双线性快速模糊增强图像边界检测最新算法

本文利用广义模糊集(GFS)理论,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(LGFO),从而给出了双线性快速模糊增强图像边界检测最新算法。首先利用线性右半梯形隶属变换将灰度图像的普通空间变换为广义模糊空间,再利用LGFO对广义模糊空间进行区域对比度增强,然后把增强后的广义模糊空间变换为普通空间,最后对处理后的普通空间进行边界提取。通过大量实例验证,使用本文算法提取图像边界速度快、效果好。而且多项指标均超过了文[1～4]。     

基于GFS的双线性快速模糊增强图像边界检测新算法

根据广义模糊集(GFS)理论,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(LGFO),从而给出了基于GFS的双线性快速模糊增强图像边界检测新算法。首先利用线性左半梯形隶属函数将灰度图像的普通集合变换为GFS,其次利用LGFO对GFS进行区域对比度增强,同时把GFS变换为模糊集合,然后再把模糊集合变换成普通集合,最后在普通集合中进行边界提取。通过大量实例证明,使用该算法提取图像边界速度快、效果好,而且多项指标均超过了献[2]～[5]。     

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。     

DICOM数据的动态边界检测

根据广义模糊集理论,提出了用于DICOM数据的动态边界检测算法。该算法可以动态提取DICOM数据的多种边界。既可以忽略细节提取DICOM数据的粗略边界,也可以增强细节提取DICOM数据的细节边界。文献[5]和[8]是该算法的特例。最后给出彩色图像的动态边界检测方法。     

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.     

一种基于三维医学图像的对比度模糊增强算法

由CT、MRI断层切片重建出的三维医学图像可以划分为目标区和背景区两部分,进行医疗诊断的信息主要集中在目标区,因此在图像进行处理时应合理区分两部分并采用不同的方法进行处理。文章针对这一问题,提出了一种三维医学图像的对比度模糊增强算法;该算法能够将三维图像目标区与背景区分开,并单独对目标区进行模糊增强处理。实验表明了该算法的有效性和可行性。     

广义模糊算子应用于图像边缘检测中参数的选择与经验计算

图像边缘检测提出了广义模糊算子，从理论到方法的实现是任何其他倾诉 边缘检测技术的重大创新。它具有边缘定位精度高，检测速度快等优点。但该算法中参数的设置要凭经验选择，应用上不方便笔者经过大量实验获取了有关参数计算的经验公式，使该方法中参数的自动设置成为可能。     

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。     

广义模糊Gibbs随机场与MR图像分割算法研究

为了对图像进行准确、可靠的分割,提出了一种基于广义模糊集的软分割算法,并将广义模糊集和G ibbs场结合起来,提出了广义模糊G ibbs随机场模型,同时建立了广义模糊G ibbs分割(GFGS)算法。该算法是首先把每一个分割类看作是广义模糊类,并以最大后验概率(MAP)为判别准则来决定每一个像素值的归类以及它属于该类的隶属度;然后用广义隶属度函数中负的部分来刻划数据中的异常值,使得该算法能有效地处理异常值;最后用该模糊类的质心来更新类的中心,并以人脑的仿真图像和临床MR图像进行了实验。实验结果表明,该算法能有效地滤除噪声和处理部分容积效应,是一个分割能力强、稳健性好的算法。     

利用模糊边界提取算法实现医学图像边界提取

以DICOM图像为研究对象.采用模糊边界提取算法.利用VC 实现了DICOM图像边界的提取,完成了DICOM图像格式到BMP图像格式的转换与存储.以实例说明了算法的实现效果.     

一种快速模糊图像边缘检测算法

针对传统模糊方法处理速度慢的弱点,该文建立了一种新的快速图像处理算法,包括模糊图像增强、模糊平滑和模糊边缘检测,该方法利用相应算法建立快速查找表,通过简单的查表运算,大大提高了图像处理速度。所提方法的快速性和有效性在B-超图像应用后得以证明,并取得了比其他处理方法好的效果,为这种新的快速模糊图像边缘检测算法在B-超临床应用打下基础。     

