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。     

基于过渡区域模糊增强的合成孔径雷达图像边缘提取算法

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。本文针对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跃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。     

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。     

一种改进的模糊增强算法

针对传统的模糊增强算法的一些不足,提出一个改进的算法,它主要是对隶属度函数的修改,使之取值范围更普遍,适应性更强。改进以后的算法能使图象保留更多的细节,使图象变得更加清晰,所有的算法都是用Madab编程完成。实验表明,本算法是可行的,有效的。     

基于直方图的图像模糊增强算法

对经典的模糊增强算法进行了分析,在此基础上,结合直方图数据,提出改进的模糊增强算法,使得在不影响图像处理质量的前提下,提高了算法处理的速度。     

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     

基于分类器的图像模糊边缘检测快速算法

通过对Pal King边缘检测算法的分析,提出了一种新的模糊边缘检测快速算法。首先对图像进行模糊增强,然后依据当前像素及其8-邻域像素的灰度,设计了一个分类器,通过计算相对于该分类器的模糊隶属度函数值,对像素进行边缘分类;最后锐化所得的边缘像素,剔除噪声。算法抛弃了Pal King方法中复杂的迭代运算,同时也克服了Pal King算法中对图像低灰度值边缘信息的丢失,还可以通过设置不同的参数来检测不同细节的边缘。实验结果表明,该快速算法比Pal King算法的边缘检测能力更强,同时运算速度提高了约20倍。     

基于模糊增强的小波多尺度边缘特征提取

分析了当前Pal. King模糊边缘检测算法缺点,结合其思想提出一种新的较好的改进方法;该算法采用新的隶属函数,能简化运算提高速度;运用最大均方差法能自适应求解分割阈值;利用小波变换良好的局部性能和多尺度分析特性,能较完整地提取边缘信息,并且具有较强的抑制噪声能力;实验证明该方法能准确检测图像中的目标边缘,较好地保持目标边缘的连通性,边缘提取清晰,细节丰富,抗噪性强。     

基于模糊增强算法的不规则缺陷边缘提取研究

在工业焊缝不规则气孔缺陷的无损检测过程中,由于利用×射线拍摄的数字图像对比度低、噪声大、图像灰度变化复杂,缺陷边缘信息难以提取.针对上述问题,本文首先利用自适应中值滤波消除利用×射线拍摄的数字图像无缺陷的焊缝区域和背景区域,然后利用优化的模糊增强算法对图像边缘进行增强处理,最后分离提取出缺陷区域.通过实验对比,本文采用的方法检测精度高,处理速度快,具有较好的工程应用价值.     

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．     

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]。     

自适应图像模糊增强快速算法

Pal-King算法的隶属度函数复杂,图像增强速度慢,且渡越点难以设置。针对上述问题,提出一种自适应图像模糊增强快速算法。采用新的隶属度函数使模糊增强函数的增强幅度更大、速度更快,通过改进OTSU算法的自适应阈值计算公式,使渡越点的设置更合理。实验结果表明,与Pal-King算法相比,改进算法具有更快的增强速度和更好的增强效果。     

基于特征点提取的图像增强算法

特征提取被广泛的运用在图像处理和计算机视觉领域.而特征点提取的效果很大程度上取决于图像的质量.在室外,考虑到多变的光照条件图像的质量通常很差.除此以外,物体间的互相遮挡也是特征提取上的一个难题.因此,研究怎样实时提取低对比度图像是一个很具挑战性的问题.Retinex理论被认为是分离光照图和反射物体图从而得到补充光照图的良好办法.但是亮度图像重建的计算复杂度很高.本文提出了一种基于Retinex理论的图像增强算法.新的算法优化了可变框架的Retinex理论.文中提出一种新的卷积函数,其能有效的减少计算时间,并将多尺度和卷积函数结合起来.文章的最后提出了一种能衡量提取特征点有效性的评估实验.实验结果证明,新的算法不仅能够极大的减少处理时间从而满足实时性要求,而且能使增强后的图像更适合与特征点提取.     

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。     

基于多尺度形态小波变换的红图增强算法

针对红外图像对比度差、信噪比低的特点,本文将小波分析与数学形态学相结合,提出了一种基于多尺度形态小波变换的红外图像边缘增强算法.该算法首先利用多尺度形态小波变换对图像进行分解,提取图像的多尺度边缘特征,然后通过非线性增强算子来改变边缘特征的强度,最后利用多尺度形态小波反变换重构图像,以实现图像边缘的对比度增强和背景抑制.实验结果表明,该算法有效地保持和增强了边缘信息,得到较好的增强效果.     

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。