一种广义的图像模糊增强算法

本文在模糊增强算法的基础上提出了广义迭代模糊增强算法,它由图像滤波、模糊增强和灰度变换三个步骤组成.在模糊增强阶段,提出了一种规范形式的隶属度函数,在保留了通常模糊增强算法和灰度变换优点的同时,将灰度隶属度函数变换到[0,1]区间.为了约束所提出算法的迭代过程,基于图像灰度直方图分布的统计特性,提出了一种新的客观图像质量评价指标.计算机仿真实例表明,这种新的算法比单一的模糊增强算法和灰度变换算法更适合于处理灰度级少、对比度低的图像的增强问题.     

改进的模糊形态学边缘检测算法

提出了一种新的基于模糊形态学的边缘检测算法。算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取。实验结果表明该算法优于传统的边缘提取算法。     

一种基于模糊逻辑的图像多层次增强算法

在分析图像传统单层次模糊增强算法（Pal算法）的基础上，为克服Pal算法仅增强图像阈值参数附近某一部分边缘的不足。提出一种新的基于模糊逻辑的图像多层次增强算法。新算法通过引入模糊熵，进行有目的选取不同灰度层次的阈值，同时增强图像中不同灰度层次的边缘信息，另外新算法对Pal算法中的复杂变换进行了简化，采用了新的增强算子，克服了Pal算法速度慢且损失图像部分灰度信息的缺陷。将新算法应用于图像边缘提取中，取得了优于基于传统单层次模糊增强算法进行图像边缘提取的效果。     

基于模糊熵的两种图像增强技术

基于模糊数学的图像处理技术是图像处理中的重要技术。文中基于模糊熵的概念,提出了两种新的图像增强算法:一种是基于模糊熵的图像滤波器,另一种是改进的模糊松弛迭代增强算法。前者将图像分为若干窗口,分别计算每个窗口关于不同模糊集的模糊熵,根据最小模糊熵原则,确定该窗口中心灰度的大小,该方法充分利用了图像窗口中像素的区域信息;后者对图像依次进行模糊熵滤波去除噪声,最大模糊熵阈值确定分层和模糊隶属度松弛迭代增强,该方法能够实现对图像不同层次的内容实现可控式模糊增强,提高算法的自适应性并且能够增强算法的抗噪性能。通过与传统算法的实验结果对比,验证了文中算法能够取得较好的图像增强效果。     

基于改进广义模糊增强的图像分割方法研究

本文提出了一种基于改进广义模糊增强的图像分割方法。该算法就Pal模糊增强算法的不足进行分析,提出一种改进的广义模糊增强算法且将其应用于图像分割中,并就模糊参数选择缺乏理论依据的问题提出一个解决方案。在与各类传统分割方法的分割效果进行比较后,实验结果证明该方法的算法复杂度低,分割速度快且分割质量高。     

区域模糊增强算法在列车轮对检测中的应用

根据列车轮对图像的模糊特性,将图像中象素的灰度等级作为模糊特征,采用模糊增强算法实现了图像的模糊增强,并且采用改进的算法对图像模糊增强的灰度阈值进行了选择.实验结果表明,新算法比传统的图像增强方法获得了较高的清晰度;显著地提高了图像的增强效果.     

一种模糊增强图像边缘提取算法

在分析Pal模糊边缘提取算法的基础上,为克服Pal算法图像增强区域单一、图像增强后造成低灰度信息损失且没有做抑噪处理的缺陷,提出一种新的基于模糊增强的图像边缘提取算法.新算法通过引入模糊熵,进行有目的选取不同灰度层次的阈值,同时增强图像中不同灰度层次的边缘信息,通过定义新的隶属函数和一种新的模糊增强算子,结合图像平滑滤波处理进行图像边缘提取,有效地克服了Pal算法速度慢且损失图像部分灰度信息的缺陷,取得了优于基于传统Pal算法进行图像边缘提取的效果.     

