计算智能模糊集的应用(图像处理)资料.ppt

模糊集在图像处理中的应用 早在20世纪20年代就已经开始了图像处理方法的研究,但真正有实用价值的现代图像处理理论和技术是20世纪60年代中期以后才开始的。当时,美国国家宇航局发表的从月球表面发回地面的清晰电视图像, 从此以后,图像处理技术便迅速地发展起来。 近年来,不少学者将模糊数学的方法引入到图像处理中所取得的成果表明基于模糊子集理论的处理和识别技术在一些场合具有比传统方法更好的效果。 例如在图像处理方面, 模糊增强算法比传统的直方图方法效果更好。 在图像分析方面, 运用模糊集论对复杂图像进行分析,成功地实现了动目标检测。 图像的模糊特征平面 依模糊集概念, 将一幅M×N且具有L个灰度级的图像X看作为一个模糊点阵。该阵可记为图像的模糊特征平面 图像增强 为了提高图像的视觉效果，在图像处理中常常运用图像增强技术。 传统的图像增强方法分为两大类,即频域法和空域法。 频域法根据图像的幅相频特性，对图像进行增强处理。 空域法运用灰度变换进行增强处理。 模糊增强 模糊增强算法与空域法相似，两者仅仅是处理对象不同，空域法处理图像像素，模糊增强处理的是模糊平面。 模糊增强是对图像模糊特征平面的元素进行非线性变换。其非线性变换即为模糊对比度增强算子INT 模糊增强算法流程： 1）对图像进行变换,得到模糊特征。 2）对模糊特征进行对比度增强变换,得到加强的模糊特征。 3）对已增强的模糊特征进行反 变换,便得到已增强的空域图像。 图像质量评价 图像质量评价——PSNR 图像质量评价——模糊性指数和模糊熵 图像边缘检测 基于统计的边缘检测 （suan算子） 基于梯度的边缘检测 （一阶梯度，二阶梯度） 基于模糊的边缘检测 无噪声时，三个算子均能够比较准确的检测边缘。 含噪图像，边缘检测效果均不同程度地受到噪声干扰。噪声越重，检测出伪边缘越多，甚至漏检。 Roberts算子采用对角线方向梯度幅度，边缘定位精度高，对噪声敏感。 Sobel算子是4邻域灰度加权和，在一定程度上抑制了对噪声的影响，边缘比较粗，边缘定位精度低。 Prewitt算子类似Sobel算子，与Sobel算子一样，边缘比较粗，定位精度低，损失角点信息。 无噪声时，Laplacian、LOG和Canny算子检测效果均比较好，优于一阶梯度算子。 含噪时，Laplacian、LOG检测效果均不同程度受噪声影响，Laplacian算子影响最明显，几乎检测不出边缘；LOG算子检测出大量伪边缘和噪声点；Canny算子检测效果总体上还是比较满意的。 Laplacian对图像中的阶越性边缘点定位准确，但该算子容易丢失一部分边缘的方向信息，造成检测边缘不连续。 LOG算子噪声能力取决于高斯函数方差，方差越大，对噪声的抑制力越大，避免了虚假边缘的检出，但信号的边缘被平滑了，造成边缘点丢失。方差越小，可以检测图像的细节，但噪声抑制能力下降，出现虚假边缘。 Canny算子理论和实际存在差异，该算子的高斯平滑损失了高频信息，造成边缘丢失。 基于模糊的边缘检测 模糊边缘检测可以有效地将物体从背景中分离出来,并在模式识别中的图像预处理和医疗图像处理中获得良好的应用。 ① 利用对比度增强算子（INT)对图像进行预处理。 ② 对预处理过的图像进行变换G,得出图像的k个不同区域。 ③ 最后采用“ m ax”和“ min”运算对图像作边缘检测。 * * 增大了0.5以上的值,而减小了0.5以下的值，该变换降低了模糊集A 的模糊性。 如果模糊集A具有n个元素,则模糊集A的模糊性指数为 k为正整数, 当k=1时,相应的模糊性指数被称为线性模糊性指数; k=2时, 被称为平方模糊性指数 若取d为广义汉明距离 图像的线性模糊性指数 优点：不需要参考图像 缺点：1）人为定义图像的模糊特征平面 2）强截集参数人为定义 3）只能整体评价，不能局部评价 讨论 ：不同距离的定义对图像质量的评价有无质的影响？？？ 图像熵：图像信息量的指标，熵越大，信息量就越大 信息就是信号所传输或表达的内容，信息是一个主观概念。 信号就是信息的载体 图像熵是从概率角度出发，对图像内容多少的度量， 小概率事件，表示的内容就越多，反之越少 图像模糊熵 优点：不需要参考图像 缺点：1）人为定义图像的模糊特征平面 2）只能整体评价，不能局部评价 Laplacian算子利用边缘的二阶梯度为0，来检测图像边缘 LOG算子将Gaussian和Laplacian算子分析图像二阶导数的 零交叉点。 Canny算子首先分析图像Gaussian平滑后的一阶梯度； 其次根据梯度幅值和方向进行非极大值抑制； 最后运用双阈值方法检测和连接边缘。 *