一种改进的模糊边缘检测算法

像总均值。
最后根据遗传算法的收敛定理, 赌轮法进行个
体选择。交叉概率设为 0. 75, 变异概率设为 0. 08。
算法执行到设定的最大代数时停止运行, 具有最高
适应度值的个体即为最佳分割阈值 T。
( 2)定义简单的隶属函数
本文定义的隶属函数如下:
1 xmn - xm in 2
mn = G (xmn ) =
糊增强处理, 以增强边缘两侧像素灰度的对比度; 接 着再对模糊隶属度矩阵进行相应的逆变换, 将增强
后的图像由模糊空间变回数据空间; 最后提取出图 像边缘 [ 8] 。
P a.l K ing算法首 先将待处理的图像 X, 利用隶
属度函数 G, 映射成一个模糊隶属度矩阵。将一个 具有 L 个灰度级的 M ∀N 的的二维灰度图像表示成
第 40卷amp; IN FRARED
V o .l 40, N o. 12 D ecem ber, 2010
文章编号: 1001 5078( 2010) 12 1374 04
图像与信号处理
一种改进的模糊边缘检测算法
吴德刚 1, 张宇波1, 曹立波 2
首先确定 遗传 编码方 法, 由 于图 像灰 度值 在 0~ 255之间, 阈值作为一 个染色体, 对图像 灰度值
进行 8位二进制编码。
其次产生初始种群, 群体个数为 20个, 最大繁 衍代数为 30代。
接着确定适应度函数, 对于单阈值方法, 采用式
( 7)如下所示:
g(k) =w1( 1- )2+w2 ( 2- )2
度值属于 [ 0, 1], 从而保证了图像所有的灰度信息 都能进行模糊增强。
( 3)对图像进行模糊增强
采用的增强算子如下:
∃mn =
2( mn ) 2 mn 1- 2( 1- mn ) 2
0& m n & c c < mn& 1
( 1. Zheng zhou U n iversity, Zhengzhou 450001, Ch ina; 2. Luoyang H eng ruiM easurem ent& Contro lT echnology Co. , L td, Luoyang 471000, China)
Ab stract: O n the basis o f comprehens ive analysis about lim itations o f Pa .l K ing a lgor ithm, an improved a lgo rithm o f fuzzy edge de tection is presented. A lso proposed is a new me thod based on genetic a lgo rithm to de term ine the optim al thresho ld o f the m em bersh ip grade. T he simp le m em be rsh ip function proposed in the paper sim plifies the comp lex transfo rma tion ca lculation in P a.l K ing a lgo rithm. In orde r to ob tain the desired e ffect, the c va lue is optim ized acco rd ing to the requ irement. The edges of the im age are ex tracted accord ing to a ru le com bining the M ax! and M in! op erators. S im ulation results show that w ith the propo sed a lgo rithm the quality of edge detection is large ly im proved and the com putation o f the algor ithm is faster than that of Pa .l K ing a lgor ithm. K ey w ords: edge de tection; fuzzy; segm enta tion thresho ld; m embersh ip function
法边缘检测质量得到了很大改善, 运算速度得到了显著提高。
关键词: 边缘检测; 模糊; 阈值分割; 隶属度函数
中图分类号: TN391. 4
文献标识码: A
Improved algorithm of fuzzy edge detection
WU D e gang1, ZHANG Y u bo1, CAO L i bo2
