采用模糊形态学和形态学分水岭算法的图像分割

提出了一种基于模糊形态学和形态分水岭算法的图像分割方法,先利用模糊形态学闭开运算平滑原始图像,再通过形态分水岭变换实现图像分割。实验结果表明这种方法具有较好的分割效果。     

采用模糊形态学和形态学分水岭算法的图像分割

提出了一种基于模糊形态学和形态分水岭算法的图像分割方法, 先利用模糊形态学闭开运算平滑原始图像, 再通过形态分水岭变换实现图像分割. 实验结果表明这种方法具有较好的分割效果.     

基于形态学梯度的细胞图像自动分割

提出一种自动分割细胞图像的方法,利用数学形态学梯度运算对图像边缘进行锐化。再利用判别分析法自动确定梯度图像阈值,经后处理,可得单像素宽度细胞图像边缘。该边缘可描述医学图像中细胞的有效区域,实现细胞图像自动分割。为验证该方法的有效性,对30幅实际细胞图像进行分割试验。结果表明,该方法对细胞图像分割有较好的适应能力。     

基于控制标记符分水岭的医学图像分割

提出了一种适合医学图像分割的改进分水岭算法,针对分水岭算法存在的过分割问题,采用数学形态学重构滤波器和Ostu阈值分割方法对图像中感兴趣的目标和背景进行标记。根据标记的二值图像,运用形态学极小值标定技术对原有梯度图像进行修正。最后,使用分水岭算法对修正的梯度图像进行分割。该方法能有效抑制过分割现象,而且计算复杂程度较低、分割效果较好。     

基于数学形态学的粘连大米籽粒分割研究

在大米籽粒检测中经常会有大米籽粒重叠和粘连的现象。将粘连在一起的大米籽粒群分离是图像处理中一项重要而困难的问题。对这一情况,提出了一种有效的分割算法,先对图像进行二值化处理,然后对图像进行数学形态学变换,通过腐蚀运算将大米籽粒群图像层层剥离,直至粘连籽粒分开,再使用膨胀运算和八链码方法恢复出原始的各个大米籽粒个体,从而将大米籽粒群分离开。实验证明,该算法能成功地分离开粘连大米籽粒。     

彩色淋巴结细胞显微图像分割

传统的细胞分割方法,对于淋巴结这样有着复杂背景的显微图像处理效果并不理想.本文基于相似度的自动种子像素选取、基于分水岭的图像分割及模糊C均值区域合并和基于凹点搜索的重叠粘连细胞切分,研究了淋巴结的分割处理,取得了良好的分割效果.     

基于形态学重建和极大值标记的分水岭分割算法

针对传统分水岭算法的过分割问题,结合形态学重建和极大值标记技术研究并实现一种新算法。该算法首先进行开闭重建预处理,较好地去除了各类噪声并保留目标原有的结构;然后进行局部极大值调整及标记,有效地避免了过分割;最后对局部极大值图像进行分水岭分割,取得了较好的实验效果。论文还探讨该算法的关键因素即结构元素的选择问题,经大量实验得出结论——选择与目标图像形状相似、大小相宜的结构元素可获得较好的分割效果。     

数学形态学和小波变换的图像压缩方法

<正>本文首先介绍小波变换和数学形态学的基本运算及其性质,然后阐述形态小波变换的思想及算法,并将其用于图像压缩编码。     

基于数学形态学的植物叶片图像分割方法研究

传统的边缘检测算子均属于线性滤波方法.数学形态学是一种非线性滤波方法,能够保持图像的基本形状特征,在图像处理各个领域广泛应用.仅用边缘检测算子或者数学形态学处理都不能得到理想的分割效果.根据边缘算子检测的结果,进行形态学滤波、数学形态学运算,采取不同的结构元素反复实验对植物叶片边缘信息进行提取.不用传统目测方法而是通过定量的分析实验结果,表明了边缘检测基础上进行形态学处理的分割方法的有效性.     

结合C-V模型水平集与形态学的彩色树木图像分割

树木图像分割是一种从图像中把树木与周围背景完整分离的技术,是计算机仿真学科在林业应用方面的核心内容,也是计算机视觉方向的研究热门,为林业应用提供一定的技术支持。根据树木图像含有分裂、合并、形成尖角等相对比较复杂形状的特点,首先对图像运用基于C-V模型水平集的计算,通过计算活动轮廓长度和差异量来判断迭代收敛的情况,待迭代稳定后对其进行形态学后处理操作,将某些过分割区的细密纹理和噪声剔除,从而得到全局最佳优化的图像分割效果。为彩色树木图像的分割提供一种更为有效的方法。     

基于数学形态学和最大似然法的遥感图像分类研究

随着高空间分辨率遥感影像应用范围的不断扩大,传统基于灰度值的遥感图像分类方法很难满足实际需要.该文通过数学形态学方法,对高空间分辨率遥感全色图像进行处理,通过交互式选择训练区,构造包含形态学梯度、高帽变换和灰度均值的三维特征向量,利用Bayes最大似然分类器对高空间分辨率遥感图像不同土地利用类型进行自动识别,改善了分类精度.这种分类方法,可以用于指导森林资源监测、土地利用现状调查和国土荒漠化监测与评价的工程实践.     

