一种基于数学形态学和投影的车牌定位方法

车牌定位是车牌识别系统的关键步骤,定位的准确与否直接影响车牌识别的结果。为了能在复杂背景和不同光照条件下快速、准确定位车牌位置,本文根据车牌及拍摄效果等特点及因素,提出了一种结合数学形态学和水平、垂直投影法的定位方法。首先对图像进行预处理,利用数学形态学将预处理过的图像进行处理,滤去一部分伪车牌区域,然后利用水平和垂直扫描进一步精确定位车牌,最后结合车牌的先验知识最终确定车牌区域。实验结果表明,该方法定位率高,速度快,具有良好的鲁棒性。     

一种基于数学形态学的图像边缘检测方法

针对经典形态学方法在边缘检测时可去除图像噪声,但难以保留边缘细节的问题,提出一种能有效去除噪声且能准确检测图像边缘的方法。该方法首先利用大尺度的轮廓结构元素对图像进行滤波开、闭运算,接着用小尺度结构元素在进行经典形态学的膨胀、腐蚀运算后对图像进行梯度运算,从而得到含噪声图像的边缘信息。实验表明,该方法在准确检测图像边缘的同时,能够有效地去除图像中的噪声,且运算量相对较小。     

一种基于数学形态学的电视图像分割方法

针对电视图像信噪比低,噪声干扰大的特点,提出了一种基于数学形态学的电视图像分割方法。首先利用基于梯度调整的平均灰度法得到图像的阀值,其次利用该灰度阀值二值化图像,最后对该图像利用数学形态学消除噪声。实验结果表明该方法具有较好的滤波效果,计算时间短,可用于实时图像处理中。     

基于数学形态学的二值图像的边缘检测

主要介绍了数学形态学的基本原理,将这些基本运算组合应用到图像对象的边缘检测,并在MATLAB6．5中进行仿真实验,得到了满意的结果。     

基于小波变换与数学形态学相结合的玻璃瓶图像边缘检测

将小波变换与基于多结构元素的数学形态学相结合的方法应用到玻璃瓶图像边缘检测中。首先利用小波变换的原理对图像做增强处理,然后利用基于多结构元素的数学形态学方法对处理后的图像进行边缘检测,最后通过实验验证方法的有效性。     

多结构元素的数学形态学图像边缘检测算法

数学形态学作为一门新兴的、以形态为基础对图像进行分析的学科，已得到人们的广泛关注，并应用于图像处理的许多方面。本文提出一种基于多结构元素的数学形态学图像边缘检测算法，该算法通过构造4个不同方向的结构元素，应用形态学梯度算子得到图像4个方向的边缘检测结果，并将这些结果进行加权平均，得到最终的图像边缘。为验证算法的效果，给出了本文算法和几种传统算子对Lena图像进行边缘提取的实验结果。结果表明：本文算法成功地完成了图像的边缘检测，且检测效果明显优于经典的Sobel算子，Laplace算子和Canny算子。     

基于Sobel算子边缘检测和数学形态学的车牌定位算法

随着智能化交通管理系统的飞速发展,对车牌的定位和识别提出了更高的要求,因此提出了一种结合边缘检测和数学形态学的车牌定位算法。采用Sobel算子进行边缘检测,经数学形态学处理得到连通的车牌候选区域,然后对其进行分析,实现车牌区域定位。实验结果表明,该方法能准确实现车牌定位,性能良好。     

一种基于综合集成和数学形态学的图像分割方法

图像分割是图像处理的重要步骤,是计算机视觉的基础,是模式识别与图像理解的重要组成部分。由于光照不均匀而形成的灰度图像,采取单一的分割方法不能获得良好的分割结果,为此,采用综合集成的方法对此类图像进行分割,并用数学形态学的运算对分割结果进行处理,改善了分割效果。试验结果表明,基于综合集成和数学形态学的分割方法能有效地分割这一类图像,获得良好的分割结果。     

基于自适应灰度形态学滤波的车牌图像分割

根据车牌纹理及其几何形状的特点，提出了一种新的基于自适应灰度形态学滤波的车牌图像分割算法。该算法不同于传统的形态滤波过程，结构元素的大小能随车牌图像的不同而进行自适应调整，因而更有效地提取车牌目标区域。实验结果表明，该算法对不同复杂自然环境和不同光照条件有很强的自适应能力，其定位准确率及抗干扰能力较其它传统分析方法有显著提高。     

