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.     

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。     

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。     

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。     

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。     

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。     

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。     

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。     

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     

一种改进的基于模糊推理的边缘检测算法

针对基于模糊推理的边缘检测算法中存在的边缘模糊、未去除伪边缘、算法优化效果不佳的问题,提出一种改进的模糊边缘检测算法。给出一种模糊化规则,即利用方向灰度对比度确定边缘隶属度值,增加去除伪边缘的规则,使得边缘细化。实验表明,该算法效果优于模糊竞争算法、Pal King算法和其他一些改进的模糊边缘检测算法。     

基于小波域的模糊增强算法

在小波域上用模糊增强算法实现图像的增强,这是涉足较少的一个领域,以前基本上都是分开研究图像的增强算法.在小波域上增强图像,小波基的选择是很重要的一个问题.给出了选择小波基的标准,针对本算法,使用了相对较好的bior4.4小波基,对模糊增强算法,在传统的模糊增强算法基础上,提出了一种改进算法.它主要是对隶属度函数的修改,改进后的隶属度函数取值范围更广泛,适应性更强.所有的算法都经过了Matlab编程,实验表明,增强以后的图像能够显示更多的细节,图像变得更加清晰,可以得出本算法基本上是成功的.     

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．     

基于模糊梯度法的边缘检测方法

根据图象边缘灰度的梯度变化,构造图象灰度模糊矩阵和描述边缘点的隶属函数,利用遗传算法实现隶属函数各参数的寻优过程,并由输出隶属度判断提取图象边缘点,实现了图象的边缘检测。实验表明,该方法能有效地描述边缘的穿越过程,并可改善检测结果。     

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。     

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。     

基于估计熵的模糊滤波

介绍了近年来出现的一种度量信号复杂程度的统计量——估计熵（Ａｐｐｒｏｘｉｍａｔｅｅｎｔｒｏｐｙ），并将其用于信号的模糊滤波。这种滤波器具有能随信号的特征自动调节滤波器结构的优点，特别是当信号为非平稳时有较好的效果。这种滤波方法具有一定的自适性，适合于工程应用。     

基于混合人工鱼群的图像模糊增强算法

模糊隶属度函数的形式直接影响灰度图像增强的质量,为进一步改善图像模糊增强的效果,对目前的模糊隶属度函数进行研究,并提出一种改进的参数化s型模糊隶属度函数用于图像增强;所提算法利用图像对比度的质量评价模型,结合人工鱼群算法和Powell算法搜索s型函数中的未知参数值,进而确定该模糊隶属度函数;通过实验结果表明:该算法能够较好地改善灰度图像质量,并且控制参数可通过优化算法自适应获得,具有较好的通用性,是一种有效的图像模糊增强算法。