数学形态学作为一种简单高效的图像处理方法,已经被应用于图形图像处理的多个方面,包括图像滤波,图像分割,边缘提取,目标识别等。数学形态学是一种基于集合论的方法,以结构元素作为“探针”进而达到图像分析和处理的目的,被广泛应用于二值及灰度图像处理。经典的数学形态学通常使用同一大小的结构元素处理整幅图像,但由于不同类别的像素点对结构元素的敏感程度不同,因此将导致图像的处理过当或处理不及。此外,由于彩色图像具有多个维度信息,传统的形态学无法直接应用于彩色图像,如何针对性地建立彩色数学形态学成为了目前研究的热点领域。经典的形态学操作会使图像目标的边界发生偏移,使得处理后的图像产生了虚假的纹理信息,或者由于图像内的目标过于复杂或多样,导致输出图像损失了部分图像细节。针对这种情况,论文提出了一种基于邻域对称性来计算像素点各向异性特征的方法,进而构建了自适应结构元素的选取方法。论文首先定义了像素的邻域对称性测度,对像素点处于平坦区域或过度区域进行系统性表达,从而对不同类型的像素点选取不同类型的结构元素。此外,论文将传统结构元素重塑为两个相互独立的结构元素,分别为膨胀结构元素和腐蚀结构元素,目的是避免像素点在膨胀和腐蚀的运算过程中产生交集。论文根据邻域对称性测度重新对彩色形态学算子进行定义,其中包括膨胀算子、腐蚀算子、开运算和闭运算,对算子的性质进行了讨论与分析,并将所提出的新算子应用于高分辨率遥感图像的边缘提取当中。为了从多个角度对论文提出的彩色自适应性形态学和传统形态学进行对比,论文首先从图像细节捕捉能力进行定性比较,并引入四种图像质量评价指标进行定量分析,最后对所提出的基于自适应彩色形态学的边缘提取方法进行实验与分析。实验结果表明,论文所提出的形态学算子在图像细节捕捉、纹理保留、图像失真程度等方面均有较好表现,所提出的基于自适应形态学边缘提取算法能够有效识别高分辨率遥感图像中的各类边缘。该论文有图33幅,表5个,参考文献66篇。