王保平[1]2004年在《基于模糊技术的图像处理方法研究》文中指出图像处理是图像工程的低层次操作，其处理效果对图像的高层次操作，即图像分析和计算机视觉的影响很大。但由于图像处理问题本身的复杂性和学科交叉性，几十年来该问题一直是研究的热点。 图像本质上具有模糊性，这是由于(1)叁维目标投影在二维图像平面上带来的信息丢失。(2)定义边界、区域和纹理等图像特征时存在模糊性。(3)对图像底层处理结果的解释带有模糊性。因此，模糊信息处理技术在图像处理中的使用有其内在的合理性和必然性。 基于上述原因，本文提出了许多基于模糊信息技术的图像处理新方法和新思想，并取得了良好的效果。本文共分为七章，主要内容如下： 第一章为绪论，阐述了图像处理是计算机视觉和机器智能研究中的基本问题，论述了模糊信息技术在解决图像处理问题时有其必然性和合理性。最后列出了本文取得的主要研究成果。 第二章简要介绍了和本论文相关的模糊数学知识，作为本论文的数学预备。 第叁章提出了一些图像空域增强算法，即几种局部运算方法。该章对图像中不同类型加性脉冲噪声的去噪问题进行了系统地研究和分析，提出了叁种基于模糊信息处理的图像平滑去噪滤波器，分别为基于模糊熵的多值图像去噪滤波器、基于直方图的图像椒盐噪声滤波器、基于直方图和区域信息的自适应图像脉冲噪声滤波器。实验表明这些方法滤波效果优于传统的滤波器和其它模糊滤波器。 第四章研究了图像空间域增强的另一类方法，即点运算法。提出了一种新的基于模糊信息处理的自适应图像灰度级修正法。新方法首先通过模糊熵的引入，在图像灰度级修正算法中利用了图像的邻域统计信息、模糊信息和人眼视觉特性；其次利用灰度值的统计特性达到了图像自适应增强的目的；接着补充了一个有用的非线性变换，增加了这类算法的普适性：最后解决了原算法在实现图像增强时出现的灰度值过调问题。实验结果表明新算法不仅能够有效地增强整个图像的对比度，提高图像的视觉效果，而且能够在增强图像边缘的同时有效地抑制噪声。 第五章提出了一种基于模糊信息处理的图像变换域增强算法。该章给出了一种性能更好的模糊增强变换算子，并将该算子成功地引入到多层次图像模糊增强算法中，取得了较好的效果；另外，新算法针对以往算法需要人工介入设置阈值参数方可进行图像增强的缺点，通过模糊熵的引入，可以自动地选取最佳的阈值参数而不需人为的介入，因而成功的解决了这一难题；最后，将新的多层次模糊增强算法应用于图像边缘检测中，取得了优于现有模糊增强方法的效果。 第六章通过模糊嫡的引入，构造出了几个边缘检测性能更好的信息测度，利用输入图像提取这些信息测度，组成一个反映图像边缘特征的数据集，接着用加权FCM聚类算法将该数据集分为两类，即边缘点数据和非边缘点数据，从而达到图像边缘检测的目的。该方法无需确定阐值;对弱边界检测较敏感。 第七章对受噪声干扰的图像、目标和背景相互交迭的图像、边界不明确的图像等降质图像的分割问题进行了较深入的研究，并考虑到这类图像中所具有的不确定性往往本质上是模糊性的特点，合理地将模糊信息处理技术引入到降质图像的分割中去，取得了较好的效果。关键词:图像处理模糊信息处理图像增强图像分割边缘检测
