基于top-hat变换与形状特征的蛋白点检测

《数学文化》课程报告——数学形态学在图像边缘检测中的应用数学形态学在图像边缘检测中的应用摘要：微分运算是边缘检测算子，如Robert算子、Sobel算子、Laplace算子等算子的核心，而我们传统的边缘检测算子为线性滤波方法，存在漏检、抗噪性能差等缺点。

数学形态学方法是一种非线性滤波方法，它以图像的形态特征为研究对象，具有简化图像数据，保持图像基本的形状特征的特点，因此己广泛应用于图像处理的各个领域。

关键词：数学形态学；边缘检测；微分运算The applications of mathematical morphology in the image edgedetectionAbstract: Differential operation is the core of edge detection operators, such as Robert, Sobel, and Laplace. But our conventional edge operators, are liner filters and somewhat missing. Furthermore they are sensitive to noise. Mathematical morphology, a methodology of nonlinear filters, has some characteristicssuch as simplifying image data, maintaining the basic shape of the image characteristics. In aword, the study object of mathematical morphology is morphological character of image. Soit has used widely in many fields of image processing.Key words:Mathematical morphology; edge detection; differential operation1引言数学形态学是一门新兴的图像分析学科，它建立在严格的数学理论基础之上。

（１．中国科学院 长春光学精密机械与物理研究所，吉林 长春 １３００３３； ２．中国科学院大学 材料科学与光电技术学院，北京 １０００４９）
摘要：为了在复杂天空背景下检测出低空慢速小目标，本文研究了“低小慢”目标的视觉显著性区域特征，融合扫描线填 充算法，提出了一种动态背景下“低小慢”目标自适应实时检测技术。首先，根据图像的亮度对比度获取显著性图。接 着，使用形态学梯度提取显著性特征，通过三帧差分算法得到种子点。然后，使用扫描线填充算法进行生长，结合提出的 自适应双高斯算法分割出前景。最后，根据候选目标的面积占比变化、质心距离变化、宽高比差异剔除虚假目标，完成检 测。为了验证算法的有效性，本文选取了 ７组复杂天空背景的视频序列进行测试，并与其他优秀检测算法进行了对比。 结果表明，本文提出的算法对运动目标检测的平均运行时间为 ００４０９ｓ，平均检测准确率为 ８９９７％，相比于其他算法 的平均运算时间减少了 ０３５ｓ，检测的平均准确率提高了 ２４５％。算法在复杂背景下具有较好的稳定性和较强的鲁棒 性。 关 键 词：计算机视觉；视觉显著性；扫描线填充；曲线拟合；自适应阈值分割 中图分类号：ＴＰ３９４．１；ＴＨ６９１．９ 文献标识码：Ａ ｄｏｉ：１０．３７８８／ＣＯ．２０１９１２０４．０８５３
本文分析了低空慢速小目标的灰度特性，采 用局部对比度直方图生成视觉显著性图像，使用 形态学梯度和三帧差分算法去除复杂天空背景得 到 种 子 点，并 通 过 扫 描 线 填 充 算 法 生 长 出 目 标。 最后提出自适应双高斯算法分割出前景，并根据 候选目标的面积占比变化、质心距离变化、宽高比 差异来剔除虚假目标，完成检测。
２．ＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ，Ｅｍａｉｌ：ｓｕｎｈａｉｊｉａｎｇ＠１２６．ｃｏｍ

图像处理技术中的形态学变换算法解析形态学变换是数字图像处理领域中的一种重要技术，它通过基于图像的形状和结构的操作，来改变图像的特征。

形态学变换算法主要用于图像的分割、去噪、边缘检测和形状识别等应用，被广泛应用于医学图像分析、机器视觉和计算机图形学等领域。

形态学变换算法的核心思想是基于结构元素（也称为模板或掩膜）对图像进行操作。

结构元素是一个小尺寸的图像，可以是任意形状的像素矩阵。

通过对结构元素的移动和与图像的局部区域进行逻辑运算，可以改变图像的形状和特征。

最基本的形态学变换算法包括膨胀（dilation）和腐蚀（erosion）算法。

膨胀算法通过在图像上滑动结构元素，若结构元素与图像的某一像素位置有重叠部分，就将该位置的像素值设置为1（或增加像素的灰度值），否则保持原来的像素值不变。

膨胀操作可以使图像中的物体变得更大，边缘变得更加粗糙，并能够填充物体的空洞。

腐蚀算法与膨胀算法相反，它将结构元素与图像进行逻辑运算，只有当结构元素完全包含在图像的某一像素位置上时，才将该位置的像素值设置为1，否则将其设置为0（或减小像素的灰度值）。

腐蚀算法可以使图像中的物体变得更小，边缘变得更加平滑，并能够消除图像中的细小噪点。

除了膨胀和腐蚀算法外，形态学变换还包括开运算（opening）和闭运算（closing）等复合操作。

开运算是指先对图像进行腐蚀操作，再进行膨胀操作，常用于去噪和分割图像中的物体。

闭运算是指先对图像进行膨胀操作，再进行腐蚀操作，常用于填充物体的空洞和连接断裂的物体。

除了基本的形态学变换算法，还有一些扩展的形态学变换算法在实际应用中得到了广泛的应用。

其中，顶帽变换（top hat transform）通过对原始图像与开运算结果之间的差值进行操作来突出图像中的高亮物体。

底帽变换（bottom hat transform）通过对闭运算结果与原始图像之间的差值进行操作来突出图像中的低亮物体。

梯度变换（gradient transform）则是通过对原始图像进行膨胀和腐蚀操作，并计算两者之间的差值，来突出图像中的边缘。

基于形态学Top-hat滤波的红外小目标检测张毅刚;曹阳;项学智【摘要】To meet the requirement of real - time infrared small target detection, the algorithm of small target detection based on FPGA is presented. The design includes Top - hat filter, thresholding segmentation and centroid extraction in blocks of parallel calculation using DSP Builder. The hardware simulation results show that the design performs efficiently to detect moving infrared small target in a fast speed, which has provided a reference method for the system of fast moving target detection.%为了满足红外小目标检测任务实时性高的要求,提出了基于FPGA硬件平台设计小目标检测系统的方法;采用模块化的设计思想并充分发挥FPGA并行运算的能力,利用Altera公司DSP Builder工具,按照Top-hat形态学滤波、阈值分割和质心提取的流程实现硬件算法模块;硬件仿真结果表明,该设计可以快速、可靠地检测出动态红外小目标,并具有一定的抗干扰能力,为高速小目标检测系统的研发提供了一种可行的方案.【期刊名称】《计算机测量与控制》【年(卷),期】2011(019)006【总页数】4页(P1269-1272)【关键词】DSP Builder;FPGA;红外小目标检测;Top-hat形态学滤波【作者】张毅刚;曹阳;项学智【作者单位】哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨,150001;哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨,150001;哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨,150001;哈尔滨工业大学电气学院自动化测试与控制系,黑龙江哈尔滨,150001【正文语种】中文【中图分类】TH873.70 引言红外小目标检测技术一直是图像处理应用领域一个热点问题，被广泛地应用在探测、雷达预警、搜索跟踪等系统中，并随着空间防御技术的发展，成为制导武器上一项关键技术。