导读:本文包含了形态学变换论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:形态学,小波,数学,极大值,图像,边缘,静脉。
形态学变换论文文献综述
张军,张海云,赵玉刚,司马中文[1]（2019）在《基于形态学和小波变换的瓷砖缺陷边缘检测》一文中研究指出针对传统算法难以检测复杂的不规则花纹瓷砖缺陷的问题,提出一种基于形态学算子和小波变换融合的边缘检测算法。上述算法利用了小波变换能够把图像高低频分离、重构的特性,在经过二层小波变换后,用设计的自适应形态学算子对低频图像中的缺陷、花纹及背景分离;将提出的高通滤波器用于高频轮廓细节信息的提取,重构得到检测的缺陷轮廓。经多组实验对比仿真证明,与通用方法相比,提出的算法能有效地提取复杂背景缺陷轮廓,对瓷砖及其它产品的边缘检测有积极的作用。(本文来源于《计算机仿真》期刊2019年01期）
余小庆,陈仁文,唐杰,许锦婷[2]（2018）在《融合小波变换和新形态学的含噪图像边缘检测》一文中研究指出针对图像边缘检测中,滤除图像噪声并有效保留图像边缘信息这一研究,提出了一种融合小波变换模极大值法和新型改进的数学形态学的含噪图像边缘检测方法。首先介绍了基于小波变换模极大值的图像边缘检测算法;然后提出了一种新型改进的数学形态学检测算法;最后为了综合两种算法的优点,应用新的融合方式将两种方法的检测结果融合到一起,提出一种融合小波变换和新形态学的含噪图像边缘检测方法。实验结果表明,提出的融合检测算法相比于单独使用小波变换模极大值或数学形态学算法,能更有效地抑制噪声,提高边缘检测效果。(本文来源于《计算机科学》期刊2018年S2期）
李颖莹,魏连鑫[3]（2018）在《基于小波变换与数学形态学的图像边缘检测方法》一文中研究指出为得到更加连续完整的边缘图像,提出一种基于B样条小波变换与数学形态学的图像边缘检测方法,在此方法中给出有效重构算法。针对自然图像,利用B样条小波变换作用于图像的高频子图像得到高频边缘图;利用数学形态学检测图像的低频子图像得到图像的低频边缘图;利用文中给出的有效重构的方法将高频边缘图和低频边缘图重构得到最终的边缘图像。实验结果表明,新方法提取出的边缘效果较之前更佳。(本文来源于《软件工程》期刊2018年11期）
刘建新,曾嫱,徐可,王亚威[4]（2018）在《基于形态学和小波变换的烟叶病斑分割》一文中研究指出烟叶病虫害分割是提高烟叶质量的重要保证。针对传统分割方法的分割精度和效率不够理想的问题,提出了一种结合形态学和小波变换的Otsu算法用于烟叶病斑的分割。首先对背景区域进行数学形态学处理,获得烟叶的叶面图像;然后选择小波系数分解叶面图像,再将分解后的图像进行低频重构,去除噪声的影响;最后应用Otsu算法对叶面图像进行二次分割得到病斑。由于形态学的开、闭运算分别能提取图像中的明暗细节特征,所以该分割方法能有效减少背景对病斑区域的干扰,从而提高分割精度和效率;通过小波多分辨率分解,可以克服冗余信息和噪声的影响,进一步提高了分割的精度。采用不同种类的烟叶病斑图像进行实验,结果表明,该方法能够有效地分割出烟叶病斑,并且也适合于分割其他作物的病害。(本文来源于《图学学报》期刊2018年05期）
张新良,马明全,赵运基[5]（2018）在《基于图像形态学运算和Hough变换的油箱盖检测》一文中研究指出油箱盖识别是无人智能加油站系统的关键技术之一。针对传统的Hough变换在油箱盖识别中由于其与车体的趋同性、镜面成像等问题导致的识别率较低的问题,提出了一种基于图像形态学运算的Hough识别方法。该方法首先将获得的图像经过变换等预处理,再运用图像形态学运算对预处理后的图像进行目标增强,然后使用高斯滤波以消除镜面成像等微弱干扰;最后通过Hough变换对目标进行识别检测。经过在Linux嵌入式平台下的实验测试表明,该方法能够有效的仅对边缘细节信息进行增强,较好克服了常规算法易受天气、照度、偏差角度及镜面成像等干扰影响的问题,提高了目标识别率。(本文来源于《制造业自动化》期刊2018年07期）
王海军,邵宝武,王海燕,王飞[6]（2018）在《基于数学形态学和Hough变换的高分辨率遥感影像道路提取》一文中研究指出城市交通是经济社会发展的重要推动因素和枢纽,因此道路信息的提取与更新显得尤为重要。利用遥感图像来提取道路信息已经成为近年来道路提取的主要方法,但高分辨率遥感影像的快速发展与应用,在提供丰富信息的同时使道路提取变得更加困难。针对目前基于高分辨率遥感影像提取道路存在的问题,提出一种基于数学形态学和Hough变换的道路自动化提取方法。基于Hough变换确定道路的走向,在此基础上选定线性结构元素,利用数学形态学进行道路提取。分别选择IKONOS影像和Quickbird影像验证本文提出的模型。实验结果表明,本文提出的模型能有效地提取弯曲型道路与直线型道路,取得了较好的结果。(本文来源于《地理信息世界》期刊2018年02期）
