完成影像分割,最后结合轮廓检测和灰度直方图阈值化完成遥感影像道路的提取。实验结果表明,所提算法能有效屏蔽道路上的噪声,提取出主干道路信息,该方法的准确率达到90%以上,冗余度较低。

针对协同表示的高光谱异常目标检测算法的异常点敏感问题, 提出了一种基于背景纯化的改进协同表示的高光谱异常目标检测算法。利用扩展数学形态学的膨胀操作消除局部背景模型中可能存在的异常点, 从而得到更为纯净的背景字典, 能够有效地消除检测过程中异常点对检测效果的负面影响, 从而提高检测精度。采用该算法对高光谱数据进行仿真实验, 并与现有算法进行对比, 结果表明该算法具有更好的检测效果。

Functional near-infrared spectroscopy (fNIRS), as a new optical functional neuroimaging method, has been widely used in neuroscience research. In some research fields with NIRS, heartrate (HR) (or heartbeat) is needed as useful information to evaluate its influence, or to know the state of subject, or to remove its artifact. If HR (or heartbeat) can be detected with high accuracy from the optical intensity, this will undoubtedly benefit a lot to many NIRS studies. Previous studies have used the moving time window method or mathematical morphology method (MMM) to detect heartbeats in the optical intensity. However, there are some disadvantages in these methods. In this study, we proposed a method combining the periodic information of heartbeats and the operator of mathematical morphology to automatically detect heartbeats in the optical intensity. First the optical intensity is smoothed using a moving average filter. Then, the opening operator of mathematical morphology extracts peaks in the smoothed optical intensity. Finally, one peak is identi fied as a heartbeat peak if this peak is the maximum in a predefined point range. Through validation on experimental data, our method can overcome the disadvantages of previous methods, and detect heartbeats in the optical signal of fNIRS with nearly 100% accuracy.

连铸坯的缺陷会对轧制工艺产生影响, 通过对连铸坯表面图像特征进行分析, 提出了一种基于多尺度数学形态学的连铸坯表面缺陷检测方法。该缺陷检测方法能够有效去除噪声, 并对水痕、氧化铁皮、渣痕等伪特征具有较好的抑制作用。实验结果表明, 与Sobel方法、Prewitt方法、Canny方法、Laplacian方法等边缘检测方法相比较, 该方法对缺陷边缘提取完整、平滑、定位准确, 识别准确率达96.37%。