基于模糊集理论的图像增强与边缘检测算法研究

中北大学 信息与通信工程学院
其他学者对隶属度的改进
S型隶属度函数 型隶属度函数
0 S S ( g mn ; a, b, c) = 1 S 2 1 if g mn ≤ a if a < g mn ≤ b if b < g mn ≤ c ′ if g mn > c
( g mn a) 2 S1 ( g mn ; a, b, c) = (b a )(c a )
(d)本本王王王王王王
中北大学 信息与通信工程学院
结论
实验结果表明, 实验结果表明,本文算法对大多数图像处理边 缘检测效果较好本文算法所用时间平均比王晖的 算法减少了近30% 算法减少了近 本算法更适合于低对比度图像, 本算法更适合于低对比度图像,图像中含有较 精细的部分以及纹理丰富图像的检测.然而, 精细的部分以及纹理丰富图像的检测.然而,本 文所提算法都还有待于进一步改进和完善, 文所提算法都还有待于进一步改进和完善,下一 步应该考虑如何利用图像像素的邻域特性提高算 法的适应性;另外 为了达到实时应用, 另外, 法的适应性 另外,为了达到实时应用,应该考虑 进一步减少程序的运行时间以及彩色图像的边缘 检测. 检测.
基于模糊集理论的图像增强及 边缘检测算法研究
0605014114 答辩人:管慧萍 答辩人: 指导老师: 指导老师:李化欣
本课题研究意义
图像作为人类感知世界的视觉基础,是人类货物信息, 图像作为人类感知世界的视觉基础,是人类货物信息, 表达信息和传递信息的重要手段. 表达信息和传递信息的重要手段.而数字图像处理技术则 为人类在计算机上实现和强化人的视觉以及人对视觉信息 的加工处理能力提供了可能. 的加工处理能力提供了可能. 图像增强是一种基本的图像底层处理手段, 图像增强是一种基本的图像底层处理手段,它的目的 在于改善原始图像的视觉效果和某种意义上的滤噪, 在于改善原始图像的视觉效果和某种意义上的滤噪,便于 后续的图像分析和模式识别.传统的图像增强方法, 后续的图像分析和模式识别.传统的图像增强方法,技术 上可以分为两类:频域法和空域法. 上可以分为两类:频域法和空域法.它们大都没有考虑图 像的模糊性, 像的模糊性,而只简单地对整个图像改变对比度或抑制噪 往往在抑制噪声的同时也削减了图像的细节部分. 声,往往在抑制噪声的同时也削减了图像的细节部分.本 文主要研究模糊集合理论用于256级灰度静止图像的对比 文主要研究模糊集合理论用于 级灰度静止图像的对比 度增强和边缘检测算法. 度增强和边缘检测算法.
中北大学 信息与通信工程学院
其他学者对增强算子的改进
广义模糊增强算子( 广义模糊增强算子(GFO) ) 1 (1 + ) β 1 ≤ mn < 0 mn ′ mn = GFO ( mn ) = ( mn ) β 0 ≤ mn ≤ r 1 α (1 ) β 1 r < ≤ 1 mn mn
mn mn mn
1 r 2 1 + 2
中北大学 信息与通信工程学院
实验结果
原原原原原 GFO王 增 增 增 算 原 原 原
图2 广义模糊增强算子实现图像增强
中北大学 信息与通信工程学院
原原原原原原原原原
3000 2000 1000 0 0 50 100 150 200 250
GFO王增增增算原原原 5000 4000 3000 2000 1000 0 0 50 100 150 200 250
其他学者对隶属度的改进
王晖算法改进 g mn g min mn = g max g min 陈武凡算法改进
mn
g max g mn = sin{ (1 )} 2 D
π
型隶属度函数适用于双峰图像, 注:"S"型隶属度函数适用于双峰图像,"∏"型则适用于多峰图 型隶属度函数适用于双峰图像 " 像,克服了信息丢失计算量仍相对较大 . 王晖算法及陈武凡算法既克服了信息丢失, 王晖算法及陈武凡算法既克服了信息丢失,又克服了计算量 大的问题. 大的问题.
-1
中北大学 信息与通信工程学院
传统算法边缘检测结果
原原原原原 roberts王 王 检 检 sobel王 王 检 检
prewitt 王王检检
log王王检检
canny 王王检检
图 3.1 传统算法边缘检测结果 中北大学 信息与通信工程学院
改进算法对人物图边缘检测结果
(a)原原原原 (b)王王王王王王王王
双线性模糊增强算子 ′ mn = LGFO ( mn ) = 1 2 3 2 1 2 1 1 mn + 2 2 3 1 mn r 2 2 1 mn 2 1 1 ≤ mn < ( r + 1) 2 1 1 ( r + 1) ≤ mn < r 2 2 1 r ≤ mn < 0 2 1 0 ≤ mn < r 2 1 1 r ≤ mn < ( r + 1) 2 2 1 ( r + 1 ) ≤ mn ≤ 1 2
0 ≤ mn ≤ r r ≤ mn ≤ 1
从形式上来看,该函数只有两段,但不同的r值将表现为 不同的曲线以适应不同的图像,图3.1给出了r分别取0.2, 0.5 和0.8时的曲线形状.
