基于模糊逻辑的图像处理算法研究-公开课件（讲义）.pptVIP

实验结果与分析 信噪比分别为90、60、30、20、10的Ring标准图 基于粒子群模糊聚类的边缘检测算法 不同方法对Ring标准图进行边缘检测的Pratt品质因数值 信噪比(SNR)值 10 20 30 60 90 Canny算子品质因数 0.482 0.552 0.561 0.572 0.579 文献[88]方法品质因数 0.693 0.701 0.713 0.725 0.731 本文方法品质因数 0.825 0.847 0.856 0.863 0.867 基于粒子群模糊聚类的边缘检测算法 实验结果与分析 (a)rice加噪图 (b)Canny算子检测结果 (c)文献[88]方法检测结果 (d)本文方法检测结果 基于粒子群模糊聚类的边缘检测算法 实验结果与分析 (a)加噪图 (b)Canny算子检测结果 (c)文献[88]方法检测结果 (d)本文方法检测结果 基于粒子群模糊聚类的边缘检测算法 实验结果与分析 基于粒子群模糊聚类的边缘检测算法 实验结果与分析 (a)加噪图 (b)Canny算子检测结果 (c)文献[88]方法检测结果 (d)本文方法检测结果 结论 本节构造了边缘检测性能更好的边缘点特征向量来定量描述边缘点附近的灰度分布是有序的、具有方向性以及灰度突变是具有结构性的三个本质特征。由于所提方法在构造边缘点特征向量时，充分地考虑了噪声点和边缘点的本质差别，因此此方法对噪声具有良好的抑制作用。利用基于粒子群算法的模糊聚类方法进行边缘检测，本节方法能产生较明确的边缘，无需再进行细化处理，提高了边缘定位的精度。 基于粒子群模糊聚类的边缘检测算法 引言 1980年Pal和King提出了一种单层次模糊增强算法，但这种单层次模糊增强算法使阈值参数附近的某一边缘得到增强，但同时却使远离阈值参数的其他边缘受到抑制，从而引起图像视觉效果下降。另外，由于算法采用非线性模糊增强变换函数，使得运算速度慢且损失部分灰度信息。为克服Pal和King单层次模糊增强算法的不足，提出了一种更有效同时能较好抑制噪声的基于模糊增强的图像边缘提取算法。 基于模糊增强的图像边缘检测算法 传统单层次模糊增强算法及其缺陷 Pal定义的隶属函数如下： 模糊增强算子定义为： 基于模糊增强的图像边缘检测算法 改进的图像多层次模糊增强边缘提取算法 1、基于模糊熵选取阈值参数 2、基于改进模糊算子的图像增强 3、模糊集到图像集的变换 4、增强图像的边缘提取 基于模糊增强的图像边缘检测算法 (c)Pal算法结果 (d)本文算法结果 基于模糊增强的图像边缘检测算法 实验结果与分析 （a）House原图 (b)原图直方图 基于模糊增强的图像边缘检测算法 实验结果与分析 （a）原图 (b)原图直方图 (c)Pal算法结果 (d)本文算法结果 基于模糊增强的图像边缘检测算法 实验结果与分析 （a）原图 (b)原图直方图 (c)Pal算法结果 (d)本文算法结果 结论 本节在分析了传统单层次模糊增强Pal算法缺陷的基础上，提出了一种改进的基于模糊增强的图像边缘提取算法。该算法定义了多层次图像的模糊熵及一个基于模糊熵的测度，同时还提出一种新的模糊增强算子，从而更有效地增强了图像边缘信息。算法中先求层次，进行模糊平滑处理，再作模糊增强处理，最后进行边缘提取。