基于灰度梯度图像分割的单木树冠提取研究

树冠是树木的重要组成部分,基于遥感影像的树冠提取对于森林资源调查监测具有重要意义,但准确获得树冠的形状和边界比较困难。高分辨率影像具有丰富的纹理和光谱信息,基于高分辨率影像单木树冠勾勒技术为森林资源调查提供了一种快速有效的测树途径。但是,由于高分影像信息冗杂,面向对象的分割方法数据计算量大,并且需要人工设置光谱或纹理阈值才可以实现单木分割,导致工作效率下降,鲁棒性差。图像增强通过改变原始图像的结构关系,有选择地突出或者抑制图像中的某些特征,有效的图像增强有益于提高单木树冠分割的准确程度。因此,本文提出一种基于影像的灰度梯度图像分割的树冠提取方法,通过对比传统的罗伯斯、拉普拉斯算子与改进的数学形态学算子,利用目视解译与灰度直方图结合的方法确定最优选择为改进的数学形态学算子。然后,利用改进的数学形态学算子结合面向对象多尺度分割方法,简化原始影像复杂的背景信息,快速提取大范围单木树冠信息。以甘肃省张掖市大野口林区机载激光雷达系统携带的CCD影像为数据源,提取实验区单木树冠,并从空间和形状上验证效果。实验结果表明:在高分影像的灰度梯度图像上进行面向对象分割提取单木冠幅, 单木株数精度为83.19%,形状精度达到88.62%,优于传统林业调查精度,且冠幅获取速度快,效率高,并可以较为精确地提取树冠边界。      

一种基于形态学的木材导管图像分割方法

木材识别对木材科学和产业具有重要的意义,微观识别方法准确性高但过程繁琐,只有木材专家才能掌握。基于图像的智能木材识别方法是通过自动提取木材的识别特征来识别木材。该文提出了一种基于显微结构图像的木材导管自动提取方法,运用数学形态学的腐蚀、膨胀及开、闭运算进行去噪处理和边缘增强,将导管形态从阔叶材横切面显微图像中成功地提取出来。该方法为定量分析和提取阔叶材管孔式特征奠定了基础,是对基于图像的智能木材识别技术的有益探索。大量的试验表明,该方法是有效的。      

基于K均值聚类和数学形态学的小麦彩色图像分割

对小麦植株图像进行分割,是将机器视觉技术应用到动态监测小麦生长状况的基础.采用K均值聚类和数学形态学相结合的方法进行分割,充分利用了小麦植株颜色和背景颜色的差异.首先根据图像色彩对图像进行聚类,然后对聚类后的图像进行形态学开运算,实现了小麦植株与背景的分离,并达到了较好的效果.     

基于数学形态学的植物叶片图像预处理

植物叶片图像的预处理是进行叶形特征提取和识别的重要前提,获得高质量的预处理叶片图像对计算机辅助植物识别十分重要.本文提出了基于数学形态学的植物叶片图像的预处理方法,运用数学形态学中的开运算和闭运算消除图像中的孤立噪声点并填补叶片内部孔洞.该方法保持了原图像的基本形状特征并能获得清晰的边缘,为叶片特征提取创造了良好的前提.     

基于最大类间方差法和数学形态学的遥感图像潮沟提取方法

潮沟作为潮滩的主要地貌类型之一,以长江口九段沙为研究对象,利用2015年2月15日获取的Landsat 8分辨率为15 m的全色波段遥感数据为数据源,选取了3条发育不同的潮沟。首先利用顶帽变换来消除直接利用最大类间方差法对图像亮度背景不均匀不能准确分割的问题,然后通过最大类间方差法找到一个最佳的阈值使潮沟和背景之间方差最大,得到二值化图像;接着通过形态膨胀对断裂的潮沟进行连接,并用形态去除方法剔除非目标;最后对潮沟进行骨架化提取和去除短枝处理,得到完整的潮沟信息骨架图。采用视觉分析和定量分析对提取的潮沟信息进行精度评价。结果表明,最大类间方差法和数学形态学的结合对潮沟信息提取有较好的效果,平均准确度达到93.0%,遗漏误差和冗余误差分别为7.0%和0.5%。     

基于二维熵的农业图像目标分割

农业图像的目标分割是在农业领域应用机器视觉技术的基础,采用阈值法进行图像的目标分割,能够克服一些图像缺陷。首先将彩色数字图像转换成像素灰度级分布与其邻域平均像素灰度级分布所构成的二维灰度图,再根据图像分割后的最大熵计算分割阈值,然后由计算出的阈值分割农业田间图像,分割的结果显示,二维熵法分割农业田间图像的效果很好,分割质量的优秀率达到了98%。     

Segmentation of pores in wood microscopic images based on mathematical morphology with a variable structuring element

A set of pores is one of the key features in the process of wood identification. A novel method to segment pores in a wood microscopic image is proposed in this paper. The method has three steps. In the first step, structuring elements with several sizes are employed in a mathematical morphology algorithm to enhance the pores and remove other tissues in a wood microscopic image. Then the best structuring element size is determined according to the results obtained from the previous step. Finally, a binary image that includes only pores is obtained by an adaptive thresholding. Experimental results show the efficiency of the method.     

基于颜色指数与阈值法的稻田图像分割

为系统、全面地分析不同颜色指数对南方稻田图像分割的适应性,以分蘖期、拔节期稻田图像为研究对象,选择36种常用的颜色指数,采用Otsu阈值法开展基于颜色指数和阈值的图像分割研究,通过比较各颜色指数的分割结果,明确分蘖期和拔节期图像分割的主要干扰因素,筛选最适宜稻田图像分割的颜色指数。结果表明：水稻倒影、浮萍是分蘖期稻田图像分割的主要干扰因素,叶片镜面反射、浮萍和土壤阴影是拔节期稻田图像分割的主要干扰因素;组合指数COM2、MxEG、CIVE和GMR在分蘖期图像和拔节期图像均具有较好的分割精度。因此,基于颜色指数COM2、MxEG、CIVE、GMR和Otsu阈值的稻田图像分割方法对稻田图像分割的干扰要素具有较强的区分能力,分割精度较高,更适宜于南方稻田图像处理研究。