基于灰度形态学开运算遥感图像处理.docVIP

基于灰度形态学开运算遥感图像处理 　　摘要：本文主要应用灰度形态学中的开运算对高分辨率遥感影像进行处理。应用了VC编程和自编的结构元素，力求去除图像中亮点噪声的影响，加强遥感图像的目视效果，更加的利于图像的辨识。 　　关键词：灰度形态学 形态学算子 VC编程 　　 　　0 引言 　　数学形态学是一门以集合论概念为基础，通过选取合适的结构元来实现目标特征提取的理论。自从Matheron于1965年提出形态学的基本概念以来，经过以Meyer，Serra，Sternberg为代表的众多学者的努力，形态学方法已经成为非线性图像处理中的一种重要手段。数学形态学方法最初是应用于二值图像处理领域中的，其最基本的算子均为二值形态学算子，用于完成以二值图像为输入图像的图像处理任务。由于二值形态学算子在实际应用中体现出简单、快速的特点，因此形态学方法在二值图像处理领域中获得了广泛的应用。当将形态学方法应用于灰度图像处理中时，直接采用二值形态学算子对二值化后的灰度图像进行处理往往不能取得满意的处理效果。因为二值形态学算子不能充分利用灰度图像的灰度信息，特别是灰度分布信息，故难于提取与灰度信息相关的特征，而对这些特征的提取往往又是灰度图像处理所需完成的主要任务。因此，必须构造符合灰度图像处理要求的灰度形态学算子。本文主要根据实际问题，通过设计相应的灰度形态学算子进行图像处理。 　　1 基本理论 　　数学形态学以严格的数学理论和几何学为基础，用具有一定结构和特征的结构元素去度量图像中的对应形状，以达到对图像分析和识别的目的。可以用于抑制噪声、特征提取、边缘检测和图像处理等问题。数学形态学的特点是能将复杂的形状进行分解，并将有意义的形状分量从无用的信息中提取出来。数学形态学的算法具有天然的并行实现结构，有如下4个基本运算：膨胀、腐蚀、开运算和闭运算。灰度形态学是对二值形态学的推广，其基本的操作和二值形态学是一致的。由此建立一些基本的灰度形态学运算法则。以下的公式里，我们假设f(x，y)是输入图像，b(x，y)是结构元素，它可被看作是一个子图像函数。如果Z表示实整数的集合，同时假设(x，y)是来自Z×Z的整数，f和b是坐标为(x，y)像素灰度值的函数。其中Df和Db分别是函数f和b的定义域。 　　1.1 膨胀和腐蚀 灰度图像的膨胀定义为f?b，其运算公式如下： 　　(f?b)(s，t)=max{f(s-x，t-y+b(x，y))|(s-x)，(t-y)∈Df；(x，y)∈Db} (1) 　　由于膨胀操作是由结构元素性状定义的邻域中选择(f+b)的最大值，因而通常对灰度图像的膨胀处理方法可得到两种结果：①如果所有的结果元素都为正，则输出图像将趋向比输入图像亮；②黑色细节减少或去除取决于在膨胀中结果元素相关的值和形状。 　　灰度图像的腐蚀定义为fΘb，其运算公式如下： 　　(fΘb)(s，t)=min{f(s-x，t-y+b(x，y))|(s-x)，(t-y)∈Df；(x，y)∈Db}(2) 　　由于腐蚀操作是在结构元素定义的邻域内选择(f-b)的最小值，因而通常对灰度图像的膨胀处理可得到两种结果：①如果所有的结构元素都为正，则输出图像将趋向比输入图像暗；②在比结构元素还小的区域中，明亮细节经腐蚀处理后其效果将减弱，减弱的程度取决于环绕亮度区域的灰度值以及结构元素的性状和幅值。 　　1.2开运算和闭运算 灰度图像开运算和闭运算的表达式与二值图像相比具有相同的形式。结构元素b对图像，做开运算处理，可定义为f?b，即 　　f?b=(fΘb)?b (3) 　　在实际应用中，开运算处理常用于去除较小的亮点(相对结构元素而言)，同时保留所有的灰度和较大的亮区域特征不变。腐蚀操作去除较小的亮的细节，同时使图像变暗。如果再施以膨胀处理，将增加图像的亮度而不再引入已去除的部分。 　　b对f的闭运算，定义为f?b，即： 　　f?b=(f?b)Θb(4) 　　在实际应用中，闭运算处理常用于去除图像中较小的暗点(相对结构元素而言)，同时保留原来较大的亮度特征。最初的膨胀运算去除较小的细节，同时也使图像增亮。随后的腐蚀运算将图像调暗而不重新引入已去除的部分。 　　2 结构元素 　　在数学形态学的各种形态变换中，结构元素是最基本、最重要的概念。结构元素是具有一定几何形状的集合，它的尺寸远小于所研究的目标的尺寸，它在形态变换中的作用类似于信号处理时的滤波窗口。结构元素形状、大小设计的适当与否，将直接影响形态变换的结果，选择不同的结构元素，形态变换的结果都会不同。结构元素是数学形态学的一大优点，它的引入使大量复杂的形态变换转变成简单的逻辑运算处理；同时结构元的合理选择又是应用数学形态学的难点。本文中力图使用VC编程，用自编的结构元素对目标图像进行