计算智能模糊集的应用(图像处理)精讲.ppt

模糊集在图像处理中的应用;早在20世纪20年代就已经开始了图像处理方法的研究,但真正有实用价值的现代图像处理理论和技术是20世纪60年代中期以后才开始的。当时,美国国家宇航局发表的从月球表面发回地面的清晰电视图像, 从此以后,图像处理技术便迅速地发展起来。 近年来,不少学者将模糊数学的方法引入到图像处理中所取得的成果表明基于模糊子集理论的处理和识别技术在一些场合具有比传统方法更好的效果。 例如在图像处理方面, 模糊增强算法比传统的直方图方法效果更好。 在图像分析方面, 运用模糊集论对复杂图像进行分析,成功地实现了动目标检测。;图像的模糊特征平面;图像增强;;;模糊增强;增大了0.5以上的值,而减小了0.5以下的值，该变换降低了模糊集A 的模糊性。;图像质量评价;图像质量评价——PSNR;图像质量评价——模糊性指数和模糊熵;若取d为广义汉明距离;图像的线性模糊性指数;图像熵：图像信息量的指标，熵越大，信息量就越大;优点：不需要参考图像;图像边缘检测;;;;无噪声时，三个算子均能够比较准确的检测边缘。 含噪图像，边缘检测效果均不同程度地受到噪声干扰。噪声越重，检测出伪边缘越多，甚至漏检。 Roberts算子采用对角线方向梯度幅度，边缘定位精度高，对噪声敏感。 Sobel算子是4邻域灰度加权和，在一定程度上抑制了对噪声的影响，边缘比较粗，边缘定位精度低。 Prewitt算子类似Sobel算子，与Sobel算子一样，边缘比较粗，定位精度低，损失角点信息。;Laplacian算子利用边缘的二阶梯度为0，来检测图像边缘;;无噪声时，Laplacian、LOG和Canny算子检测效果均比较好，优于一阶梯度算子。 含噪时，Laplacian、LOG检测效果均不同程度受噪声影响，Laplacian算子影响最明显，几乎检测不出边缘；LOG算子检测出大量伪边缘和噪声点；Canny算子检测效果总体上还是比较满意的。 Laplacian对图像中的阶越性边缘点定位准确，但该算子容易丢失一部分边缘的方向信息，造成检测边缘不连续。 LOG算子噪声能力取决于高斯函数方差，方差越大，对噪声的抑制力越大，避免了虚假边缘的检出，但信号的边缘被平滑了，造成边缘点丢失。方差越小，可以检测图像的细节，但噪声抑制能力下降，出现虚假边缘。 Canny算子理论和实际存在差异，该算子的高斯平滑损失了高频信息，造成边缘丢失。;基于模糊的边缘检测;