彭晓光,王彪,唐超颖,苏菡,陈晓腾[7]（2018）在《基于Gabor滤波和形态学变换的手臂静脉线提取》一文中研究指出提出了一种针对近红外图像的手臂静脉提取算法。首先利用限制对比度自适应直方图均衡化(CLAHE)对近红外图像进行预处理,增强对比度。然后利用Gabor滤波器对增强后的图像进行滤波,由Gabor滤波后的方向图和能量图获得手臂静脉位置。接着,对能量图进行高低帽变换,然后将整幅图像进行二值化,采用开闭运算处理二值化图像,利用形态学骨架提取的方法提取手臂静脉线,最后对骨架化后的图像进行毛刺修剪,得到比较完整有效的静脉线。实验结果表明,本文提出的算法可以有效地保证静脉线的连续性和完整性,有效地提高手臂静脉的匹配率。(本文来源于《计算技术与自动化》期刊2018年01期）
徐剑锋,彭亚雄[8]（2017）在《基于小波变换和多尺度形态学的图像边缘检测》一文中研究指出小波变换和多尺度形态学一直是图像处理研究的热门课题,结合两者各自的优点,在融合的基础上,提出了一种具有良好抗噪性能的边缘检测算法。该算法的主要思路是,首先对图像进行小波分解,然后利用小波模极大值法对高频子图像进行边缘检测,再利用多尺度形态学对低频子图像在不同尺度下进行边缘检测。接着对不同尺度下边缘检测的低频子图像根据实体加权融合的方法进行融合。最后把高频和低频的边缘子图像融合在一起,得到了完整的图像边缘。通过实验分析,发现该边缘检测方法具有良好的抗噪性能,保留了更多细节,可以适应不同类型的图像边缘检测需求。(本文来源于《移动通信》期刊2017年24期）
郑利珍[9]（2017）在《一种结合小波变换模极大值和灰度值数学形态学的图像边缘检测方法》一文中研究指出为了得到抗噪性好,边缘连续完整及细节清晰的边缘图像,提出了一种结合小波变换模极大值和灰值数学形态学的图像边缘检测方法.通过对源图像进行小波分解得到低频近似子图像与高频近似子图像.对于低频近似子图像采用灰值数学形态学方法检测边缘,高频近似子图像采用小波变换模极大值法检测边缘.然后结合两者的优势,对低频边缘图像和高频边缘图像进行迭加运算检测到的图像边缘连续完整.结果表明,算法检测到的边缘图像抗噪声能力强,边缘连续完整,可以保留图像中更多的细节和纹理,所花时间相对较少.(本文来源于《宁夏师范学院学报》期刊2017年06期）
和思海,韩震,朱言江,胡旭冉,丁如一[10]（2017）在《基于小波变换和数学形态学的潮沟提取方法研究》一文中研究指出潮沟是潮滩的主要地貌类型之一,潮沟信息的检测对湿地生态环境的监测和保护有着重要意义。本文以长江口九段沙下沙北部发育比较复杂的潮沟为研究对象,使用2016年1月26日Landsat8全色波段数据,采用了一种融合小波变换、最大类间方差法和数学形态学的方法对潮沟边缘信息进行了检测。小波变换中通过减小高层小波系数,达到弱化潮滩灰度变化的目的;通过增大低层小波系数,达到增强潮沟信息的目的;利用数学形态学和图像之间的几何(加减乘)运算,完成潮沟的提取;最后,分别在原始数据和检测结果相应的位置取样进行精度验证,样方潮沟面积一致性精度平均为92.1%。(本文来源于《海洋科学》期刊2017年09期）
形态学变换论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对图像边缘检测中,滤除图像噪声并有效保留图像边缘信息这一研究,提出了一种融合小波变换模极大值法和新型改进的数学形态学的含噪图像边缘检测方法。首先介绍了基于小波变换模极大值的图像边缘检测算法;然后提出了一种新型改进的数学形态学检测算法;最后为了综合两种算法的优点,应用新的融合方式将两种方法的检测结果融合到一起,提出一种融合小波变换和新形态学的含噪图像边缘检测方法。实验结果表明,提出的融合检测算法相比于单独使用小波变换模极大值或数学形态学算法,能更有效地抑制噪声,提高边缘检测效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
形态学变换论文参考文献
[1].张军,张海云,赵玉刚,司马中文.基于形态学和小波变换的瓷砖缺陷边缘检测[J].计算机仿真.2019
[2].余小庆,陈仁文,唐杰,许锦婷.融合小波变换和新形态学的含噪图像边缘检测[J].计算机科学.2018
[3].李颖莹,魏连鑫.基于小波变换与数学形态学的图像边缘检测方法[J].软件工程.2018
[4].刘建新,曾嫱,徐可,王亚威.基于形态学和小波变换的烟叶病斑分割[J].图学学报.2018
[5].张新良,马明全,赵运基.基于图像形态学运算和Hough变换的油箱盖检测[J].制造业自动化.2018
[6].王海军,邵宝武,王海燕,王飞.基于数学形态学和Hough变换的高分辨率遥感影像道路提取[J].地理信息世界.2018
[7].彭晓光,王彪,唐超颖,苏菡,陈晓腾.基于Gabor滤波和形态学变换的手臂静脉线提取[J].计算技术与自动化.2018
[8].徐剑锋,彭亚雄.基于小波变换和多尺度形态学的图像边缘检测[J].移动通信.2017
[9].郑利珍.一种结合小波变换模极大值和灰度值数学形态学的图像边缘检测方法[J].宁夏师范学院学报.2017
[10].和思海,韩震,朱言江,胡旭冉,丁如一.基于小波变换和数学形态学的潮沟提取方法研究[J].海洋科学.2017
论文知识图