张运杰[2]2006年在《基于模糊系统理论的图像分割技术研究》文中研究说明基于模糊技术的图像分割方法已经得到了广泛深入的研究，逐渐成为图像处理研究领域的一个分支，并取得了一系列深刻、有效的结果。但是，在众多的研究中也存在着一些缺憾和需要进一步探讨之处。本文从强调数学工具使用的严格性、改进和完善已有的方法和算法、尝试着在图像分割研究中引入新的模糊技术叁个方面，对基于模糊系统理论的图像分割技术进行了深入的研究。 强调数学工具使用的严格性 基于模糊度量的阈值分割技术是近年来图像处理研究的热点之一，也是模糊技术在图像处理中应用比较深入的一个领域。在各种各类相关的研究中，大量的文献是在探讨选取什么样的模糊度计算公式，或者怎样定义新的模糊度，以提高图像分割的效果。人们只是认为动态地选择分割阈值的问题，可以转化为模糊集的模糊性度量问题，但没有意识到本质上它是一个代数结构中元素的比较(模糊集的比较)问题，错误地将偏序集到全序集的序同态，当作序同构来使用，从而导致选用模糊度，或者说选用数学工具的随意性。本文从模糊系统理论和代数理论的相关思想出发，在序结构的观点下从理论上对模糊度的不一致性进行了详细的分析，提出了模糊度计算公式选用的统一标准，进而结束了随意选用模糊度计算公式的混乱状态。 近年来人们对基于模糊划分熵的阈值分割技术的研究也十分关注。但与上述情况类似，绝大多数的研究都集中在如何更好地定义模糊划分熵，或者如何获得非线性优化问题的最优解，对于模糊划分的形式则随意选取。事实上，根据模糊集与系统理论，对一幅图像进行模糊划分时，合理的划分形式是唯一的，任何其它形式的模糊划分只会对算法的设计产生负面的影响。本文通过严格的数学证明和合理的背景分析，给出了图像模糊划分的统一形式。 改进理论方法和应用算法 在有关基于模糊划分熵的阈值选择算法的研究中，由于人们往往将定义模糊划分熵和求解最优化问题分割开来单独研究，并且忽略了模糊划分形式对算法产
桂晟[3]2008年在《基于模糊技术的混合滤波算法研究与实现》文中认为随着计算机技术的发展,计算机图像与人们的日常应用的关系愈加紧密。然而,在图像的产生、传输和保存的过程中,往往会受到各种噪声的干扰,严重的影响图像的视觉效果。因此,各种图像处理技术孕育而生,其中的图像滤波技术就是关键之一。图像滤波技术需要在减少噪声的同时,尽可能多的保持了图像的细节,为后续的处理工作奠定坚实的基础。本文在研究和分析了传统的图像滤波算法的特点和不足之后,针对噪声的不确定性特点,以及传统算法对图像的单一处理的缺陷,结合模糊理论,提出了一种基于模糊理论的加权混合滤波算法。此算法利用图像的中值、均值和原值等特征信息,运用模糊理论得到相关的加权系数,并以此计算最后的滤波结果。本文的主要工作有以下叁个方面:1)提出了一种改进的隶属函数。通过对噪声特征的分析,论文中对传统的高斯型隶属函数进行了改进得到了改进型高斯隶属函数,从理论上说,更接近实际噪声的影响。2)提出了一种变形的去模糊方式。即以噪声的分类加权系数作为去模糊函数的权值,而隶属函数的输出结果仅作为隶属函数输入的修正系数。3)改进了滤波器的输入。通常的输入都是图像的某一绝对特征,如灰度值。考虑到加入相关性提高滤波效果,在本滤波器中引入这些绝对特征的差值,即灰度原值和邻域中值、均值的差。通过对比实验可以看出,由于此算法充分的考虑到了图像之间的相关性和噪声的不确定性,滤波的结果在减少噪声的同时也极大的保持了原图的细节部分。并且此算法相对于一些复杂算法而言,其计算简单,无需遍历图像计算统计信息,具有良好的实时性。
吴茜[4]2013年在《基于模糊技术的图像处理方法分析》文中认为本文主要从模糊技术信息处理的数学基础入手进行分析,进而探讨了基于模糊信息处理的空域增强法中的图像平滑滤波器、图像灰度级修正法,以及分析了基于模糊信息处理的图像变换域增强方法,希望能够对我国模糊技术图像处理方法的研究有所帮助。
