資源描述：
《基于改進(jìn)廣義模糊增強(qiáng)圖像分割方法探究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、基于改進(jìn)廣義模糊增強(qiáng)圖像分割方法探究摘要：本文提出了一種基于改進(jìn)廣義模糊增強(qiáng)的圖像分割方法。該算法就Pal模糊增強(qiáng)算法的不足進(jìn)行分析,提出一種改進(jìn)的廣義模糊增強(qiáng)算法且將其應(yīng)用于圖像分割中，并就模糊參數(shù)選擇缺乏理論依據(jù)的問題提出一個(gè)解決方案。在與各類傳統(tǒng)分割方法的分割效果進(jìn)行比較后，實(shí)驗(yàn)結(jié)果證明該方法的算法復(fù)雜度低，分割速度快且分割質(zhì)量高。關(guān)鍵詞：圖像分割；廣義模糊增強(qiáng)；模糊參數(shù)；二值化中圖分類號(hào)：TP273在圖像處理領(lǐng)域，圖像分割技術(shù)占有重要地位，它是計(jì)算機(jī)視覺和圖像理解的最基本問題。其分割結(jié)果關(guān)鍵性地決定了圖像處理系統(tǒng)高層模塊的性能，如對圖像的分析、理解,識(shí)
2、別等。所謂分割［1］就是按照一定的準(zhǔn)則把圖像分割成若干互不交疊的區(qū)域，被分割的區(qū)域應(yīng)滿足同質(zhì)性和唯一性。分割算法的任務(wù)就是將圖像劃分為不同特性的區(qū)域，用所分割區(qū)域表示圖像感興趣的部分，為實(shí)現(xiàn)圖像描述方法的轉(zhuǎn)換和圖像后續(xù)處理提供重要的依據(jù)。在圖像的實(shí)際成像過程中，由于各種因素的影響，如光照、反射、視角、噪聲等，使得圖像中各種景物之間存在著不確定性和不精確性（及模糊性）的問題，而不確定性又往往是由其模糊行引起的，這些都會(huì)造成圖像質(zhì)量下降的問題，為后續(xù)的圖像分割工作帶來相當(dāng)大的干擾性。模糊集合理論[2]以其模糊邏輯推理方式，為不確定因素所造成的系統(tǒng)復(fù)雜性和決策過程的
3、分析提供了有效手段，利用模糊集合理論處理因多灰度所造成的不確定性問題比用普通集合的思維更加合理。Pal[3][4]等人正是基于此認(rèn)識(shí)，率先將模糊集合理論應(yīng)用到圖像增強(qiáng)處理上，目前在其基礎(chǔ)上已經(jīng)有了不少改進(jìn)算法[5][6]o為了在分割過程之中避免各種因素對圖像質(zhì)量的影響，提高分割質(zhì)量，減短分割時(shí)間，本文提出一種基于改進(jìn)廣義模糊增強(qiáng)的圖像分割方法，并將其應(yīng)用于多幅圖像的分割中，實(shí)驗(yàn)表明，圖像經(jīng)過本文算法中的廣義模糊增強(qiáng)后，不僅各區(qū)域之間層次更加清楚，而且各區(qū)域的對比度、邊沿強(qiáng)度等也有顯著提高，從而便于將圖像中的目標(biāo)和背景很好地分割開來。1Pal模糊增強(qiáng)算法及其缺陷
