自适应形态学在图像去噪与边缘检测中的应用研究

摘要

数学形态学作为一门新兴的图像处理理论，凭借其坚实的理论基础和简单的算法，在图像处理各个领域均获得了广泛的应用。传统的数学形态学在图像处理时只采用一个形状与数值均不变的结构元素，如果结构元素选取的不恰当，往往会对处理结果造成不利的影响。本文对结构元素能够自适应选取的自适应形态学进行了研究，并在图像去噪和边缘检测应用中验证了它的优越性。
　　本文首先对灰度图像领域的数学形态学做出研究，并分析了采用固定结构元素的传统形态学在图像去噪和边缘检测两个应用中存在的问题，随后针对这些问题，分别提出了能够根据输入图像局部特征而自适应选取结构元素的自适应形态学方法，并在仿真实验中分别对所提出方法的有效性进行了验证。实验证明所提出的自适应方法不仅较好地解决了传统形态学方法存在的问题，并且具有较好的处理结果。
　　为了将所提出的针对灰度图像去噪应用的自适应形态学方法拓展到彩色图像领域，本文研究了了彩色图像的特性和几种不同的颜色矢量序，并在退化序和边际序两种不同的矢量序模式下分别对此方法进行了拓展。经实验证明，此方法在两种序下对彩色图像均具有较好的去噪效果。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1研究背景

1.2 本文的研究内容与意义

1.3 本文内容安排

第二章 数学形态学基本理论

2.1 基本概念

2.2 二值数学形态学

2.3 灰度数学形态学

2.4 彩色数学形态学

2.5 本章小结

第三章 自适应数学形态学灰度图像去噪

3.1传统灰度数学形态学图像去噪

3.2基于像素点最小梯度的自适应形态学图像去噪

3.3 本章小结

第四章 自适应形态学灰度图像边缘检测

4.1常用边缘检测算子

4.2形态学边缘检测

4.3基于图像各向梯度的自适应形态学边缘检测

4.4 本章小结

第五章 自适应形态学彩色图像去噪

5.1 彩色图像基本知识

5.2 自适应形态学彩色图像去噪

5.3 本章小节

第六章 结论和展望

6.1 研究结论

6.2 研究展望

参考文献

致谢

作者简介