粗糙集理论在图像处理中的若干问题的研究.pdf

摘要 粗糙集理论是波兰华沙理工大学Pawlak教授在20世纪80年代初提出的一种研究不 完整、不确定知识和数据的表达、学习、归纳的理论方法。到1990年前后，由于该理论 在决策与分析、模式识别、数据挖掘、机器学习与知识发现等方面的成功应用，逐渐引起 了世界各国学者的广泛关注。目前，粗糙集与计算机图像处理的结合已经成为了计算机图 像处理的一个新的研究方向。本文的主要工作集中在：尝试将粗糙集理论应用到图像处理 中，包括在图像聚类分析中的应用、在图像边缘检测中的应用以及结合数学形态学对图像 进行处理的一些应用。虽然，目前有些学者在此方面进行了研究，但所做的工作还较少， 相关的参考文献和应用背景也较为缺乏。本文期望在这些方面做更多的探索，一方面充分 挖掘粗糙集的应用潜力，另一方面寻找出新的图像处理方法。 属性约简是粗糙集理论的核心内容。本文首先提出了一种基于启发式信息的约简算 法，该算法简单高效，通过对UCI的8组数据进行实验，证明该算法具有良好的性能。 基于粗糙集理论，本文改进了经典的模糊c均值算法，提出了粗糙模糊c均值(Rou曲 Fuzzyc-me¨s)算法，并将其应用到图像聚类中，在一定程度上改进了经典模糊c均值 算法应用中聚类边界比较粗糙的问题，同时降低了对初始隶属度矩阵的依赖性。本文从算 法聚类性能、对初值敏感性方面分别对算法进行了比较实验，实验显示RFcM算法具有 一定的优势。结合模糊集，本文还研究了模糊粗糙集模型在图像处理中的应用，提出一种 基于T模的二元模糊粗糙集模型，并将该模型应用到图像边缘检测和去嗓方面，取得了 比sobel等经典算子较好的效果，在一定程度上改进了经典边缘检测算法对低对比度边缘 检测不明显的问题。本文对经典的数学形态学进行了改进，提出一种基于粗糙集的数学形 态学算法，在图像边缘检测实验中，改进的模型既保证了边缘的连续性，又克服了形态学 算予边缘检测时边界较粗的问题。最后，本文对粗糙集理论在图像处理中的应用进行了总 结，对进一步的研究方向进行了展望。 关键字：粗糙集：聚类；边缘检测；数学形态学 第1页 ：=：== =：；： ：：曼堕：墼薹：薹娄蠢：蕊至錾塞：：竖：耋堡望圣=：= ：：：；；： ABSTRAG手 Pro瓶s。rzPawlakm meth。dthat by a也eoretjcaI Rough∞tstheo咏proposed 198嘛b reseaKhes lndHmion n啦棚lyvague球：聃8ndHnee娃积晦of妇owled誊岛b挝alsoexp辩s蘸on靴d of出I扭．8ef0J．eandaf}er has attr孔tedwondw!dea“Pntion 19∞，fougbsets搬eoryg脯duaily 0fjtg In because and njtion． da轴d∞ision-makjnganalysjs，pa仕emmcog successful叩plications 南{[a and disedvering．Atp陀s瞄匕jma窖eprocessjl唱 minin野撙achinetc8m融gkn删1cdge havekeom氆e 融e国。如b鑫sed㈣f∞曲s#姆lh∞fy Tlew{Ⅱv躐ig稚w曲_ec鞋onof{瑚3薛 nlainwo出吖抽is h10 some of processing．The paper