Joint asymptotic normality of granulometric moments under multiple structuring elements

برای یک تصویر باینری که از دانه های غیر مجزا شده به صورت تصادفی اندازه گرفته می شود، گرانولومتری های مورفولوژیکی یک طیف الگوی حاوی اطلاعات بافتی را ایجاد می کنند که می تواند برای طبقه بندی تصویر، تقسیم بندی تصویر و برآورد مدل استفاده شود. نشان داده شده است که به عنوان تعداد دانه در هر تصویر افزایش می یابد، هر مجموعه محدود از لحظات گرانولومتریک بر اساس یک عنصر ساختار یکسان به طور مشترک به طور عادی با یک فرم تحلیلی شناخته شده برای لحظات طبیعی است. با این حال، بسیاری از برنامه های کاربردی نیاز به استفاده از عناصر ساختار چندگانه، به عنوان مثال ژنراتور خطی افقی و عمودی، برای رسیدن به ویژگی های بافت مهم است. در این کار، ما ثابت می کنیم که عادی مربوط به لحاظ گرانولومتری از عناصر تشکیل دهنده چندگانه است. ما همچنین عبارات تحلیلی را برای میانگین بردار متوسط ​​و ماتریس کوواریانس از لحظات گرانولومتری، از جمله عناصر از پیش تعیین نشده غول دیجیتالی ماتریس کوواریانس معکوس که مربوط به لحظات گرانولومتری از عناصر ساختاری متمایز است، استخراج می کنیم.