数学形态学和分水岭算法在遥感图像目标识别中的应用研究

论文摘要

图像目标识别技术是计算机模式识别与图像处理领域非常活跃的研究课题。分水岭算法和数学形态学算法在图像目标识别中有广泛的应用。本文将这两种方法结合起来,并用于遥感图像目标识别。主要工作总结如下:(1)详细论述了分水岭算法的原理及其在图像处理领域中的相关应用。分水岭算法是一种基于区域特性的分割方法,可以对原始图像和梯度图像进行操作,但是由于分水岭算法很容易产生过分割现象,故先介绍一种预处理方法,然后再利用区域生长型分水岭算法对图像进行分割,并将其用于遥感图像道路提取。(2)详细论述了数学形态学算法的原理,提出一种数学形态学和分水岭算法相结合的图像识别算法,采用形态学尺度空间先平滑原始图像,然后用梯度阈值对图像进行优化,再采用分水岭变换,并通过遥感图像油罐目标识别验证了此方法的优势。(3)详细论述了粗糙集理论。着重介绍了数学形态学和粗糙集相结合的算法,先采用粗糙集滤波对图像进行处理,再通过形态学知识提取图像边界,在此基础上,再利用图像的几何特征,去除非目标区域,并通过遥感图像实验结果进一步验证了其可行性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 分水岭算法的概述
• 1.2 几种常见的分水岭算法
• 1.2.1 基于“浸没”模型的分水岭算法
• 1.2.2 通过“灰度骨架”计算分水岭
• 1.2.3 有序算法
• 1.2.4 一种高效精确的分水岭计算方法
• 1.3 数学形态学概述
• 1.3.1 数学形态学的发展状况
• 1.3.2 我国数学形态学的发展情况
• 1.4 本文的主要工作
• 1.5 本文的章节安排
• 第二章 分水岭算法及其在遥感图像道路提取中的应用
• 2.1 分水岭算法的数学描述
• 2.2 分水岭算法的应用
• 2.3 图像预处理
• 2.4 区域生长型分水岭算法
• 2.5 实验结果分析
• 2.6 本章小结
• 第三章 分水岭算法结合数学形态学在遥感图像目标识别中的应用
• 3.1 数学形态学
• 3.2 二值形态学
• 3.2.1 二值腐蚀和膨胀
• 3.2.2 二值开（open）和闭（close）运算
• 3.3 灰度形态学
• 3.4 形态学开闭尺度空间
• 3.5 形态学梯度优化分水岭分割
• 3.6 基于几何特征的识别方法
• 3.6.1 尺寸
• 3.6.2 形状
• 3.6.3 空间关系
• 3.7 实验结果分析
• 3.8 本章小结
• 第四章 基于数学形态学和粗糙集在遥感图像目标识别中的应用
• 4.1 粗糙集
• 4.1.1 粗糙集理论简介
• 4.1.2 粗糙集理论的基本概念
• 4.2 数学形态学和粗糙集之间的联系
• 4.3 灰度图象粗糙集滤波
• 4.4 基于粗糙集滤波的数学形态学
• 4.5 实验结果与分析
• 4.6 本章小结
• 第五章 结论与展望
• 5.1 本文工作总结
• 5.2 今后工作展望
• 致谢
• 参考文献
• 附录：作者在攻读硕士学位期间发表的论文