基于模糊隶属度中值阈值分割算法.docVIP

基于模糊隶属度中值阈值分割算法 　　摘 要： 针对图像模糊集模型的构造问题，提出一种基于模糊隶属度中值的阈值分割算法。该算法选取有代表性的几种隶属度函数在给定灰度处的中值作为新的隶属度值，即提取多个隶属度值的一维统计特征，将灰度图像转化为一个模糊集合，再以[α]?型模糊散度为目标函数寻找最佳阈值。仿真结果显示了该算法的有效性。 　　关键词： 阈值分割； 隶属度函数； 模糊集； 中值； 模糊散度； 图像分割 　　中图分类号： TN911.73?34 文献标识码： A 文章编号： 1004?373X（2018）11?0040?06 　　Threshold segmentation algorithm based on median of fuzzy membership degree 　　SHI Luna， LAN Rong 　　（Xi’an University of Posts and Telecommunications， Xi’an 710061， China） 　　Abstract： A threshold segmentation algorithm based on median of fuzzy membership degree is proposed to construct a fuzzy set model for an image. The median （at a preset gray level） of several representative membership?degree functions is selected in the algorithm as the new membership degree value， that is， the one?dimensional statistical characteristic of multiple membership degree values is extracted to convert the gray image into a fuzzy set， and then search the optimum threshold by taking α?type fuzzy divergence as the objective function. The simulation results show that the algorithm is effective. 　　Keywords： threshold segmentation； membership degree function； fuzzy set； median； fuzzy divergence； image segmentation 0 引 言 　　图像分割是一种重要的图像处理技术，其目的是根据实际需求把图像分成具有各自特征信息的子图像，从而将感兴趣或有价值的目标提取出来，进行识别和分析[1]。它是由图像预处理到图像分析的关键步骤[2?3]。 　　由于具备原理简单、性能稳定的特点，基于阈值的图像分割方法成为一种最基本、应用最为广泛的分割方法，因此受到广泛关注[4?5]。阈值分割的基本原理是根据图像像素灰度值的差异性，选取一个或者多个灰度值作为阈值，对图像中的目标或区域进行分割。由于图像是对客观存在物体的一种相似性的生动模仿与描述，是对物体的一种不完全、不精确的描述。因此，模糊集理论作为处理不精确信息的有力工具，被广泛应用于图像处理领域，其中基于模糊理论及其推广概念的阈值分割算法成为研究热点之一[6?7]，也是本文的主要研究内容。 　　在基于模糊集理论的图像分割算法中，采用合适的方式将图像转化为对应的模糊集，即获得图像的隶属度函数是关键环节[8]。目前，研究者根据自身的偏好选择常用的图像隶属度函数，具有不可避免的主观色彩。因此，如何在现有的多种模糊隶属度函数的基础上，通过模糊信息集结的思想构造图像的模糊集模型是解决此问题的新思路[9]。 　　文献[9]中提出一种基于隶属度值算术平均值的分割算法（以下称其为算术平均算法）对多种信息进行均衡化处理，达到了较好的分割效果，但这种均衡始终依赖于所?x的隶属度函数，隶属度值偏大或偏小也将影响该算法的分割效果。受到算数平均算子的启发，同时作为算术平均算法的一种必要补充，本文提出一种新的隶属度函数构造方法，即基于模糊隶属度中值的阈值分割算法。该方法在现有的具有代表性的几种隶属度函数基础上，选取其中值作为新的隶属度值将灰度图像转化为模糊集合，再以[α]?型模糊散度为目标函数寻找最佳阈值实现分割。因此，该算法依靠图像模糊隶属度值的中值，一种常用的一维统计特征获得图像的隶属度。由于将多种隶属度函数在给定灰