基于数学形态学的深度图像分割

本文提出了一种基于数学形态学基本运算的深度图像分割方法。首先利用数学形态学算子来获得分别含有跳跃和尖顶边界的凸脊和凹谷图像，然后利用控制的区域生长过程得到最终的分割结果。用本文提出的方法成功地对许多实际的深度图像进行了分割，同传统的方法相比，这种方法的速度快，而且具有良好的抗噪声性能。     

基于数学形态学的图像边缘检测新方法

经典数学形态学的边缘检测方法虽然具有较好的去噪能力,但却存在计算量大,计算时间长等缺点,并且其得到的结果具有不连续、不完整等缺点,不能较为准确地提取图像的边缘特征。在研究数学形态学的基础上,利用数学形态学方法对图像进行边缘处理,然后将处理后的图像作为神经网络的输入,利用CP神经网络对图像的边缘进行检测。实验结果表明,该方法得到的边缘图像边界细腻完整,具有较好的抗噪性,实现了提高精度与抗噪性能的协调统一。     

形态学结构元素选取算法的研究

针对形态学结构元素选取的主观性和随意性展开研究,提出了步骤式选取结构元素的算法。该算法通过提供备选结构元素库、选择参考模板、预处理、分析选优等步骤,实现对结构元素的选择。对比结构元素对待处理图像处理结果的优劣,并深入分析各个结构元素的处理结果,选定表现优秀的结构元素为后续处理的结构元素。通过对无噪lena图像的仿真表明,处理该图像应选取全一型结构元素,该算法是切实可行的。     

基于纹理特征和数学形态学的SAR图像目标检测方法

SAR图像目标检测是SAR图像解译的基础。针对含有目标的SAR图像,利用垂直方向的边缘纹理检测方法对预处理后的图像进行垂直边缘检测,再运用数学形态学中的腐蚀运算和膨胀运算对垂直方向边缘图进行虚警滤除处理,从而得到感兴趣的目标检测区域。详细地给出了SAR图像目标检测步骤,并将本方法与其他方法的检测结果进行了比较,实验结果表明,在均匀杂波背景与非均匀杂波背景下,该方法能够快速有效地实现SAR图像目标检测。     

Segmentation of Moving Objects Using Mathematical Morphology

1IntroductionInthelastfewyears,n'ovelandverydemandingapplications,suchasdesktopvideoconferencing,videophone,multimediacommunicationsandmobilecommunications,havegivenarenewedimpetustoresearchintheareaofverylowbit-ratevideocoding.Establishedvideocodingstandards,suchasH.261andMPEG-2,performratherpoorlywhenusedforhighcompressionratios.Themaininherentdeficiencywiththeseblock-basedapproachesisthatthevideosceneandmotionaremodeledasbeingcomprisedofsquareblocks.Thus,atverylowbitrates,thereconstructed…     

基于数学形态学的空空导弹导引头红外图像处理

红外成像制导导弹的图像分割是图像处理中的重点和难点之一.将数学形态学图像处理算法应用于导引头红外图像分割,提出一种新的分割方法.首先,利用形态学方法估计出导引头红外图像中的背景图像;其次,利用原始图像减去背景图像得到差图像,以消除不均匀背景对图像分割的影响;再次,利用阈值算法将差图像转换成二值图像;最后,应用形态学方法消除噪声,根据目标图像属性的连贯性实现目标检测.仿真分析表明,该分割算法具有较好分割效果.     

基于动态阈值分割的目标提取技术

如何从背景中提取目标信息是图像处理时经常遇到的技术难题.从火腿肠生产线质量检测遇到的实际问题出发,提出一种结合动态阈值分割、数学形态学和边缘检测的方法,实时检测图像中的异物信息.实验结果表明,该方法能快速检测目标信息,满足实际生产要求.     

基于数学形态学的人脸检测研究

提出了一种基于数学形态学特性的人脸检测方法。方法首先根据YCbCr肤色模型检测出肤色区域;用数学形态学的膨胀和腐蚀方法进行肤色处理,平滑了边界,同时消除了肤色块的连通;再利用圆盘结构元素对人脸区域做闭运算,从而得到人眼和嘴的位置。