图空间上彩色矢量形态学算子

针对现有彩色图像形态学矢量排序算法的缺点,将基于图的二值及灰度形态学扩展到彩色图像,在具备完备格的图空间上定义一种新的彩色矢量形态学算子.为使新算子便于实现,结合图论定义最小生成矢量子图函数及相关理论,并在此基础上提出彩色矢量形态学极值提取算法.实验结果表明,该算子在保存彩色信息的完整及关联性方面优于现有的彩色形态学,避免出现"假色"现象及人为决定主导颜色分量的缺点,同时有效地保护了原图像的纹理不发生较大的变化,较好的保存图像的拓扑结构,有较广的应用前景.     

基于形态学的可变权值匹配自适应图像增强算法

为了精确提取图像的细节特征,改善图像增强的效果,该文提出了一种基于形态学的可变权值自适应增强算法。通过构造扩展全方位多尺度结构元素,并进行top-hat变换,分解了图像不同方向不同尺度的细节。该文打破了传统形态学增强算法中各方向细节取均值融合的思想,实现了根据图像的局部灰度特性,动态调整各方向不同尺度细节的权值。在图像增强过程中,根据提取到的细节的结构化特征,构造相应的自适应增益函数,从而实现图像的自适应增强。实验结果表明,该算法能较好地利用图像的自相关性,比传统的形态学增强方法更有效地突出图像的细节信息,且能抑制噪声的放大。     

一种基于FPGA的彩色图像自适应形态学实现方法

传统形态学处理算法受制于结构元素单一等问题,处理效果并不理想,往往会忽略原图重要的特征信息,而且基于软件平台的形态学处理算法在处理速度上较为缓慢。针对上述问题,提出了一种基于现场可编程逻辑门阵列（fi eld programmable gate array, FPGA）的彩色图像自适应形态学实现方法。首先在软件平台上实现了彩色图像自适应形态学算法和传统形态学处理算法,经过对比分析后得出结论为彩色图像自适应形态学算法对图像的处理效果更好,然后在FPGA上设计实现了彩色图像自适应形态学处理系统,该系统按照以面积换速度的形式进行FPGA结构设计,其中包括了控制模块、结构元素生成模块、形态学运算模块、整合输出模块等。试验结果表明,本文提出的方法不但可以极大提升彩色图像的形态学处理的准确率,而且保留了原图重要的特征信息,与此同时,基于FPGA实现该算法后,在保证处理效果的前提下极大地提升了处理效率,为图像处理的实际应用提供了有效的支撑。     

利用自适应灰度形态学检测噪声图像边缘

传统的形态学边缘检测算法采用固定的结构元素时图像边缘进行提取,通用性不强.本文提出一种结构元素种类、滤波所使用的结构元素的尺寸郜白适应的图像边缘检测算法,该算法根据模板匹配方法,选样最优匹配的结构元素;针对不同浓度的噪声图像自适应选取结构元素的尺寸进行滤波,并进一步检测图像的边缘.仿真表明,该算法在不同噪声图像的边缘检...     

基于形态学运算和自适应阈值的心电信号消噪

抑制信号中的噪声干扰,是心电(ECG)信号预处理中的关键步骤.针对传统形态学滤波损失有用信号的缺陷,本文提出了一种基于形态学运算和自适应阈值的ECG信号消噪算法.首先,对含噪ECG信号进行形态学滤波和形态学峰谷提取运算;然后,估算形态学峰谷信号中时变噪声的即时方差,并依据3σ准则对峰谷信号进行自适应阈值处理,保留其中的有用信号;最后,将阈值处理结果与形态学滤波结果相加,作为ECG信号消噪处理的最终结果.仿真试验与实际应用结果表明,该算法不仅可以有效去除时变噪声的干扰,而且较好地保持了ECG信号的特征形态,处理效果明显优于以往的形态学滤波算法,且比基于平稳小波变换的消噪算法更适用于非平稳ECG信号的消噪处理.     

基于自适应形态学滤波的红外小目标检测算法

针对低对比度下小目标常被大量背景杂波和噪声干扰,检测结果不理想的问题,提出了一种基于视觉注意机制与自适应双结构元素形态学滤波的红外小目标检测方法。根据人类视觉对比机制对图像进行感兴趣区域(ROI)提取以确定候选目标,通过提取轮廓获得候选目标的尺寸,并由获取的尺寸自适应构造双结构元素。运用双结构元素形态学滤波抑制噪声和杂波信号,用中值滤波对形态学滤波后的杂点噪声进一步抑制。实验表明本文提出的算法能有效抑制噪声干扰,显著提高目标信杂比,准确检测弱小红外目标,算法具有很好的鲁棒性和实时性。     

基于数学形态学变形虫的自适应图像滤波

针对形态学滤波中的一个关键问题——结构元的选择,提出了一种基于数学形态学的变形虫结构元,它是一种没有固定形状和大小的结构算子。按照导引图像建立的梯度准则,以像素为中心在其邻域内进行结构元的生长,然后在每个像素点利用所生成的结构元进行灰度形态学中值或者均值滤波。实验结果表明：这种非线性滤波算法能够很好地去除噪声、增强边缘,克服了传统滤波的缺点,而且相对于经典保边滤波各向异性扩散法具有计算量小的特点。     

