1 形态学
数学形态学是建立在严格数学理论上的一门新学科, 是一种新型的数学图像处理方法和理论。数学形态学是以积分几何和随机集论为基础, 综合了多学科知识的交叉学科;近年来不断发展和完善, 使得其在图像处理中的应用越来越广泛。数学形态学已经成为数字图像处理一个重要的研究领域。形态运算中的腐蚀、膨胀、闭、开是基本的边缘检测运算。可以根据需要组合成不同的数学形态算子, 从而根据图像的不同情况进行检测。
1.1 形态学原理
本文中的提取图片中目标物, 由于物体与周围环境灰度有很大跳跃, 不连续等特点。数学形态学作为工具从图像中提取对于表达和描绘区域形状有用的图像分量, 比如边界等。数学形态学中的集合表示图像中的不同对象。其基本定义为:
(1) 腐蚀运算。
(2) 膨胀运算。
f (x, y) 是输入图像, 而b (x, y) 是结构元素, b (x, y) 是一个子图像函数。设 (x, y) 是来自Z×Z的整数, f和b是对每一个 (x, y) 坐标赋以灰度值的函数。
1.2 形态学重构
从集合的观点出发, 灰度形态学的膨胀也可以定义为:
式中f为原灰度图像, B为结构元, x, y为图像坐标, E表示整个图像坐标。另外定义运算:
由式 (3) 与 (4) , 可以定义灰度图像条件膨胀为
其中:δb, g=δb (f) ^gn (6)
灰度图像的重构就可以定义为:
其中:
与传统的边缘检测算子相比, 该算子检测出的边缘平滑, 特征清晰, 且计算量较小, 实时性好, 因此, 需要寻找一条解决图象识别的途径来满足我们的实用要求是非常重要的。首先, 图象中的目标可以分成两种类型, 一种是自然目标即一些自然物, 另一种是人造目标比如高楼、公路、大桥等。目标可以是一些重要标志性的建筑物或者形状固定的对象, 通常我们要寻找的是一些特定的目标, 对于这一类别的识别称为特定目标识别。
为了更好的检测跑道, 文中考虑到数学形态学中结构元素的选取对边缘的检测结果影响较大, 同时单一的结构元素只对某一方向的边缘敏感[4], 不能很好地检测各种几何形状的边缘, 本文采用了八方向的5×5的结构元素分别用于检测水平、22.5度、67.5度、垂直、112.5度、35度和157.5度的边缘。这种算子方法可以对各个方向检测识别都很敏感, 提高识别率和正确率, 算子结构如图1。
2 检测效果
下图为灰度形态学重构应用的一个实例。图2为原图像, 图3为对图2的增强效果, 图4为对图3进行二值化, 图5是在图4上进行图象的骨架化, 图6是对图5的重构, 图7是对目标图象的识别。
得到的灰度图像, 背景中的其他部分通过处理都得到了有效抑制, 图6是图5二值化的结果, 机场的跑道较好地提取。
3 结语
本次设计着重应用到了数字图象处理的基础, 灰度形态学和matlab等一些知识, 特别是灰度形态学和matlab语言。运用灰度形态学进行重构目标轮廓, 可以完整清晰的提取目标。此方法提取效果好, 抑制噪声能力强, 平滑度高, 在实际应用中发挥巨大的作用。
摘要：利用卫星或飞机等所摄取的图象来获取地面目标, 一直是空间技术获取有关地面信息的重要手段, 它已经被广泛应用于国防和经济建设以及环境保护地球资源勘探中。基于数学形态学的方法, 利用形态运算膨胀、腐蚀、开、闭等变换以及它们的组合, 该文形态学能够有效地检测出图像边缘, 并保持边缘的平滑性。形态学提取抗干扰能力强, 有效提取目标在灰度图像中的轮廓。
关键词：形态学重构,提取,灰度识别
参考文献
[1] 杜宗岗, 卢凌, 梁军, 等.基于知识的航空图像中大型水上桥梁目标识别[J].武汉理工大学学报 (交通科学与工程版) , 2009.
[2] 郭华东.雷达对地观测理论与应用[M].北京:科学出版社, 2008.
[3] 王炎.用于精确起爆控制的空中目标红外成像建模及图象识别技术研究[D].博士论文, 北京:北京理工大学, 2008.
[4] 王程, 王润生.SAR图像直线提取[J].电子学报, 2006.
[5] 孙丰荣, 刘积仁.快速霍夫变换算法[J].计算机学报, 2003.
[6] 吴晏, 丁明跃, 彭嘉雄.基于图象直方图的一维不变矩研究[J].华中理工大学学报, 2006.