基于局部图像锐化的自适应模糊边缘检测算法

为了准确检测出模糊边缘的位置 ,对用小尺度滤波器检测模糊边缘时噪声影响检测效果的原因进行了分析 ,依据这些噪声点在模糊边缘附近的统计分布规律 ,提出了一种用于图像锐化的阈值计算方法 ,算法自适应地计算图像不同区域对应的图像锐化阈值 ,并用这个值来锐化模糊边缘图像 ,实现对模糊边缘的准确提取。实验结果证明该算法能有效去除模糊边界处的干扰点 ,明显改进了小尺度滤波器提取模糊边缘的性能     

基于模糊增强的彩色边缘检测研究

针对灰度图像易丢失有用信息,以及边缘较模糊的图像其边缘检测结果不准确等问题,本文提出基于模糊增强的彩色边缘检测方法。该算法首先将彩色图像转换到YUV,空间 ,然后在图像的模糊特征平面上进行模糊增强,并合理使用亮度、色度等信息进行彩色边缘检测,最后二值化。实验结果表明,该算法是有效的。     

一种提取SAR图像边缘的改进算法

传统的边缘提取算法不能解决合成孔径雷达(SAR)图像小边缘、赘余边缘多的问题。针对SAR图像特点,提出一种改进的基于过渡区模糊增强边缘提取方法。通过分析经典模糊增强算法和改进的模糊增强算法的缺陷,在图像增强中引入过渡区概念,很好地克服了原来模糊增强算法渡越点选择不当造成的丢失目标边缘信息、边缘连通性不好、小边缘多等缺点。能够有效地提取出感兴趣目标的丰富的边缘信息,并且去除了很多小边缘赘余信息。对比实验结果证明该方法效果好。     

多灰度层次图像的的快速模糊边缘检测算法

模糊边缘检测算法一般是在某个灰度级附近的边缘得到增强的同时,其他一些边缘会受到抑制。为了同时增强图像中不同灰度层次的边缘信息,本文提出一种改进的快速模糊边缘检测算法。利用边缘的一般特征和图像中邻域像素的关联性,根据不同的灰度区域自适应地选取算法参数,用于对多灰度级边缘的图像进行边缘提取。本文算法简洁合理,可以检测到不同灰度层次的边缘,而且速度较快。     

一种改进的模糊边缘检测快速算法

比较全面地分析了 Pal.King模糊边缘检测算法的缺陷 ,提出了一种新的快速模糊边缘检测算法。该算法不仅克服了 Pal.King模糊检测算法定义的不足 ,简化了复杂的变换和逆变换运算 ,而且针对 Pal.King算法中对隶属度阈值设置为固定值的不足 ,提出了自动确定模糊增强变换中最佳隶属度阈值的算法 ,并在此基础上实现模糊增强函数中增强阈值的自动获取。仿真结果证明 ,该算法效率高、提取边缘精细、适用面广 ,是一种很有实用价值的图像处理算法     

基于对比度增强的彩色图像边缘检测算法

在分析彩色图像边缘的灰度化和漏检问题的基础上,设计了分解基于分量相关的颜色模型的彩色图像得到的颜色分量进行颜色对比度增强的算法。提出了以该算法为基础的彩色图像边缘检测的改进方法,即对增强后的各分量应用梯度算子检测其分量边缘,最后合成为彩色图像边缘。实验结果表明,文中提出的改进方法,能够检测出图像的彩色边缘,具有检测出的图像边缘细节较完整的优点;又由于该方法是基于像素点处理的检测方法,故不必进行颜色模型的转换,具有方法简单、算法复杂度低的优点。     

融合模糊聚类的蚁群图像增强算法

为提高边缘检测精准度,保证图片分割后效率和效果,本文提出一种基于融合模糊聚类的蚁群图像增强算法。该算法利用分量灰度值、灰度梯度值和领域特征值进行图像特征提取,得到特征灰度图;然后使用模糊聚类算法对区域蚂蚁进行聚类以提高收敛速度;再采用蚁群算法进行图像边缘检测,检测过程中,使用路径选择策略对蚁群进行有序搜索,提高搜索效率,又根据信息素更新策略进行最优路径信息交流,以达到边缘点提取与检索目的;最后将检索所得灰度边缘图与原图进行重合,得到图像增强效果。实验结果表明,该改进算法在检索时间方面相较于传统蚁群算法提高了20.7%;在精度方面提高了14.8%,图片分割效果更好,纹理更清晰。