遥感图像背景信息复杂，利用传统形态学进行处理时，固定结构元素的使用容易改变道路的位置和形状，影响图像分割的准确性。为此，提出了一种基于自适应形态学的遥感图像道路提取方法。首先利用非线性结构张量构造自适应椭圆结构元素并定义相应的自适应形态学运算，并根据道路特征构造形态学高低帽变换以增强道路目标；接着通过最大类间方差法实现道路的初步提取；然后设置形状参数识别图像中的目标是否为道路区域；最后通过自适应形态学滤波法去除仍与道路粘连的非道路目标，提取出独立的道路网络。实验结果表明，所提方法能够从背景信息复杂的遥感图像中完整地提取出道路，且提取精度较高。

粒子径迹的严重重叠粘连会影响粒子径迹的测量精确度。提出一种基于径迹重叠分类的严重粘连重叠核径迹分离测量新方法。首先，按照重叠粒子径迹中心的相互包含性，对重叠粘连的粒子径迹进行分类，以辨别粒子粘连的严重程度；然后，以等比缩小一半的非粘连重叠的粒子径迹图像为结构元素，对粘连重叠粒子径迹显微图像进行有限次腐蚀操作，有效分离了严重粘连重叠的粒子径迹，形成了四类径迹分类图像。实验结果表明，结合新的分类方法和有限腐蚀能够分割严重粘连重叠的径迹图像，消除径迹重叠粘连对图像测量精确度的影响。

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。

针对传统的多方向灰度形态学边缘检测算法存在计算量大、效率低的缺点, 提出了一种基于自适应噪声抑制的多方向灰度形态学图像边缘检测算法。根据图像所含噪声的种类, 采用不同尺度的结构元素对图像进行分类滤波, 再根据像素点间灰度值的变化确定边缘方向, 由相应方向的结构元素进行边缘检测。实验结果表明, 与传统的多方向灰度形态学边缘检测算法相比, 检测到的边缘重构相似度和边缘置信度更高, 边缘连续性更强, 且计算量低, 运行效率高。

受多种因素的影响, 通常获得的红外图像信噪比低、对比度差, 为目标的提取带来一定的困难。在分析弱小目标方向梯度的基础上, 结合形态学算法, 提出一种新的红外弱小目标检测算法。首先在待检测点四邻域方向上选取4个参考点, 根据该方向待检测点与参考点之间的多级梯度特征, 确定出潜在目标; 然后利用结构元可调节的特性, 选择合适的结构元素, 通过形态学处理, 剔除噪声点并最终确定出目标。实验表明, 该算法计算简单, 无需预测背景, 可在低信噪比图像中有效检测弱小目标。

针对传统形态学在边缘检测算法上存在的检测边缘错位、较粗等缺点, 在传统形态学的基础上, 提出了一种具有方向估计性的梯度算子。该算法通过改进的梯度算子及多结构元素模式来获取梯度方向, 并沿边缘梯度方向进行非极大值抑制, 以此细化边缘宽度, 最终获取图像边缘。实验结果表明, 相对传统形态学边缘检测算法, 该算法具有更精细的检测结果与较强的抗噪能力。

受多种因素的影响, 白天获得的近红外星图像信噪比低, 且背景通常是不均匀的, 为红外星目标的提取造成了极大的困难。通过理论计算, 实际白天拍摄的近红外星图信噪比极低, 使用一般的滤波方法无法提取出恒星目标, 形态学运算对于星图像的处理具有较好的效果。首先分析目标及噪声大小, 选择较大的结构元素, 然后组合开运算及顶帽变换, 提取出背景, 得到只含有目标及噪声的图像, 然后改变结构元素大小, 消除掉噪声, 进行目标分割。实验证明, 可较好地分离出恒星目标。

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。

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。

为了准确分割支票中的方形印鉴图像，为印鉴真伪自动识别提供无失真的二值待验图像和预留图像，提出一种基于top-hat变换的自适应形态学分割算法。根据支票印鉴的色彩信息和拓扑结构特点得到方形印鉴的灰度图像，将印鉴灰度图像分成4个子区域，以便准确分割印鉴中具有不同笔划结构和背景均匀度的印鉴成份。对每个子区域中的字符和印框分别做top-hat变换增强图像细节后，再用Otsu方法二值化。由于top-hat变换中所用结构元素的尺寸对分割结果有很大影响，本文根据每个子区域中印框和字符的结构特点分别迭代地计算适用于它们的最佳尺寸结构元素。分割了350枚不同支票方形印鉴，分割准确率为99.43%。结果表明，该方法可以准确地分割笔划复杂且分布密集的方形支票印鉴图像，有效地减少分割结果中容易出现的笔划粘结和残缺失真，降低了对原始印鉴图像的质量要求。