基于粗糙集的图像边缘检测算法研究.docxVIP

基于粗糙集的图像边缘检测算法研究 0 基于粗模拟的图像边缘检测 边缘检测是图像分析的重要内容。边缘具有能勾画出区域的形状, 能被局部定义以及能传递大部分图像信息等许多优点, 因而边缘检测可以看作是处理许多问题的关键。粗糙集理论作为一种新的软计算方法, 与模糊方法、遗传算法、神经网络等一样, 是很有发展潜力的智能信息处理方法。将粗糙集理论用于噪声图像的边缘检测, 对因为噪声影响而模糊了的图像去噪并对边缘进行检测, 能体现软计算的优点。 本文提出了一种基于粗糙集的图像边缘检测方法。首先, 利用粗集理论, 按灰度和噪声条件属性, 将一幅图像划分为不同的子图;将两个去噪子图叠加得到最终去噪图像;最后, 利用边缘条件属性对去噪图像做边缘检测。实验结果表明, 该方法较好的达到了对噪声图像进行边缘检测的目的。 1 属性x 给定一个有限的非空集合U称为论域, R为一等价关系, 则称知识库K= (U, R) 为一个近似空间。设x为U中的一个对象, X为U的一个子集, R (x) 表示所有与不可分辨的对象所组成的集合。当X能用R的属性确切地描述时, X是R可定义的, 称X为R精确集;当X不能用R的属性确切地描述时, X是R不可定义的, 称X为R非精确集或R粗集。 把图像看成一个知识系统, 将一幅灰度级为G的M×N个像素组成的图像U看成是一个知识系统;U中每个像素x称为U中的一个对象;称知识库K= (