基于改进广义模糊增强图像分割方法探究.docxVIP

基于改进广义模糊增强图像分割方法探究 摘要：本文提出了一种基于改进广义模糊增强的 图像分割方法。该算法就Pal模糊增强算法的不足进行分析, 提出一种改进的广义模糊增强算法且将其应用于图像分割 中，并就模糊参数选择缺乏理论依据的问题提出一个解决方 案。在与各类传统分割方法的分割效果进行比较后，实验结 果证明该方法的算法复杂度低，分割速度快且分割质量高。 关键词：图像分割；广义模糊增强；模糊参数；二值化 中图分类号：TP273 在图像处理领域，图像分割技术占有重要地位，它是计 算机视觉和图像理解的最基本问题。其分割结果关键性地决 定了图像处理系统高层模块的性能，如对图像的分析、理解, 识别等。所谓分割［1］就是按照一定的准则把图像分割成若 干互不交叠的区域，被分割的区域应满足同质性和唯一性。 分割算法的任务就是将图像划分为不同特性的区域，用所分 割区域表示图像感兴趣的部分，为实现图像描述方法的转换 和图像后续处理提供重要的依据。 在图像的实际成像过程中，由于各种因素的影响，如光 照、反射、视角、噪声等，使得图像中各种景物之间存在着 不确定性和不精确性（及模糊性）的问题，而不确定性又往 往是由其模糊行引起的，这些都会造成图像质量下降的问 题，为后续的图像分割工作带来相当大的干扰性。模糊集合 理论[2]以其模糊逻辑推理方式，为不确定因素所造成的系 统复杂性和决策过程的分析提供了有效手段，利用模糊集合 理论处理因多灰度所造成的不确定性问题比用普通集合的 思维更加合理。Pal [3] [4]等人正是基于此认识，率先将模 糊集合理论应用到图像增强处理上，目前在其基础上已经有 了不少改进算法[5] [6]o为了在分割过程之中避免各种因素 对图像质量的影响，提高分割质量，减短分割时间，本文提 出一种基于改进广义模糊增强的图像分割方法，并将其应用 于多幅图像的分割中，实验表明，图像经过本文算法中的广 义模糊增强后，不仅各区域之间层次更加清楚，而且各区域 的对比度、边沿强度等也有显著提高，从而便于将图像中的 目标和背景很好地分割开来。 1 Pal模糊增强算法及其缺陷 依照模糊集理论，一个灰度级为L的MXN的二维灰度 图像，可以表示成一个模糊矩阵: 矩阵中每个元素Pij/xij表示图像中元素（i, j）的灰 度xij相对于最大亮度L-1的亮度程度，由P={Pij}构成的 平面称为图像模糊特征平面，文献[3]中Pij采用下式求解: 其中xmax为图像的最大灰度值，Fc和Fd为模糊特征参 数，一般取Fc=2,称Pij=O. 5时的灰度值为渡越点Xc。设 定Fc和Xc,即可计算出Fd： 令T (xij=O)二a ,则结合式(2) (3)可得： 取Fc=2时显然有a 0o 模糊增强的基本思想是对通过对Pij进行非线性变换， 以渡越点为界增大或减小Pij的值，得到新的模糊特征平面 P = {Pij},其中 n为迭代次数，一般迭代1?3次即可得到很好的增强效 果。最后再对Pij进行逆变换，即可获得原灰度图像X={xij} 的模糊增强图像X = {xij}： 由上述分析可知a 0,经过式(5)变换后，会出现 Pij , (12) 先预设b=0,对多幅遥感图像进行实验，经数值计算发 现增强图的区域对比度和边缘能量随k取值的变化而变化总 体变化趋势如下： 就“对比度”而言：对于多幅实验图，各自的峰 点对应的D值在(xmax+xmin) /2—0的范围内不尽相同，但 在D= (xmax+xmin) /k0后各处增强所得的对比度的变化开 始平稳且都比较大； 就“边缘能量”而言：发现多幅实验图的峰点对 应位置均为D= (xmax+xmin) /k0处； 就“目视效果(区域对比度)”而言：取D二 (xmax+xmin) /k0得到的模糊增强图有较好的区域对比度， 表现为各区域内像素的灰度差异比较小(可以细微到2?3 个灰度值)。 就以上分析，可将模糊参数D取值公式中的k取为kO, 且可根据关系图中对比度值在D二(xmax+xmin) /kO后的附 近范围之内有增长的趋势，将b取为-bO,其中b0e[5, 10] o 因为实验图像经模糊增强后区域内的灰度差异都可以 细微到2?3个灰度值，所以本文可直接使用区域分割法中 的灰度相似性“聚合法”对增强图像进行分割，且其中的灰 度差异阈值可根据上述的分析设为2,这样可以解决该分割 法中灰度差异阈值很难确定这一 “瓶颈”问题，保证了算法 的通用性。 3实验结果及分析 在使用本文方法进行具体的二值化操作之前需要先进 行D值的选择，图3和图4两幅图像的对比度和边缘能量随 k值变化而变化的情况如图6所示，就图6进行分析可将k 值取为3, b取为-5。将得到最优D值应用于本文的改进广 义模糊增强算法中，对图像进行广义模糊增强，本文方法釆 取的