其 中, xmn 表 示 图 像 像 素 (m, n ) 的 灰 度 值, X = m ax (xmn )。
此改进算法由于引进了线性简单隶属度函数,
快速地完成了图像到隶属度函数矩阵的变换和隶属
度函数矩阵到图像的逆变换。但此算法经模糊增强
迭代后, 图像各区域之间的层次模糊, 边缘检测质量
较差。
文献 [ 3]在 P a.l K ing算法中提出了阈值分割思 想, 并使用最大类间差法获得最佳分割阈值, 此外还
1引 言 图像最基本的特征是边缘, 所谓边缘是指图像
局部亮度变化最显著的部分。由于边缘能够勾画出
区域的轮廓、形状, 能传递出大部分图像信息, 因此 边缘检测是图像分析中最重要的内容, 但也是迄今 为止仍没有得到圆满解决的一类问题 [ 1] 。
传 统的 边缘 检测 算法有 差分 算 子法 、Sob el算子 法、R oberts算子法、Canny算子法等 [ 2 ] , 但由于实际 中遇到的图像常常具有模糊性, 因此这些边缘检测 算法的效果都不是很理想。针对边缘的不确定性, 20世纪 80年代中期, 国外学者 Pa l和 K ing提出了 一种模糊边缘检测算法 [ 3] , 由于该算法首次引入了 模糊集理论, 检测效果优异, 因此在图像处理中 ( 尤
一个模糊集, 记为:
MN
X= # m= 1
#
n= 1
mn
/xm n
( 1)
其中, mn /xmn表示图像像素 (m, n )相对于某个特定
灰度级 X k 的隶属度, 通常 X k 为最大灰度级 Xmax。
P a.l K ing算法定义的隶属函数为:
mn = G ( xmn ) =
1+ X max - xmn - F e Fd
( 7)
其中, k为某一灰度, 将图像所有像素分成 c1 和 c2;
c1 包含了 i& k 的像素; c2 包含了 i > k 的像素; w1 为
c1 出现的概率; w 2 为 c2 出现的概率; 1 为 c1 类的平
均灰度值; 2 为 c2 类的平均灰度值; 为图像总均
值, w1 1 + w 2 2 = 。
以上文献 [ 2]、[ 3] 的改进算法, 只适用于处理
简单图像或对比度比较高的图像, 对一些复杂图像 或低对 比 度图 像进 行 边缘 检 测难 以 获 得良 好 的
效果。
3 改进的 P a.l K ing算法
针对 P a.l K ing算法的不足及文献 [ 2]、[ 3]的改
进算法缺陷, 本文提出了一种改进的模糊边缘检测 算法。该改进算法的基本思想是首先利用遗传算法
主要缺点是: 采用复杂的幂函数作为模糊隶属度函
数, 使得变换及矩阵求逆运算量较大, 运算速度较慢。
其中文献 [ 2] 对 Pa.l K ing 提出的方法进行了改 进, 提出了一个简单线性函数来代替复杂的隶属度
函数。该线性函数如式 ( 5) 所示:
mn
=G
( xmn )
=
xm n (X - 1)
( 5)
( 1. 郑州大学, 河南 郑州 450001; 2. 洛阳恒锐测控科技有限公司, 河南 洛阳 471000)
摘 要: 在全面分析 P a.l K ing模糊边缘检测算法的基础上, 针对已有算法存在的缺陷, 提出了
一种改进的模糊边缘检测算法。该算法给出了利用遗传算法确定最佳隶属度阈值的方法, 采
用简单的隶属函数, 简化了 Pa.l K ing 复杂的变换和逆变换, 根据需要对 c 进行优化处理, 较快 获取理想效果, 将 M ax!和 M in!算子结合起来提取图像边缘。仿真结果表明, 采用改进的方
2 T - xm in 1 - 1 xm in - xmax 2
2 T - xm ax
xm in & xmn & T T < xmn & xmax
( 9)
其中, mn为模糊隶属度值; xm in为最小灰度级; xmax为 最大灰度级。根 据上 式分析, 当 xm in & xmn & T 时,
mn 属 于 [ 0, 0. 5 ], 当 T < xmn & xmax 时, mn 属 于 ( 0. 5, 1), 两部分区域合并可得到整 幅图像的隶属
激 光 与 红 外 N o. 12 2010
吴德刚等 一种改进的模糊边缘检测算法
1375
标从背景中分离出来。实际中遇到的图像常常是模
糊、边缘不清晰的, 采用 Pa.l K ing算 法相对于传统 的空域微分算法有着较好的抑噪、边缘检测效果。
P a.l K ing算法的基本思想是首先利用隶属度函
数将图像从空间域映射到模糊特征域; 然后进行模
选取图像背景与目标的最佳分割阈值 T; 然后根据
分割阈值 T, 定义新的隶属函数; 再用增强算子对图 像进行模糊增强, 其中对 c 值作了优化改进; 最后 将 M ax!和 M in!算子结合起来提取图像 的边缘。