基于小波域分析的图像模糊度算法研究

针对模糊图像处理问题,提出了一种基于小波域分析的测量图像模糊程度的算法。这种算法可在图像处理中获得该图像的模糊程度(图像模糊度)的客观、准确的度量。实验结果表明：该模糊度与人的主观排序丰目吻合,可用于图像品质的评价。     

一种改进的全参考模糊度比值算法

由于图像处理技术的发展, 对图像和视频评价提出了更高的要求, 而模糊度（blur）指标可以比较准确地反映图像的客观质量。为了提高图像视频客观评价的准确率, 针对模糊度进行了研究, 提出了一种改进的全参考模糊度比值算法。算法先使用边缘检测得到视频每一帧图像的垂直边缘图, 然后计算其模糊度值, 再将原始视频和失真视频模糊度值在坐标中标出, 一般情况下, 有点状、线状和散点分布三种, 最后使用三种方案：均值、线性回归和最小包容圆对其分布进行拟合。实验结果表明, 这三种方案所得的客观评价结果和主观评价值均有较好的吻合度。     

图像模糊度评价及其应用综述

图像模糊度指的是一种图像降质程度,对其进行评价有着重要的意义。图像模糊度评价属于图像质量评价的一种,目前图像模糊度评价客观方法分为全参考图像模糊度评价、半参考图像模糊度评价、无参考图像模糊度评价三种。本文对上述三种评价方法及其应用进行了分析,尤其对无参考图像模糊度评价算法进行深入探讨,分析其应用适用性,并对其今后发展进行了展望。     

图像模糊度参数估计与图像复原的实验及分析

由于成像系统与运动物体之间存在相对运动，摄像机在成象过程中经常会产生运动模糊。为了有效复原退化图像，需要从模糊图像中估计模糊函数的某些参数、噪声统计量等相关信息。在运动模糊中，模糊函数中最重要的参数是模糊度参数。模糊图像的模糊度内的像素点存在着相关性，利用其相关性可估计模糊度参数。根据运动模糊图像中沿着运动模糊方向与其他方向有不同图像特性的特点，估计水平直线运动图像模糊度参数并采用维纳滤波方法复原模糊图像，取得了较好的恢复效果。     

结合稀疏表示和概率潜在语义的图像模糊度评价

目的 图像的模糊度评价是客观图像质量评价的一种,主要用来衡量图像信号经过成像系统或处理算法后的降质程度,其在图像获取、传输、分析以及图像处理系统或算法评价等领域有着广泛的应用。针对目前图像模糊度评价方法没有考虑人类视觉系统的无监督学习和层次化特征提取的特性,本文将图像稀疏表示和利用概率潜在语义提取图像主题相结合,提出基于稀疏表示和概率潜在语义的图像模糊度评价算法。方法 该算法在图像稀疏表示的基础上,通过概率潜在语义方法分别提取清晰训练图像和待测图像的主题,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据。主要过程分为3个阶段:词典构建阶段、训练学习阶段和模糊度评价阶段。词典构建阶段的目的是通过样本学习获得图像稀疏表示的词典;训练学习阶段的目的是采用概率潜在语义的方法获得训练图像的平均主题;模糊度评价阶段的目的是通过待测图像的潜在主题与训练图像的平均潜在主题的相关系数来计算图像的模糊程度。结果 在仿真图和公共测试数据库上与典型算法的比较实验表明:本文算法在单调性、抗噪性以及视频质量专家组制定的5个评价指标上都取得了较好的效果,其中Pearson相关系数和Spearman秩相关系数分别为0.995 6和0.993 4。结论 本文根据人类视觉系统具有无监督学习和层次化特征提取的特点,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据,提出了一种新的基于稀疏表示和概率潜在语义的图像模糊度评价方法。实验结果表明该方法能够对图像的模糊度进行较准确的评价,并且结果与人的主观评价结果一致。     

基于模糊技术的彩色图像分割方法

由于彩色图像提供了比灰度图像更为丰富的信息,因此彩色图像处理正受到人们越来越多的关注。彩色图像分割是彩色图像处理的重要问题,目前对彩色图像的分割已提出了许多种算法,在这些算法中由于模糊技术能很好地表达和处理不确定性问题,因此在彩色图像分割领域会有更广阔的应用前景。本文主要介绍了基于模糊技术的模糊阈值分割法、模糊聚类分割法和模糊连接度分割法。     

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。     

基于切比雪夫矩无参考模糊图像质量评价

提出了一种新的基于Tchebichef矩的无参考模糊图像质量评价方法。将模糊图像通过低通滤波得到再模糊图像;将模糊图像和再模糊图像分别进行8×8分块并计算每一图像块的Tchebichef矩;根据Tchebichef矩块的值将原始图像块分为平滑块,纹理块和边缘块,计算原始图像和再模糊图像对应块之间的Tchebichef矩向量相似度,得到三类图像块的局部平均相似度;进行融合得到原始图像的最终评价质量。实验结果表明,该方法优于其他算法,与主观评分有更好的一致性,能够更准确地评价模糊图像质量。     

图像处理中模糊算法问题的分析

图像处理是计算机常用技术之一,模糊算法的运用有助于提高图像处理的效果。传统图像处理存在诸多弊端,影响了用户获取信息的便捷性。本文分析了图像处理的基本操作内容,并阐述了模糊算法在图像处理流程中的运用,以进一步提升原始图像处理的效果。     