自适应多方向模糊形态学边缘检测算法*

提出了一种新的基于模糊增强的自适应多方向模糊形态学边缘检测算法。该算法可以适应多峰直方图分布图像的模糊边缘检测,结合了模糊增强方法和模糊形态学边缘检测方法,先使用隶属函数将图像转换为等效的图像模糊特征平面,在此基础上进行模糊增强,降低边缘模糊度,然后再转换到统一模糊区域中;最后进行多方向模糊形态学边缘提取。仿真实验证明该方法能够较好地去除椒盐噪声,并且能够检测出图像中模糊的边缘。     

一种基于粒子群算法的模糊隶属函数优化方法

在分析图像模糊增强算法对于隶属函数及其模糊区域选择方法不足的基础上,提出一种新的基于粒子群算法的模糊隶属函数优化方法。该方法给出一个新模糊熵的定义,这个新模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时又考虑到图像在空域中划分区域时随隶属函数变化而变化的情况。这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息。另外,根据图像增强算法中使用double型数据类型的特点,采用改进粒子群优化算法寻求隶属函数的最优参数。将新算法应用于图像增强中,取得了优于现有大多数模糊增强算法的效果。     

双线性广义模糊增强边界图像检测算法

在模糊集和广义模糊集理论的基础上,给出了用于模糊增强图像区域对比度的线性广义模糊算子,实现了图像的双线性快速无损边界检测算法．该算法利用线性左半梯形模糊分布函数和线性广义模糊算子实现灰度图像空间、普通模糊空间和广义模糊空间之间的转换,同时对广义模糊空间进行区域对比度增强,最后在灰度图像空间中提取边界．大量实例表明：利用文中算法提取图像边界速度快、效果好,并且在多项指标上均超过了Pal算法、陈武凡算法和王晖算法．     

一种双线性快速模糊增强图像边界检测最新算法*

在广义模糊集理论的基础上,给出了全新的用于模糊增强图像区域对比度的线性广义模糊算子,从而提出了一种双线性快速模糊增强图像边界检测最新算法。利用线性左半梯形模糊分布将灰度图像的普通空间集合变换为广义模糊空间集合,再利用LGFO对广义模糊集合进行区域对比度增强,把增强后的广义模糊集合变换为普通集合,最后对处理后的普通集合进行边界提取。实例表明该算法提取图像边界速度快、效果好。     

一种新的模糊边缘检测算法

提出了一种简单有效的模糊边缘检测算法，此算法和常用的基于图像增强技术来进行模糊边缘检测的算法有所不同，它采用缩短模糊边缘的宽度来提取模糊边缘，克服了一些基于增强技术来提取模糊边缘的缺点。最后给出了对红外热像的边缘检测实验，实验表明，此算法是一种简单、实用、有效的边缘检测算法。     

红外图像的一种Type-II模糊增强算法

提出了一种基于Type-II模糊集的红外图像增强算法,该算法首先根据像素的邻域相关性对图像进行预处理,然后以Ostu分割阈值为基础,构造了红外图像的Type-II模糊特征平面;然后,采用不同的变换规则对图像进行模糊增强,并将结果进行融合;最后,通过Type reduction和去模糊化操作得到增强后的输出图像。对几幅典型的红外图像的增强实验表明,提出的方法能够有效地提高红外图像的对比度。     

红外图像的一种Type-Ⅱ模糊增强算法

提出了一种基于Type-Ⅱ模糊集的红外图像增强算法,该算法首先根据像素的邻域相关性对图像进行预处理,然后以Ostu分割阈值为基础,构造了红外图像的Type-Ⅱ模糊特征平面;然后,采用不同的变换规则对图像进行模糊增强,并将结果进行融合;最后,通过Type reduction和去模糊化操作得到增强后的输出图像。对几幅典型的红外图像的增强实验表明,提出的方法能够有效地提高红外图像的对比度。     

基于遗传算法的图像模糊增强处理方法的研究

文章根据图像的模糊特性,将图像中象素的灰度等级作为模糊特征,采用模糊增强算法实现了图像的模糊增强,并且采用改进的遗传算法对图像模糊增强的灰度阈值进行了最优选择。实验结果表明,新算法比传统的图像增强方法获得了较高的清晰度;寻优后的灰度阈值显著地提高了图像的增强效果。     

医学B超图象的模糊增强处理方法

本文根据B超图象的灰度特性,选用象素的相对灰度等级作为模糊特征#在对图象作灰度线性变换和中 值滤波的基础上#采用模糊算法实现B超图象的模糊增强处理.实验表明通过调节模糊参数可显著提高图象的增 强效果.     

