數(shù)學(xué)形態(tài)學(xué)及其應(yīng)用.pdf

1、論文研究了數(shù)學(xué)形態(tài)學(xué)理論,對(duì)基本形態(tài)學(xué)算子的幾何意義與性質(zhì)進(jìn)行了歸納與總結(jié),闡述了數(shù)學(xué)形態(tài)學(xué)用結(jié)構(gòu)元素"探測(cè)"信號(hào)的本質(zhì).論文對(duì)數(shù)學(xué)形態(tài)學(xué)的應(yīng)用進(jìn)行了研究,主要成果是:(1)將數(shù)學(xué)形態(tài)學(xué)應(yīng)用于紡織工業(yè)紗線疵點(diǎn)檢測(cè)中,提出了數(shù)學(xué)形態(tài)學(xué)廣義結(jié)構(gòu)元素的概念,并構(gòu)造了形態(tài)學(xué)"梯形塔式"廣義結(jié)構(gòu)元素,豐富了數(shù)學(xué)形態(tài)學(xué)理論.廣義結(jié)構(gòu)元素的概念和構(gòu)造廣義結(jié)構(gòu)元素的方法是本文的創(chuàng)新點(diǎn);(2)研究了數(shù)學(xué)形態(tài)學(xué)在紅外序列圖象弱小目標(biāo)自動(dòng)檢測(cè)中的應(yīng)用,提出了

2、基于灰值形態(tài)重構(gòu)開的紅外序列圖象弱小目標(biāo)自動(dòng)檢測(cè)算法,并利用形態(tài)學(xué)運(yùn)算進(jìn)行紅外圖象增強(qiáng),進(jìn)一步提高了算法的檢測(cè)性能,豐富了數(shù)學(xué)形態(tài)學(xué)在紅外目標(biāo)檢測(cè)中的應(yīng)用知識(shí);(3)提出了應(yīng)用數(shù)學(xué)形態(tài)學(xué)對(duì)閉環(huán)控制系統(tǒng)反饋信號(hào)進(jìn)行濾波的方法,并成功地應(yīng)用于實(shí)際系統(tǒng)中,填補(bǔ)了數(shù)學(xué)形態(tài)學(xué)在這一應(yīng)用領(lǐng)域中的空白.以上應(yīng)用算法無論在理論研究還是實(shí)際應(yīng)用方面都具有重要價(jià)值.論文研究了形態(tài)金字塔理論,主要成果是:(1)構(gòu)造出了可以精確重構(gòu)的多尺度平形態(tài)閉金字塔,并成

3、功地將其應(yīng)用于圖象的多分辨率分割.該分割算法可以區(qū)別暗背景中的亮成分與亮背景中的暗成分,這對(duì)遙感等圖象領(lǐng)域處理具有重要意義.(2)構(gòu)造了多尺度平形態(tài)混合金字塔,并成功地應(yīng)用于掃描圖象的濾波中.以上研究對(duì)形態(tài)金字塔理論和應(yīng)用研究都具有很高的參考價(jià)值.論文研究了形態(tài)小波理論,主要成果是:(1)首次詳細(xì)論述了非線性形態(tài)Haar小波構(gòu)造方法,并將形態(tài)Haar小波成功地應(yīng)用于圖象分解中.形態(tài)Haar小波具有非線性、尺度信號(hào)的取值范圍同原始信號(hào)相同

4、、信號(hào)局部最大(小)很好地保留在多個(gè)分辨率空間和可保證精確重構(gòu)等優(yōu)點(diǎn),更適合應(yīng)用于壓縮編碼、模式識(shí)別等領(lǐng)域;(2)提出了一種新的基于更新提升構(gòu)造非冗余的、可完備重構(gòu)的形態(tài)小波的方法,首次提出了廣義更新算子的概念,闡述了構(gòu)造了廣義更新算子的方法,進(jìn)一步發(fā)展了數(shù)學(xué)形態(tài)學(xué)理論.廣義更新算子的概念和廣義更新算子的構(gòu)造方法是本文的創(chuàng)新點(diǎn);(3)提出了一種更新提升小波閾值去噪算法,對(duì)比實(shí)驗(yàn)表明該方法比傳統(tǒng)小波閾值去噪算法具有明顯的優(yōu)勢(shì),峰值信噪比提