一种新的自适应阈值SSDA算法

在传统的序惯相似度检测算法和自适应闽值的序惯相似度检测算法的基础上,运用粗匹配中取三点最小值分别作为精匹配中的初始门限值,然后进行三次精匹配,比较三次匹配结果取最小值,转变为最终的图像匹配点,实现一种新的自适应阈值的序惯相似度检测算法。实验结果表明,这种改进自适应阈值的序惯相似度检测算法,在略微降低算法的执行速度的同时,能够很好地保持自适应阈值的序惯相似度检测算法的图像匹配准确性,具有很好的实时性。     

基于数学形态学的灰度图像车牌字符提取算法

在深入研究数学形态学的基础上,提取了一种灰度图像车牌字符提取算法。该算法构造4种结构元素,采用数学形态学的膨胀和腐蚀算子依次求出梯度算子对车牌字符进行边缘检测处理和迭代阈值分割,最后结合数学形态学的区域填充方法弥合字符中的空隙。与传统边缘检测算子相比较,实验结果表明该算法具有较强的提取字符能力和良好的抗噪能力,并保护了字符的边缘。其计算量小,在保证处理效果的同时,保证了处理速度,具有一定的可用性和可行性。     

主瓣干扰下自适应方向图保形方法的研究

当存在主瓣干扰时，自适应天线方向图会出现副瓣电平升高及主波束变形的严重问题。本文提出了基于阻塞矩阵预处理的自适应波束保形方法和基于特征投影预处理的自适应波束保形方法，这两种方法在抑制干扰的同时，有效地解决了上述的波束畸变问题。仿真结果证明了这两种方法的有效性。     

基于因子图的自适应波束形成

图模型具有广泛的应用,它为许多问题提供了一种新的表达方式和研究思路。因子图作为一类重要的图模型,尤其适用于多变量的复杂统计模型。因子图的引入可以使复杂的多变量问题得到简化。因子图理论在系统建模以及信号检测和估计算法中有着重要的应用。国内外不少学者将因子图理论应用于复杂的通信信号处理,但目前很少见到将因子图理论应用在雷达信号处理中。为了将因子图理论作为一种有效的工具应用于雷达信号处理,提出了用因子图理论实现雷达信号处理中的自适应波束形成技术（ADBF）的方法,这为用图模型研究雷达信号处理提供了一个很好的思路。     

针对临近空间目标跟踪的自适应AMCKF算法

临近空间飞行器具有机动特性复杂、运动轨迹多阶段性等特点,在目标跟踪的过程中,易出现由于系统模型误差较大导致跟踪精度降低、滤波发散的问题。针对该问题,在容积卡尔曼滤波的过程中加入衰减因子,通过衰减记忆的方法补偿模型误差;同时,提出了一种实时辨识容积卡尔曼滤波衰减因子的方法,达到自适应跟踪的目的。仿真结果表明:衰减记忆容积卡尔曼滤波算法能够很好地解决模型失配问题,自适应算法实时对衰减因子赋值,避免了衰减因子取值的困难,可以达到更好的跟踪效果。     

基于HSL空间的彩色形态变换

彩色形态变换是数字形态从灰度图象到彩色图象的推广。该文基于HSL（hue-saturation-lightness)彩色空间，提出了彩色形态变换理论，定义了新的彩色形态算子，并讨论了它们的性质。彩色形态变换作为一种数学形态学方法在彩色空间的延拓，可有效地应用于图象处理、图象编码和目标形状特征提取等。     

基于模式转换自适应零点形成的研究

利用模式空间变换算法将均匀圆阵转换为均匀线阵,在虚拟线阵的阵列流形中,比较了Gram-Schmidt正交化算法、自适应旁瓣对消和SMI算法这三种算法形成的方向图。G-S正交化算法可以在干扰方向准确地形成零点,但是没有很深的零陷深度;SMI算法的计算量比较大,因此在零点方向上有稍微的误差,但经过旁瓣对消的虚拟线阵的方向图有很深的零点深度。仿真结果表明,经过旁瓣对消的方向图主瓣增益损失较少,副瓣高度降低,主瓣比副瓣高大约10 dB~12 dB。     

基于自适应形态滤波算法的斑点噪声抑制

文章提出了一种应用于斑点噪声抑制的自适应权重形态滤波算法,实验证明此算法优于传统的形态滤波算法和权重形态滤波算法。     

基于遗传算法的多小波自适应阈值去噪研究

针对噪声多小波分解后的尺度性与图像本身的特性,通过遗传算法自适应寻求图像的最小均方误差,提出了一种基于遗传算法的多小波自适应阈值去噪算法.实验结果证明,该算法明显优于传统算法,不仅能有效地滤除图像中的噪声,而且能较好地保留图像的边缘信息,具有更为理想的去噪效果.     

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。     

基于自适应尺度的Mean—shift跟踪算法

针对传统Mean—shift跟踪算法不能解决目标跟踪中的目标特征大小变化问题,在此通过对Mean-shift算法的深入研究,提出了基于自适应尺度的Mean—shift目标跟踪算法。通过引用尺度空间理论,改变尺度空间中的选择参数,调整追踪窗口的大小来解决跟踪时自适应目标大小特征变化的问题。计算机仿真实验表明,基于自适应尺度的Mean—shift跟踪算法的跟踪所取得的效果明显优于传统方法的目标跟踪方法。