4、依照模糊集理論，一個(gè)灰度級為L的MXN的二維灰度圖像，可以表示成一個(gè)模糊矩陣:矩陣中每個(gè)元素Pij/xij表示圖像中元素（i,j）的灰度xij相對于最大亮度L-1的亮度程度，由P={Pij}構(gòu)成的平面稱為圖像模糊特征平面，文獻(xiàn)[3]中Pij采用下式求解:其中xmax為圖像的最大灰度值，F(xiàn)c和Fd為模糊特征參數(shù)，一般取Fc=2,稱Pij=O.5時(shí)的灰度值為渡越點(diǎn)Xc。設(shè)定Fc和Xc,即可計(jì)算出Fd：令T(xij=O)二a,則結(jié)合式(2)(3)可得：取Fc=2時(shí)顯然有a>0o模糊增強(qiáng)的基本思想是對通過對Pij進(jìn)行非線性變換，以渡越點(diǎn)為界增大或減小Pij的值，得到新
5、的模糊特征平面P'={P'ij},其中n為迭代次數(shù)，一般迭代1?3次即可得到很好的增強(qiáng)效果。最后再對P'ij進(jìn)行逆變換，即可獲得原灰度圖像X={xij}的模糊增強(qiáng)圖像X'={x'ij}：由上述分析可知a>0,經(jīng)過式(5)變換后，會(huì)出現(xiàn)P'ij,(12)先預(yù)設(shè)b=0,對多幅遙感圖像進(jìn)行實(shí)驗(yàn)，經(jīng)數(shù)值計(jì)算發(fā)現(xiàn)增強(qiáng)圖的區(qū)域?qū)Ρ榷群瓦吘壞芰侩Sk取值的變化而變化總體變化趨勢如下：(1)就“對比度”而言：對于多幅實(shí)驗(yàn)圖，各自的峰點(diǎn)對應(yīng)的D值在(xmax+xmin)/2—0的范圍內(nèi)不盡相同，但在D=(xmax+xmin)/k0后各處增強(qiáng)所得的對比度的變化開始平穩(wěn)且都比較大；(
6、2)就“邊緣能量”而言：發(fā)現(xiàn)多幅實(shí)驗(yàn)圖的峰點(diǎn)對應(yīng)位置均為D=(xmax+xmin)/k0處；(3)就“目視效果(區(qū)域?qū)Ρ榷?”而言：取D二(xmax+xmin)/k0得到的模糊增強(qiáng)圖有較好的區(qū)域?qū)Ρ榷?，表現(xiàn)為各區(qū)域內(nèi)像素的灰度差異比較小(可以細(xì)微到2?3個(gè)灰度值)。就以上分析，可將模糊參數(shù)D取值公式中的k取為kO,且可根據(jù)關(guān)系圖中對比度值在D二(xmax+xmin)/kO后的附近范圍之內(nèi)有增長的趨勢，將b取為-bO,其中b0e[5,10]o因?yàn)閷?shí)驗(yàn)圖像經(jīng)模糊增強(qiáng)后區(qū)域內(nèi)的灰度差異都可以細(xì)微到2?3個(gè)灰度值，所以本文可直接使用區(qū)域分割法中的灰度相似性“聚合法”對
7、增強(qiáng)圖像進(jìn)行分割，且其中的灰度差異閾值可根據(jù)上述的分析設(shè)為2,這樣可以解決該分割法中灰度差異閾值很難確定這一“瓶頸”問題，保證了算法的通用性。3實(shí)驗(yàn)結(jié)果及分析在使用本文方法進(jìn)行具體的二值化操作之前需要先進(jìn)行D值的選擇，圖3和圖4兩幅圖像的對比度和邊緣能量隨k值變化而變化的情況如圖6所示，就圖6進(jìn)行分析可將k值取為3,b取為-5。將得到最優(yōu)D值應(yīng)用于本文的改進(jìn)廣義模糊增強(qiáng)算法中，對圖像進(jìn)行廣義模糊增強(qiáng)，本文方法釆取的迭代次數(shù)n為2,圖5是圖3的模糊增強(qiáng)圖，可見得到的模糊增強(qiáng)圖像具有很好的灰度層次和區(qū)域?qū)Ρ榷鹊取Ｏ旅嫱ㄟ^對圖像進(jìn)行分割實(shí)驗(yàn)，比較本文提出的方法與Ot
8、su法以及FCM2D法的分割效果，對圖
