数学形态学在质量检测中的应用

简单介绍了数学形态学的基本运算及结构元素，并对数学形态学在质量检测中的一些应用进行了详细的描述和分析，最后用数学形态学的方法对一幅苹果图像和一块电路板进行检测．分别准确地检测出了苹果疤痕和短路点的位置与形状，得到了非常好的效果。     

数学形态学在织物疵点检测中的应用

针对织物常见的破洞、断经和缺纬3类疵点,提出了一种基于数学形态学的疵点检测方法.利用自相关函数和FFT找出织物经纬结构的重复单元,以其为依据,用形态学中腐蚀背景和膨胀目标的方法检测图像中的疵点信息,在传统的形态学处理法之后,采用开运算进一步地消除噪声,突出疵点,在此基础上,利用MATLAB语言开发了系统原型,通过实验验证了形态学检测疵点的可行性.     

一种基于边缘检测的运动目标检测新方法

基于帧间差分变化检测,运用多尺度形态梯度算子进行边缘检测,提出并实现了一种运动目标检测新方法.这种检测方法算法简单、运算量小,而且只使用了头两帧的信息,适合于实时应用.实验结果表明:此方法能有效地检测出运动目标.     

基于典型相关的视频运动目标检测

在智能监控系统中,视频运动目标检测是目标分类和行为理解的基础。由于视频背景的复杂性,考虑检测问题中能量函数的全局优化,提出了基于典型相关的树加权置信传播（ TRW）算法用于视频运动目标检测。算法首先将视频图像分成一些图像块,构造有环图模型;然后运用TRW算法将环路分解成生成树的形式,实现有环图模型上的视频运动目标优化检测。仿真结果表明,算法具有较高的准确度,与传统的置信传播（ BP）算法相比较,能有效降低迭代次数,提高计算效率。     

一种复杂背景下的运动目标检测方法

提出一种复杂背景下的运动目标检测方法．它根据背景运动情况下,像素与它领域之间的相关性对实行运动目标的检测,消除由于背景运动所造成的错误检测,并采用自适应背景更新方法,提高算法的稳定性和可靠性．通过实验验证,本算法对光照变化、背景运动、前景和背景互化有很强的适应能力．     

用形态学方法进行数字图象的分析和处理

一种新兴的图象处理技术──数学形态学运算子和形态滤波器在数字图象分析和处理，图象滤波，图象增强和图象恢复方面的研究和应用。     

基于背景重建的运动目标检测算法

针对复杂背景下参考帧的提取问题,提出了一种改进的基于帧间差分的背景提取算法。该算法利用帧间差分将图像序列中的背景像素点提出来,从而确定背景帧;并利用序列图像背景点在时间上呈高斯分布,用“3σ原则”判断背景点是否发生变化来更新背景。实验结果表明,该方法可以有效的提取和更新背景,从而完整准确地检测出运动目标。     

基于数学形态学的图像边缘提取方法

提出了一种基于数学形态学的灰度图像边缘提取方法,并进行了仿真实验。实验结果表明,该方法不仅具有较好的去噪和边缘提取能力,而且算法简单易于实现,运算速度快。     

利用数学形态学与图像二值化进行车牌定位

在车牌识别中,车牌的准确快速定位尤为重要,文章采用数学形态学运算得到多块类似车牌的候选区域。再对候选区域二值化后进行中间行扫描,利用行扫描中的黑、白跳变规律,确定车牌区域。该方法基于单行扫描,能够减少运算时间,提高对车牌定位的速度。     

一种基于变化区域检测的 运动对象分割算法

文章针对在变化区域内运动对象的分割，提出了一种基于块的帧差处理方法，对差分图象进行噪声分析和能量分析，利用块矩和能量的双重约束来检测变化区域。后续的空间分割时，在变化区域外接矩形内用区域生长法修正检测结果，取得具有精确边界的运动对象。实验结果表明这种算法兼顾了实时性和精确性，能有效地分割出视频序列中的运动对象。     

基于数学形态学的彩色图像边缘检测算法

传统的基于微分算子的边缘检测算法对噪声非常敏感,而基于数学形态学的边缘检测算法具有一定的抗噪声能力.图像边缘不仅由灰度突变产生,颜色或纹理发生突变也产生边.本文考虑了颜色对图像边缘的影响,把一种灰度图像形态学边缘检测算法推广到彩色图像,并与原文献形态学灰度图像边缘检测算法、传统的形态学边缘检测算法进行了比较,实验结果表明本文的算法抗噪声能力更强,提取的边缘更加清晰、完整.