一种基于模糊MSR的医学X光图像增强算法

由于医学X光图像中存在信噪比低、清晰度差、对比度低等缺点,而普通的图像增强算法很难在增强图像细节特征的同时对图像的背景噪声进行抑制。针对上述问题,将模糊多尺度Retinex算法引入医学图像处理的增强算法中：先计算图像中每个像素点的模糊度,再结合模糊度采用多尺度Retinex算法对图像进行增强。实验表明该算法比直方图均衡、同态滤波以及普通的多尺度Retinex算法增强图像的效果更明显,并能在增强图像的同时,有效抑制图像的背景噪声。     

论模糊概念的度量

模糊度和模糊相似度是模糊集合中模糊概念度量最常用的两种方法。根据模糊度定义,提出了几种实用方便的模糊度公式,并分析了文[3]中新模糊度公式的不正确性;同时根据模糊贴近度定义,提出了一种贴近度公式。这些新公式的引入,在模式识别等实际应用中起着重要的作用。     

基于模糊数学的图像处理方法

基于模糊数学的图像处理技术是计算机图像处理中的重要技术。由于图像处理中图像分析和计算机视觉的影响很大,图像本质上具有模糊性,因此模糊信息处理技术在图像处理中的使用有其内在的合理性和必然性。     

基于模糊加权熵的医学图像多阈值分割

针对H.D.Cheng等人提出的模糊熵公式存在不满足区域一致性条件等问题,提出了模糊加权熵公式,证明了该公式满足图像分割定义的五个条件,克服了传统方法导致图像细节被均衡的不足,可得到较佳的分割结果。另外,隶属函数采用一种梯形分布,该分布可降低了参数的维数,提高了运算的效率。     

基于小波的离焦模糊图像清晰度判定

提出了一种基于小波变换的离焦模糊图像清晰度判定算法.这种算法根据小波变换后的高频子图表示图像细节部分的特性,将高频子图分块,并根据子块保持细节信息的多少,对其加以不同的权值,从而对图像清晰度进行了客观、准确的度量.与传统的灰度方差、模糊指数和熵相比,该算法定义的图像清晰度对图像模糊程度变化敏感,并且更符合人眼的视觉特性.     

基于模糊关系的数据模型分析

模糊性是现实世界事物的一个重要属性,不但描述事物的属性特征方面存在着模糊性,而且事物间的相互联系方面也存在着模糊性。本文基于模糊集合理论,实现一个简单模糊关系数据模型,包括模糊关系的定义、模糊关系运算及模糊关系的完整性。并简单介绍了模糊关系数据库技术的应用领域。     

Fuzzy entropy on intuitionistic fuzzy sets

In this article we exploit the concept of probability for defining the fuzzy entropy of intuitionistic fuzzy sets (IFSs). We then propose two families of entropy measures for IFSs and also construct the axiom definition and properties. Two definitions of entropy for IFSs proposed by Burillo and Bustince in 1996 and Szmidt and Kacprzyk in 2001 are used. The first one allows us to measure the degree of intuitionism of an IFS, whereas the second one is a nonprobabilistic‐type entropy measure with a geometric interpretation of IFSs used in comparison with our proposed entropy of IFSs in the numerical comparisons. The results show that the proposed entropy measures seem to be more reliable for presenting the degree of fuzziness of an IFS. © 2006 Wiley Periodicals, Inc. Int J Int Syst 21: 443–451, 2006.     

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     

基于模糊不确定性的自适应采样

提出一种用于MonteCarlo全局光照的自适应采样方法,使得合成图像时对每个像素采用不同的采样数量,以提高间接光照的表现效果,降低图像总体噪声水平．考虑到图像或像素噪声水平的评价具有内在的模糊不确定性,基于模糊理论,以像素样本光照为基本元素建立模糊集合,利用模糊集的模糊度提出一种新的像素噪声水平评价标准．在新评价标准的基础之上实施自适应采样,首先对像素进行少量采样,然后根据新标准评价其噪声水平,并有针对性地对噪声水平较高的像素使用较多的采样样本．通过大量实验,验证了文中方法比已有的自适应采样方法更好．     

改进的多层次模糊增强算法应用研究

在工业上由CCD相机拍摄的图像,因一些不利的因素,会产生斑点噪声且使待检测的目标间强度对比比较明显。对这一问题,目前常用的传统边缘检测和基于模糊理论的边缘检测方法存在着各种缺陷,由此提出了一种多层次模糊增强边缘检测算法。该算法首先使用Valley-emphasis算法来计算阈值参数,根据阈值定义的凸非线性隶属函数对待测灰度图进行模糊特征平面映射,再对模糊域进行平滑处理和模糊增强。在此基础上,提出了基于模糊熵的边缘检测方法。实验结果表明该算法有效,检测结果为工业上质量控制提供了重要依据。     

基于模糊颜色量化的图像检索

颜色量化是基于颜色特征的图像检索的一个重要方法。在颜色量化中引入模糊集合理论,提出了一种基于人的主观视觉感知的模糊颜色量化方法,以减小量化误差和适应人的感知模糊性,根据此方法提取模糊颜色-空间特征用于图像检索。实验结果显示了模糊量化方法的有效性和检索算法较高的检索准确性。