盛道清[5]2007年在《图像增强算法的研究》文中研究说明图像作为一种有效的信息载体,是人类获取和交换信息的主要来源。人类感知的外界信息80%以上是通过视觉得到的。因此,图像处理的应用领域必然涉及到人类生活和工作的方方面面。图像增强是对图像的低层次处理,处于图像处理的预处理阶段。它是图像处理的一个重要环节,在整个图像处理过程中起着承前启后的重要作用,对图像高层次处理的成败至关重要。其目的就是为了改善图像的质量和视觉效果,或将图像转换成更适合于人眼观察或机器分析识别的形式,以便从图像中获取更加有用的信息。由于图像增强与感兴的趣物体特性、观察者的习惯和处理目的密切相关,带有很强的针对性,因此,图像增强算法的应用也是有针对性的。尽管增强处理方法多种多样,但并不存在一种通用的、适应各种场合的增强算法。本文围绕图像增强算法而展开,在阐明图像增强处理基本方法的基础上,就几种有代表性的图像增强算法:基于直方图均衡化图像增强算法,基于模糊集理论的图像增强算法,基于小波变换的图像增强算法,基于人眼视觉特性的彩色图像增强算法及基于神经网络的图像增强算法,进行了研究、比较,分析了各自的优缺点并指明了其最佳适用场景,以期从中总结出一套行之有效的图像增强算法的应用指导规则。
赵雨田[6]2017年在《基于数字图像处理的输电线路异物识别技术研究》文中研究说明无人机和巡检机器人的应用大大提高了电力线巡检效率,但其摄取的大量图像数据仍需低效的人工核验。解决这种效率不匹配的方式之一是使用计算机图像处理技术自动识别输电线路上的异物。为此研究和设计了基于数字图像处理的输电线路异物识别算法,该算法由图像增强、图像分割和图像分析叁个步骤构成。图像增强步骤的输入为采集的一类含输电线路的图像,比较了随机数学模型和模糊数学模型中各种增强算法的应用效果,分析得出模糊数学模型对于此类图像的增强效果较好,并据此设计了一种基于模糊数学模型的图像增强算法。图像分割步骤的输入为图像增强过程的输出图像,选用基于边缘检测的分割方法。总结了使用较广的多种空域边缘检测算法在含有电力线的增强图像中的应用效果,结果表明这类算法的适用性不佳。随后研究了希尔伯特变换在二维信号中的应用方法,进而设计了一种基于相位一致性的频域边缘检测算法,通过对比说明了该方法具有更好的适用性。随后研究了相位一致性指标的处理方法,可将电力线和异物的边缘从背景中较好地分离,同时获得对应的二值图像。图像分析过程的输入为图像分割步骤输出的二值图像。利用区域特征约束进一步处理二值图像,借鉴认知物理学理论,分析了图像内部特征规律,设计了二值图像数据场的描述方法,并据此给出了输电线路异物识别和定位算法。最后通过样本实验数据分析了算法整体的运算时间和准确率性能。
安良[7]2003年在《模糊理论及其在图像分割中的应用研究》文中认为自L.A.Zadeh于1965年提出模糊理论以来，模糊理论已经成为一种重要的智能信息处理方法。模糊聚类算法是模糊理论中的一个重要的分支，是现今模糊理论中应用最广泛的领域之一，并取得了丰富的成果。由于图像所具有的模糊性，近年来一些学者将模糊理论引入到图像处理中，应用模糊理论进行图像分割，图像增强以及边缘检测。本文在研究模糊理论的基础上，对模糊聚类算法在图像分割中的应用进行了一定的探讨。 本文主要工作如下： 1．对模糊理论的基本内容进行了系统的总结和介绍，并详细介绍了模糊聚类算法，分析了模糊聚类算法收敛速度慢且对初始化很敏感的原因，引入了遗传算法，提出了一种改进的模糊聚类算法。 2．在详细介绍模糊聚类图像分割方法的基础上，对应用模糊聚类算法进行图像分割时效果不理想的原因进行了分析，并引入了图像的空间相关信息，构造二维直方图对其加以改进。 3．针对二维直方图在模糊化过程中仍存在大量信息损失的问题，引入了D—S证据理论来融合图像像素灰度信息和空间相关信息，提出了一种基于D—S证据理论的模糊聚类图像分割方法，取得了不错的分割效果。
