论文部分内容阅读
边缘检测是图像处理与分析中最基础的内容之一，也是至今仍没有得到圆满解决的一类问题。图像的边缘包含了图像的位置、轮廓等特征，是图像的基本特征之一，常常被用来进行进一步的较高层次的特征描述、图像分割、图像增强、图像复原、模式识别等图像分析和处理。冈此，众多学者一直致力于图像边缘检测方法的研究，并提出了许多行之有效的边缘检测方法。
数学形态学是一种新犁的图像处理方法和理论，它是建立在几何学的基础上，用集合论方法定量描述几何结构的科学。数学形态学是图像几何特征分析与处理的有力工具，其基本思想是利用一个携带对象特征的结构元素去探测图像，收集图像的信息。结构元素，又被形象地称作刷子，是膨胀和腐蚀操作的最基本组成部分，用于测试输入图像，通常要比待处理的图像小的多。通过将输入图像与结构元素进行的各种数学形态学运算，可实现对输入图像的数学形态学变换。正因为结构元素有着独特的优势，形态学图像处理已经成为数字图像处理的一个主要研究领域。
近年来，遥感技术得到迅速发展，卫星遥感影像的分辨率显著提高，高分辨率遥感的出现拓宽了遥感技术的应用领域，实现了遥感技术从定性到定量、宏观到微观的重要转折。高分辨率遥感影像提供了海量数据和更丰富的地物信息。如何快速、自动识别和提取影像上的地物信息，是边缘检测面临的新挑战。本文围绕水域、植被、房屋等典型面状地物的基于数学形态学的图像分割和检测方法展开研究，主要工作归纳如下：
1、阐述了课题研究的背景和发展现状，针对要检测的面状地物的特点，介绍了近些年来别人研究的成果和一些基本技术。
2、详细介绍几种经典的边缘检测算子，并对它们进行比较，分析了各自的优缺点。
3、介绍二值形态学、灰度形态学的概念、性质、基本运算和由基本运算组成的形态变换，并通过实验来分析其性质。
4、在形态学梯度的概念上，研究了几种常用的边缘检测算子，并进行改进得到几种抗噪型边缘检测算子。针对结构元素的多尺度，多方位，多样性等特性，研究全方位边缘检测算法和多尺度边缘检测算法。
5、针对水域的纹理比较细腻，灰度比较均匀的特点，提出了基于高低帽变换的边缘检测新方法，并与Canny，LOG算子进行比较，分析了各自的优缺点。
6、针对植被纹理粗燥、灰度较单一的特点，提出了基于形态梯度结合区域标记的边缘检测新算法，并与经典算子进行了比较。
7、结合遥感影像中居民地的纹理特征，针对街区式居民地提出了基于高斯模糊和基于形态开闭的两种边缘检测新算法，并将Canny和LOG与其检测的结果进行了比较分析。