功能性近红外光谱技术(fNIRS)作为一种新兴的神经成像技术得到了广泛关注,然而fNIRS信号中运动伪迹的存在会使信号的处理结果产生偏差。提出了一种定向中值滤波和数学形态学相结合的算法——tMedMor算法,并采用该算法对fNIRS信号中的三种运动伪迹(包括尖峰、基线突变和缓慢漂移)进行去除;然后用仿真数据和实验数据进行了验证,并将所提算法与常用的几种算法进行对比,结果表明:tMedMor算法在均方误差、信噪比、皮尔逊相关系数的平方、峰峰误差方面具有良好的表现,说明该算法可以作为一种新方法用于fNIRS信号的预处理阶段。

利用数学形态学编写的广义滤波器，输入，信号，结构元素长度，类型。

数学形态学可用于信号特征的提取，描述了形态学在振动信号处理中的应用

针对传统的边缘检测算子对噪声敏感问题，提出了一种基于多尺度多结构元素形态学边缘检测算子。该算子在传统形态学边缘检测的基础上，通过改变结构元素的形状和尺度，在很好抑制噪声的前提下，实现图像精细边缘提取。MATLAB仿真结果表明，该边缘检测算子具有更强的去噪能力，定位准确，保留了更多的图像细节，优于传统的边缘检测算子。

自己写的matlab代码，可以直接调用，并且有一个例子，数据是地磁传感器车辆检测数据

为了从遥感图像中提取出更为准确完整的目标边缘，提出一种基于无下采样Shearlet 模极大值和改进数学形态学的目标边缘提取方法。首先采用无下采样 Shearlet 变换(NSST)将图像分解成边缘细节丰富的高频分量和边缘细节较少的低频分量；然后结合不同分解程度下边缘像素点处的系数关系，对高频分量的各个子带进行模极大值检测，再经过双层掩膜筛选后得到高频边缘提取结果；对低频分量采用改进的数学形态学方法，得到低频边缘提取结果；最后将上述两部分融合，使用区域连通方法去除孤立点，得到最终的目标边缘图像。大量实验结果表明，与 Canny 以及其他 4 种同类边缘提取方法相比，本文方法所得边缘定位准确、完整清晰、细节丰富，且抗噪能力强，为后续遥感图像目标特征提取与识别奠定更好基础。

数学形态学分形维数的船舶视频图像中识别研究_冉营丽 (1).pdf

重点研究了采用数学形态学方法对沥青混合料数字图像进行分析和处理。利用VC.NET开发环境对沥青混合料二值图像分别进行腐蚀、膨胀、开运算和闭运算处理，通过处理效果得到数学形态学方法是研究提取沥青混合料中集料颗粒比例的一种比较好的方法。

数字空间上的数学形态学理论与应用方面的教材.

一维数学形态学滤波示例程序-mathematical_morphology_1d.rar 自己编写的一维数学形态学滤波示例程序