SAR和可见光图像成像机理不同,图像差异较大,较难取得良好的融合效果。本文面向目标识别,通过分析图像的成像机理,首先在NSCT融合框架下,将SAR图像中重要的目标信息加入到可见光图像中,并尽可能多的保留源图像的边缘细节信息;再结合数学形态学和多尺度空间理论,提取源图像的亮、暗细节特征,进行特征级融合,得到亮、暗细节特征显著增强的融合图像。实验结果表明,本文算法有效的融合了SAR图像的目标信息,并增强了源图像的细节特征,达到了较好的视觉效果,提高了图像的目标检测和识别能力。

对于光照不均匀的图像，形态学边缘提取算法的分辨率远远逊色于人眼的分辨率。产生这种差异的原因是形态学算法仅仅是从几何学的角度出发来检测边缘，并没有模拟出人眼的生物特性。为了提高形态学算法的分辨率，通过研究人眼对光强的特性响应曲线，注意到了人眼对于光线具有亮度适应特性。把亮度适应特性加入形态学边缘提取算法，得到了高分辨率的二分法边缘提取算法。二分法边缘检测算法以强弱光亮度的中心点亮度为分界点，高于分界点的像素亮度被削弱，低于分界点的像素亮度被提高。如此在压制强光的同时增强弱光来模拟出人眼的亮度适应特性。实验证

基于数学形态学滤波的去噪方法，matlab编程

基于体素的形态学分析voxel-based morphometry (VBM)，将结构磁共振图像分割为灰质，白质，脑脊液

Blob分析及形态学分析

植物形态学种子和幼苗知识.pdf，这是一份不错的文件

数字图像处理——形态学实验

数学形态学在图像处理中的应用，方法腐蚀，膨胀。主要应用是边缘检测

全套系统MATLAB智能驾驶深度学习 第 02 章 基于形态学的权重自适应图像去噪-形态学腐蚀膨胀处理操作。

全套系统MATLAB智能驾驶深度学习 第 03 章 基于多尺度形态学提取眼前节组织-形态学腐蚀膨胀处理操作。