1 石家庄学院计算机科学与工程学院, 河北 石家庄 050035
2 燕山大学信息科学与工程学院,河北省计算机虚拟技术与系统集成重点实验室, 河北 秦皇岛 066004
为进一步改善图像处理中的噪声抑制和边缘检测性能,提出了一种多尺度多方向结构元素形态学图像 边缘检测算法。该算法基于数学形态学中结构元素的方向性差异,充分利用了腐蚀、膨胀、开、 闭及其变换和组合运算。对图像进行去噪、边缘提取等预处理操作,以提高图像的信噪比和边缘细节; 利用递归的多尺度多方向结构元素形态学滤波得到图像的初始轮廓;利用多尺度形态学和多方向结构元 素进行图像边缘检测。实验结果表明提出的算法抗噪性强,能有效准确地提取边缘信息。
图像处理 多尺度多方向 数学形态学 边缘检测 结构元素 image processing multi-scale and multi-direction mathematical morphology edge detection structure element
1 中国科学院光电技术研究所, 成都 610209
2 中国科学院研究生院, 北京 100049
为了有效提取星图中星点小目标, 实现提高星图识别效率及姿态计算的精度, 本文在分析星点目标和小目标像共性的基础上, 采用了一种形态学星点提取方法。该方法根据数学形态学运算的特点, 得到估计的星图背景, 通过灰度形态学 Top-Hat变换对消背景, 得到含有目标和高频噪声的图像, 本文采用自适应阈值法确定实际图像的阈值。实验结果表明此方法能很好的滤除背景噪声, 有助于选取阈值及确定目标亮度, 确定的目标亮度比传统方法得到亮度效果要好, 且质心坐标与真值相差不超过 0.3个像素单元。
数学形态学 背景估计 结构元素 目标提取 mathematical morphology background estimation structure element target extraction
中北大学电子测试国家重点实验室, 山西 太原 030051
复杂背景下目标检测存在诸多困难,主要为背景对目标检测的干扰,大量噪声存在导致传统导数边缘检测方法的失效等。针对上述两点,提出了分割区域图像、利用形态学方法检测目标的新算法。首先利用目标与背景灰度差异性来确定目标的大致区域,将其分割出来,然后再结合多结构元素法进行目标的精确检测。通过与原图像分割、聚类算法分割实验比较,该算法具有较好的抗干扰性和抗噪性能。
目标检测 数学形态学 多结构元素 图像分割 target detection mathematical morphology multi-structure element image segmentation
华东师范大学 电子科学与技术系,上海 200241
为了简单有效的获得医学图像边缘,本文从数学形态学的角度出发,利用多结构元素对不同方向的边缘敏感来保留更多的边缘细节信息,提出了一种改进的形态学边缘检测算法。本文首先将形态学的BTH与WTH运算相结合进行图像增强,再结合开闭运算提出了一种抗噪型的边缘检测算子,对运用多结构元素得到的边缘图像进行累加,最后对该叠加后的边缘图像进行修正得到最终结果。实验证明,该算法在抑制噪声对边缘的影响和保持图像的边缘细节上,均取得了很好的效果,具有一定的实用性。
形态学 边缘检测 图像处理 多结构元素 morphology edge detection image processing multi-structure element
华中科技大学电子与信息工程系,湖北,武汉,430074
提出一种基于目标及背景结构特征的多尺度形态学图像处理方法,针对弱目标和背景噪声的结构差异,选择合适的结构元素和合理的形态算子达到较好的滤波效果.形态滤波器是从数学形态学中发展出来的一类新型非线性滤波器.由于形态算子实质上是表达物体或形状的集合与结构元素之间的相互作用,结构元素的形态决定了这种运算所提取的信号的形态信息,因此数学形态学对信号的处理具有直观上的简单性和数学上的严谨性,使数学形态学在描述信号形态特征上具有独特的优势.通过改变结构基元的尺度,对图像进行多尺度分析,能准确提取图像在不同尺度下形状的分层特征和有用信息.
数学形态学 图像处理 多尺度形态学 结构元素 Mathematical morphology Image processing Multi-scale morphology Structure element
1 北京邮电大学应用科技系,北京 100876
2 天津大学现代光学仪器研究所,天津 300072
用光学实时并行图像处理与计算机的灵活特性相结合可实现数学形态学实时并行图像处理。提出了采用实时光学处理系统和复值核结构元光学频域滤波方法实现二值图像数学形态学实时并行处理
光学频域滤波 复值核结构元 数学形态学