中北大学 信息与通信工程学院
隶属度曲线图
2 1.5
增增王增u'mn
1
0.5
0
-0.5
r=0.2 r=0.5 r=0.8 0 0.1 0.2 0.3 0.4 0.5 0.7 隶隶原 umn 0.6 0.8 0.9 1
′ ′ g mn = G 1 ( mn ) = g mn
′ Fd ( mn ) Fe 1
(2.3)
中北大学 信息与通信工程学院
S.K.Pal算法实验结果(灰度图) 算法实验结果(灰度图) 算法实验结果
原始灰度图
INT一次迭代灰度图
INT二次迭代灰度图
INT三次迭代灰度图
INT四次迭代灰度图
一次迭代直方图
3000 2000 1000 0 0 100 200 0
二次迭代直方图
100
200
三次迭代直方图
四次迭代直方图
五次迭代直方图 中北大学 信息与通信工程学院
S.K.Pal算法缺点 算法缺点
首先,由于通过空间域到模糊域的变换后,模糊域的取 值范围不再是[0, 1],这样就丢失了部分灰度级的信息, 进而影响到增强后图像的细节和边缘检测的效果,这是这种 算法的主要缺陷. 其次,INT变换的计算复杂性花费大量的CPU时间,导 致图像处理的速度慢,进而影响了这种算法的实时性以及在 临床中的应用. 再次,原图像和增强后图像的象素最大值完全相同,用 此算法增强的图像在灰度范围上几乎与原图像相同,仅仅是 使局部灰度级增加或减小.因此,对于那些灰度范围小和低 对比度的图像,通过此算法得到的增强图像的视觉效果并不 令人满意.
( g mn c) 2 S 2 ( g mn ; a, b, c) = 1 (c b)(c a)
if g mn ≤ a if a < g mn ≤ b if b < g mn ≤ c if g mn > c
中北大学 信息与通信工程学院
∏型隶属度函数 型隶属度函数
0 a+b S ( g mn ; a, , b) 2 π ( g mn ; a, b, c) = b+c 1 S ( g mn ; c, , b) 2 1
中北大学 信息与通信工程学院
传统边缘检测算法
传统的边缘检测算法——是考察图像的每个像素 是考察图像的每个像素 传统的边缘检测算法 在某个邻域内灰度的变化, 在某个邻域内灰度的变化,利用边缘邻近一阶或 二阶方向导数变化规律, 二阶方向导数变化规律,常见的边缘检测算子有 Robert边缘检测算子,Soble边缘检测算子, 边缘检测算子, 边缘检测算子, 边缘检测算子 边缘检测算子 Prewitt边缘检测算子,Krisch边缘检测算子 边缘检测算子, 边缘检测算子 边缘检测算子 边缘检测算子等. 和Gauss- Laplace边缘检测算子等. 这些算 边缘检测算子等 法会出现不完全连通以及实时性差的的现象. 法会出现不完全连通以及实时性差的的现象. 基于广义模糊算子(GFO)的边缘检测算法 基于广义模糊算子 的边缘检测算法—— 的边缘检测算法 GFO在增强时湘当于对于高于和低于某一灰度范 在增强时湘当于对于高于和低于某一灰度范 围的象素的灰度值都进行提升,而使处于灰度范 围的象素的灰度值都进行提升, 围内的象素的灰度值减小,因而有利于边缘检测; 围内的象素的灰度值减小,因而有利于边缘检测; 实际上相当于对其取值范围进行拉伸. 实际上相当于对其取值范围进行拉伸.
(c)韩韩韩王王王王王王
(d)本本王王王王王王
中北大学 信息与通信工程学院
改进算法对景物图边缘检测结果
(a)原原原原 (b)王王王王王王王王
(c)韩韩韩王王王王王王
(d)本本王王王王王王
中北大学 信息与通信工程学院
改进算法对细胞图边缘检测结果
(a)原原原原 (b)王王王王王王王王
(c)韩韩韩王王王王王王
中北大学 信息与通信工程学院
课题内容
1 2 3 4
模糊集理论图像增强发展现状 传统, 传统,广义模糊增强算法 基于模糊集理论的图像增强算法 基于模糊增强算子的边缘检测算法
中北大学 信息与通信工程学院
模糊集理论图像增强发展现状
模糊理论是由美国加利福尼亚大学伯克利分校电 气工程系Lotfi A. Zadeh教授于 教授于1965年创立的模 气工程系 教授于 年创立的模 糊集合理论的数学基础上发展起来的, 糊集合理论的数学基础上发展起来的,主要包括模 糊集合理论,模糊逻辑, 糊集合理论,模糊逻辑,模糊推理和模糊控制等方 面的内容. 面的内容. 模糊理论在其诞生后的四十年的时间里发展十分 迅速.学习,研究并应用模糊理论的人越来越多, 迅速.学习,研究并应用模糊理论的人越来越多, 模糊理论由此日益完善,其应用也日益广泛. 模糊理论由此日益完善,其应用也日益广泛. 目前,从应用的情况看,模糊理论己在图像识别, 目前,从应用的情况看,模糊理论己在图像识别, 语音处理,自动控制,故障诊断,信息检索, 语音处理,自动控制,故障诊断,信息检索,地震