基于阈值优化的图像模糊边缘检测算法

边缘检测是图像预处理中最重要的内容之一,本文使用遗传算法对阈值优化得到最佳阈值参数,对模糊边缘检测算法进行改进,根据此最佳阈值来定义一个新的简单隶属度函数,简化了Pal.King算法中复杂的G和G-1运算。不仅使复杂计算简单化,还减少了迭代次数。仿真结果表明:该算法具有较强的检测模糊边缘能力,是一种实用、高效的边缘提取算法,同时此方法很容易扩展到多阈值图像边缘处理。     

一种适用于脑部CT图像的模糊边缘检测新算法

边缘检测是医学CT图像处理中最重要的内容之一,系统地分析了Pal.King模糊边缘检测算法的不足,提出一种适用于脑部CT图像的新型模糊边缘检测算法。该算法首先确定模糊增强变换中的最佳阈值参数,对待测图像所对应的模糊特征平面通过基于此阈值定义的隶属函数来提取,并且对图像进行分区模糊增强和平滑处理以达到更好的边缘检测效果。仿真结果表明,针对所要处理的脑部CT图像,与几种经典的处理方法相比,本算法能够提取出更加真实和完整的边缘信息。     

Contrast enhancement and brightness preserving of digital mammograms using fuzzy clipped contrast-limited adaptive histogram equalization algorithm

A novel fuzzy logic and histogram based algorithm called Fuzzy Clipped Contrast-Limited Adaptive Histogram Equalization (FC-CLAHE) algorithm is proposed for enhancing the local contrast of digital mammograms. A digital mammographic image uses a narrow range of gray levels. The contrast of a mammographic image distinguishes its diagnostic features such as masses and micro calcifications from one another with respect to the surrounding breast tissues. Thus, contrast enhancement and brightness preserving of digital mammograms is very important for early detection and further diagnosis of breast cancer. The limitation of existing contrast enhancement and brightness preserving techniques for enhancing digital mammograms is that they limit the amplification of contrast by clipping the histogram at a predefined clip-limit. This clip-limit is crisp and invariant to mammogram data. This causes all the pixels inside the window region of the mammogram to be equally affected. Hence these algorithms are not very suitable for real time diagnosis of breast cancer. In this paper, we propose a fuzzy logic and histogram based clipping algorithm called Fuzzy Clipped Contrast-Limited Adaptive Histogram Equalization (FC-CLAHE) algorithm, which automates the selection of the clip-limit that is relevant to the mammogram and enhances the local contrast of digital mammograms. The fuzzy inference system designed to automate the selection of clip-limit requires a limited number of control parameters. The fuzzy rules are developed to make the clip limit flexible and variant to mammogram data without human intervention. Experiments are conducted using the 322 digital mammograms extracted from MIAS database. The performance of the proposed technique is compared with various histogram equalization methods based on image quality measurement tools such as Contrast Improvement Index (CII), Discrete Entropy (DE), Absolute Mean Brightness Coefficient (AMBC) and Peak Signal-to-Noise Ratio (PSNR). Experimental results show that the proposed FC-CLAHE algorithm produces better results than several state-of-art algorithms.     

图象模糊涟缘检测的改进算法

图象在检测技术是图象处理中最重要的内容之一,且已在图象分析和识别领域中得到广泛的应用。针对图象边缘由模糊性引起的不确定性问题,提出了一种图象模糊边缘检测的改进算法,该算法是道德民确定一个阈值参数,然后根据此阈值参数来定义一个新的隶属函数,从而钭图象转化为等效的图象模糊特征平面,通过在模糊特征平面上进行增强运算,将其转换为空域图象,最后再进行边缘提取,同时还对具有多峰直方图分布图象的模糊边缘检测方法进行推广,仿真结果表明,该算法是有效的。