关键词:
图像增强
模糊数学理论
直方图处理
梯度锐化
边缘检测
摘要:
图像增强是图像处理的基础操作之一,是图像工程后期工作的前提和保证。图像增强是通过特定技术手段有选择地增强或抑制图像中的部分信息,从而改善图像效果以满足特定需求的图像处理方法。起初人们运用最多的图像增强方法有空间域图像增强和频率域图像增强两种,这两种方法的优点是:操作简单,便于理解,效果较为明显;然而这两种传统方法也存在明显的缺点,如对于某些图像用直方图均衡处理后灰度两极分化严重,传统方法抗噪能力差,图像增强过程中噪声容易被增强等。后来人们根据图像本身具有的模糊性把模糊数学理论和数字图像处理两种学科结合,提出了数字图像模糊增强方法,并且发现这种图像增强方法的处理效果往往比传统方法的处理效果更好。本篇文章是笔者阅读了大批文献之后,在前辈们提出的算法基础上,对数字图像模糊增强技术进行的总结和改进,并且提出了部分创新算法。本文内容共分为5个章节,下面是对该论文的介绍及笔者在读研期间所作的一些主要工作和图像模糊增强的创新方法。第一章主要阐述了数字图像模糊增强技术的研究背景和意义、国内外发展现状和图像增强技术的应用等。第二章介绍了模糊数学理论的一些基本概念和运算性质,并给出了常用的几种模糊分布函数及相应的函数图形,最后还给出了模糊熵的概念,为后面介绍数字图像模糊增强做铺垫。第三章是本论文的核心内容,本章内容可分为两部分,其中第二部分为核心内容。第一部分较为详细介绍了传统数字图像增强方法,另外还针对单一空间域图像增强算法的缺陷,给出了一种结合了多种空间域图像增强算法的混合增强算法,该算法结合了直方图均衡、梯度锐化和灰度扩展三种单一算法,对图像的增强效果明显,和单一的算法相比有明显的优越性。第二部分详细介绍了传统的图像模糊增强算法和模糊边缘检测方法,并针对这些算法的不足之处提出了改进方法。(1)提出一种基于最大模糊熵改进的直方图匹配图像增强算法,该算法结合了模糊增强算法和空间域增强算法,首先用相应的隶属度函数把灰度图像从空间域变换到模糊域,并用模糊熵方法求得阈值,根据需要把图像分为若干个灰度层;然后为不同灰度层设计相应的直方图匹配函数,并增强相应的灰度层。该图像增强方法结合了模糊熵和直方图匹配算法在提高图像对比度的同时可以有效抑制噪声。(2)提出了一种基于模糊理论改进的图像边缘检测算法。该算法首先用改进的模糊增强算法增强原图像;其次对用非极大值抑制算法处理增强后的图像,并用模糊熵和最大类间方差法求得最佳阈值;最后用改进的Canny算子对图像进行边缘检测。通过实验证明,该算法是可行的有效的,并且有一定的优越性。第四章对第三章中提出的新算法进行了实验分析。为了证明所提算法的可行性,本章用新提出的算法对不同图像进行了增强和检测处理,增强和检测结果令人满意;另外,本文针对同一图像用本文所提出的新算法与传统算法同时处理,然后对处理结果进行对比分析,结果证明了本文所提算法的优越性。最后,为了使实验结果更具客观性和更具说服力,本章还给出了对图像增强质量的评价方法,并用直观的方法对本文算法进行评价。第五章总结了本文算法的优点和不足,指出今后的努力方向和改进措施。