基于粗糙集和属性直方图的医学图像增强

医学图像信息存在着复杂性,在处理中的各个不同层次可能出现不完整性和不确定性。利用粗糙集理论进行图像增强,子图的划分是关键。属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图,将它用于子图划分。在此基础上本文提出了一种基于粗糙集和属性直方图的医学图像增强方法。利用属性直方图的Otsu算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对噪声点用中值滤波进行滤除,去噪后的背景子图和目标子图进行增强变换,合并得到增强图像。以胸部CT图像中的肺组织为目标区域,进行大量的实验,结果表明该方法明显增强了图像且不损害图像的边缘。     

基于粗糙集理论的图像增强算法研究

粗糙集理论是处理含糊及不确定问题的数学工具。论文利用基于粗糙集的图像增强新方法,按条件属性,先将图像划分为不同的子图,然后对子图分别作对比度增强,并利用最大类间方差法确定阈值P,最终根据信噪比量化评价图像对比度增强效果。试验结果表明,文中采用的方法优于线性滤波、中值滤波方法。     

应用粗糙集理论实现基于对象的图像检索

粗糙集理论已经成功应用于许多领域,特别是数据挖掘、知识发现、人工智能和信息系统分析。在粗糙集理论背景下．对图像进行建模,用集合的上下近似表示图像对象。通过定义新的图’像相似度计算“Object Similarity Ratio”,介绍一种精确的基于对象的图像检索方法,它可以处理基于例图的查询,并且介绍了一种高效的大型图像库检索算法。     

应用均值漂移和粗糙集理论增强TerraSAR-X图像边缘

作为图像的基本内容之一,边缘信息在房屋等典型地面目标识别中具有非常重要的价值。针对相干成像机制所产生的斑点噪声在高分辨率TerraSAR-X边缘信息提取中的不利影响,给出了一种基于均值漂移和粗糙集理论的组合处理方法。首先以均值偏移显著抑制斑点噪声干扰,然后利用粗糙集理论的下近似和上近似关系,对Sobel边缘检测结果进行增强处理。房屋等人造目标的TerraSAR-X1m分辨率图像的实验结果显示,均值漂移方法能够在有效抑制斑点噪声的同时,较好地保持边缘细节,而基于粗糙集的边缘增强可以显著改善Sobel边缘检测结果,最终生成高质量的目标边缘图。     

基于粗糙集的图像增强智能决策方法

为了使图像能根据图像特征自适应选取增强算法,给出一种基于粗糙集的图像增强智能决策方法.该方法首先建立图像增强算法库,并用现行的算法提取图像的数值特征作为条件属性,按照图像评价指标结合专家经验选取处理效果最优的算法作为决策属性,从而构成信息决策表.最后应用粗糙集来对决策信息表进行离散化和属性约简,以生成图像增强算法选取的决策规则.试验表明,该决策方法能比较有效地根据系统所处理图像的特征选取出算法库中最优的增强算法.     

一种改进的图像增强算法及其应用

为改进图像增强算法,使之更适合医学领域图片的处理,采用了粗糙集的上逼近和下逼近思想,将图像分为物体区和背景区,使用不同的函数进行增强,进而提出了一种改进的基于粗糙集的增强算法,并首次应用于医学图像处理领域.实验结果显示改进的基于粗糙集的增强效果优于直方图均衡化方法.     

粗糙集理论在阴影图像边缘检测中的应用

粗糙集理论是一种新的处理模糊和不确定性问题的数学工具,该文提出一种基于粗糙集阴影边缘方法,该算法根据粗糙集理论、梯度、最大邻域差及噪声的条件属性,将一幅图像划分为不同的子图像,然后对子图像分别进行处理,得到阴影边缘点,再对边缘点进行细化和跟踪,删除那些假边缘点,最后得到阴影边缘图像。通过对所得结果进行分析可知,结合粗糙集理论的阴影图像边缘检测算法与其他的常规检测方法相比,无论从视觉效果还是检测精确度上都得到了改善。     

基于粗糙集的视频监控图像增强算法

视频监控系统中受许多客观因素的影响,图像实际成像会影响到监控效果。粗糙集理论是一种处理不完整性和不确定性问题的数学工具。根据人眼的视觉特性,将粗糙集理论应用到视频监控图像。实验表明该算法对视频监控图像有较好的增强效果,并对噪声具有一定的抑制作用,可以满足实际工程上的需求。     

人眼视觉特性引入粗糙集图像增强的研究与仿真

粗糙集理论作为研究不确定完善问题的一种新型数学工具，已经在许多领域得到广泛应用。在数字图像处理领域中，可以用来改善图像显示的质量和效果。在实际改善图像质量以提高其视觉效果时仅仅采用一种预处理方法是不够的。综合人眼的视觉特性和噪声特性，使用粗糙集理论来增强图像的显示效果较一般的方法有更大的优势。仿真结果表明采用基于粗糙集理论的新算法能取得更好的增强效果。     

基于Tchebichef矩和粗糙集的图像分类方法

矩函数能够描述物体形状的全局特征,而采用粗糙集理论解决图像分类问题能避开图像相似度大小的复杂计算.考虑到二者在图像数据处理方面的优势,提出一种基于Tchebichef矩和粗糙集的图像分类方法.首先从图像中提取出Tchebichef矩,再应用粗糙集进行图像分类.实验结果表明该方法能有效地进行图像分类,同时比较了基于Tchebichef矩、Zernike矩和Hu矩的识别结果,说明该方法优于其它方法.     

