基于模糊域图像增强改进算法探究

《基于模糊域图像增强改进算法探究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于模糊域图像增强改进算法探究　　摘要：基于模糊集理论的图像增强算法会丢掉部分的边缘细节，针对这一不足，该文改进了算法，最大程度上保留了低灰度值部分。首先构建一个新的隶属函数，实现了图像空域到模糊域之间的转换；在模糊域中采用非线性变换和递归调用对图像进行了增强，最后再通过逆模糊化转换到空域，得到新的灰度值。仿真结果表明，改进的图像增强算法克服了丢失部分细节的不足，提高了图像质量。关键词：模糊集；图像增强；模糊算法中图分类号：TP18文献标识码：A文章编号：1009-3044（2014）06-128

2、2-03AnImprovedImageEnhancementAlgorithmResearchBasedontheFuzzyDomainLIDeng-hui（InstituteofInformationTechnologyofGUET，Guilin541004，China）Abstract：Theimageenhancementalgorithmbasedonfuzzysettheorywilllosepartoftheedgedetails.Thealgorithmisimprovedinthi

3、spaper，andthelowgreyvalueisretainedinthispaper.First，anewmembershipfunctionisbuild，andthe7transformationisrealizedbetweenairspacetofuzzydomain；second，theimageisenhancedbynonlineartransformationandrecursive；finally，thenewgreyvalueisobtainedbyinversetra

4、nsformation.Thesimulationresultsshowthattheimprovedimageenhancementalgorithmretainsthedetails，andthequalityoftheimageisimproved.Keywords：fuzzytheory；imageenhancement；fuzzyalgorithm在图像处理技术中，基于变换域的图像增强算法往往优于时域算法。Pal-King等人在早些年前提出了基于模糊理论的图像增强算法，在许多实际领域得到

5、了广泛的应用[1]，但Pal-King算法在处理低灰度值有些欠缺和不足[2]。为了克服这些不足，许多学者在这方面做出了研究，提出了一些改进的算法。比如，参考文献[3]从改进隶属度和增强函数方面对该算法进行改进，参考文献[4]利用调用函数增强低灰度值的处理，参考文献[5]提出一个应用于红外图像的模糊增强算法，所有这些方法都有其一定的优点和可取之处。因此，基于模糊集理论的图像增强是值得探索的研究方向。7为了克服Pal-King算法的不足之处，文中提出了一个改进的模糊增强算法，在原有算法的基础上改进隶属

6、度函数和增强因子。实验证明，这种改进在一定程度上是有效的。1Pal-King算法1.1模糊理论对于某论域里的任何一个x，通过隶属度函数[μA（x）]，都可以得到一个映射值，所有的映射值组成一个集合，即模糊集。如式（1）所示：[A=μA（x）x?x∈UμA（x）∈[0，1]]（1）定义为论域U上的一个模糊子集，简称模糊集。[μA（xi）]为[xi]对A的隶属度。根据以上定义，模糊集合实质就是论域[U]到[[0，1]]闭区间的一个映射。[μA（xi）]越接近1，[x]就越属于[A]；反之，越接近0，就

7、越不属于[A]。将信息区定义为一个模糊集合，其中每个像素都有其隶属度，隶属度值越大，说明其越属于信息区[1]1.2Pal-King算法原理[2]根据隶属度函数可以计算得到变换域中的映射值[μmn]，也就是说隶属度函数实现了时域到变换域的映射。Pal-King算法的隶属函数如公式（2）所示。[μmn=G（gmn）=[1+gmax-gmnFd]-Fe]（2）公式中，[gmax]是最大灰度值；[gmn]是平均灰度值；[Fe]和[Fd]是模糊因子。当[μmn=G（gc）=0.5]，[gc]灰度级称为渡越点

8、，因此可以推导得到[Fd]，如式（3）所示[Fd=（gmax-gc）/（2-Fe-1）]（3）7根据增强目的和图像内容不同，设置隶属函数的参量（[Fe，Fd，gmax]），将影响图像增强效果。Pal-King算法中通过非线性修正隶属度（[μmn→μ′mn]），以增强图像对比度，如式（4）所示。[Tr（μmn）=2?[μmn]20≤μmn≤0.51-2?[1-μmn]20.5≤μmn≤1]（4）式（4）表明，对于大于0.5的隶属值[μmn]利用指数增大而小于0.5的隶属度值进行减小，