一种图象预处理的新算法

由于图象信息本身的复杂性和它们之间有较强的相关性,在处理过程可能出现不完整性和不不精确性问题。粗糙集理论是一种新的处理数学工具,它作为一种新的软计算方法,为智能信息处理提供了有较的处理技术。     

基于增补小波变换和PCNN的NSCT域图像融合算法

针对传统NSCT图像融合算法存在的不足,提出一种基于增补小波变换和PCNN的NSCT域图像融合算法。首先对源图像进行NSCT分解,生成一系列低频和高频分量。对低频分量利用二维小波分解,生成一个低频和三个方向分量,对低频分量利用局部区域能量加权方法融合,三个方向分量利用改进的高斯加权SML方法融合;对NSCT分解的高频分量,分为对最高层和其它层的融合,最高层利用改进的高斯加权SML方法融合,其余层利用边缘梯度信息激励PCNN方法融合。最后对NSCT进行逆变换得到融合图像。实验结果证实了所提算法的有效性。     

基于Retinex-UNet算法的低照度图像增强

针对Retinex应用于多种场景时,其约束和参数会受到模型容量限制的问题,提出了一种基于深度学习的低照度图像增强算法,并构建了新的网络架构Retinex-UNet（RUNet）。该架构包含图像分解网络与图像增强网络两部分,利用Retinex-Net网络思想,通过卷积神经网络（Convolutional Neural Network,CNN）学习并分解图像,将其结果作为增强网络的输入,对输入图像进行端对端训练。在增强网络中构建了基于U-Net的网络架构,其可对任意大小的图像进行增强。通过在公开数据集（LOL,SID）上验证表明,RUNet方法在效果上有所改进,尤其是整体视觉效果。     

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。     

提升小波变换的零树分形混合编码算法

为改善图像压缩的效果,在讨论小波提升算法的基本原理与实现流程的基础上,提出了一种改进的基于提升小波变换的零树分形混合图像编码算法。在基本小波提升算法的基础上,考虑到在对小波子树匹配预测时,经提升小波变换后的高分辨率子带自相似性不强的特点,不对高分辨率子块进行分形匹配,而直接用前几个较低分辨子带的匹配结果作为小波子树的匹配结果,改进了基于提升小波系数零树结构的分形预测图像编码方法及过程。实验结果表明,这种改进显著加快了编码速度,编码所花费时间仅为常规方法的十分之一。最后,阐明了小波与分形进行图像压缩相结合的本质和仍需改进的方向。     

改进五叉树分解法在遥感图像检索中的应用

由于一幅遥感图像是对一定范围内的地表状态的成像,并且遥感图像具有多样性、复杂性、海量等性质,致使遥感图像检索往往是查询图像和图像库图像的局部区域之间的相似性匹配。为了提高遥感图像的检索效率,必须首先对遥感图像进行分解。提出了一种将遥感图像分层分解的遥感图像检索方法,该方法利用改进五叉树分解法将图像库图像按层次分解成不同大小的子图,在提取子图的纹理特征后,以查询图像和图像库子图之间的欧式距离衡量图像相似度,实现了遥感图像检索。利用海地地震时的航空遥感图像作为实验数据,应用改进五叉树分解法将遥感图像分解后,进行查询检索实验,并与普通五叉树进行了对比。实验结果表明利用改进五叉树分解法进行遥感图像分解后得到的分块图像,可以更精准地查询出用户真正感兴趣的部分,能够获得较高的查全率和查准率,提高查询效率。     

基于像素领域信息的自适应图像增强算法

针对图像增强后视觉效果较差和细节信息不明显的问题,提出一种新的图像增强算法。计算图像中各像素数据模型与均匀分布模型之间的相对熵,设定阈值,基于邻域信息对相对熵大于阈值的像素进行自适应对比度增强,其余像素采用平台限制的双直方图均衡算法进行增强。实验结果表明,与HE算法、BHEPL算法和PLIP_BHE算法相比,经过该算法增强后的图像具有更好的视觉效果和更明显的细节信息。     

基于改进的多流形算法的人脸图像集识别

一个图像集由大量变化不一的图像组成,而且这些图像都表示同一个人.现实中的图像集数据是非线性的,造成这些现象的因素有人脸的角度不同、光线的明暗等,因此图像集中的每幅图像都是变化的,如果近似的将一个图像集建模为线性子空间,而忽略了集合中数据结构的变化,很显然是不合理的,这也必然会影响到最后的识别率.受流形理论知识的启发,可以将图像集建模为一个流形,这与传统的将图像集建模为子空间的方法有着本质区别.本文在基于流形的人脸图像集识别方法的基础上进行改进,提出新的计算样子空间距离方法,最后采用所有最短子空间距离的平均值作为流形之间的距离,称为改进的多流形方法(Improved multi-manifold method,IMM).IMM方法在CMU PIE数据库上进行实验,结果表明该方法相比其他方法具有更高识别率.