龚桂芳[8]2007年在《基于模糊熵的多目标CT图像自动分割方法研究》文中研究指明图像分割是大多数医学图像处理系统中关键的一步，可用于图像中不同目标的可视化。大多数的图像分割算法得到的结果都是二值图像或是前景和背景图像。这样的结果在一些图像处理运用中是可以接受的，如在文件处理和光学特征识别系统中；但是在应用到需要得到医学图像中多个器官或组织的解剖特征时就不能令人满意。本论文在研究国内外相关算法的过程中，发现采用快速算法的方法虽然解决了计算耗时的问题，但是大多有运算结果不稳定的缺点；为了解决多目标分割中运算速度的提高与运算结果不稳定的矛盾，提出了两种方法：(1)基于最小模糊熵的多目标CT图像自动分割方法：利用迭代公式以及图像的直方图来计算出每个模糊子集的隶属函数中指数参数的值以及阈值的搜索范围，然后在已确定的搜索范围内用穷举法搜索出能使模糊熵最小的最佳阈值。本方法为了改变两个模糊子集隶属函数交点的隶属度，重新定义了GBMF隶属函数中参数的关系。实验表明当隶属函数中新的参数取适当的值时，能得到较好的分割结果，但是多少为最合适，仍需要进一步的研究。(2)基于概率配分和最大模糊熵的多目标CT图像自动分割方法：根据模糊聚类和概率配分之间的关系，以及模糊熵有最大值的必要条件，从而得到各类的概率配分，因此在搜索阈值组合时，先搜索满足各类概率配分的阈值，然后从这些阂值中搜索使模糊熵最大的阈值。在传统的梯度隶属函数中限制了参数的搜索范围。因此本方法在改变隶属函数参数所需满足的条件基础上，重新定义了隶属函数，这使得每一个灰度级都有属于叁类情况，实验表明这样定义参数所需满足的条件更合理些。此外本方法采取ε和满足条件的阈值组合数相互控制，既避免了连一个满足概率分配的阈值组合都找不到的情况，也可避免由于满足条件的阈值组合太多，导致运算量很大。实验结果表明这两种方法能很好地完成CT图像的分割。运算速度较快；与用遗传算法、模拟退火算法相比较，运算结果稳定，分割更准确。
刘锁兰[9]2007年在《基于模糊理论的图像分割区域法研究》文中研究说明图像分割就是指把图像分解成各具特性的区域并提取出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤,在图像工程中占有非常重要的位置,并且已在计算机视觉、模式识别和医学图像处理等实际中得到了广泛的应用。在众多的分割算法中,基于模糊系统理论和区域法的分割技术是图像分割领域中极其重要和应用相当广泛的算法。首先由于图像在成像过程中受各种因素的影响,使得要分割的目标与背景之间一般都带有一定的相似性和不确定性,而模糊集合论及由此而发展起来的模糊信息处理技术,对处理带有模糊不确定性的事件及对不精确知识的描述与处理具有得天独厚的优势。而区域分割法则是利用同一对象区域内部的均匀性,依照共同的图像属性来划分图像区域。分割的目的是把图像中的每个象素都赋予一个类别的属性,使得具有预定义属性的象素都聚集在同一个类别之中。因此,本文主要对基于模糊理论的图像分割区域法进行了研究。在方法学上,重点研究了叁类目前较为新颖的分割算法,基于信息熵的图像分割方法,基于过渡区提取的图像分割方法,以及基于图论聚类的分割方法,并对叁种方法的分割效能进行量化比较。在基于信息熵的图像分割方法中,结合模糊理论和概率论提出了一种基于二维隶属划分的Renyi熵分割算法。调节参数α的使用对信息的度量更具有一般性和灵活性。由于在样本个数固定时,减少分类错误率的办法是增加新的独立特征组成高维特征矢量,使得在低维矢量空间中未显现的特征在高维矢量空间中显现出来。因此,进一步提出了基于叁维直方图的最大Renyi熵分割算法。首先对图像进行模糊概率描述,然后在条件概率和条件熵的基础上提出模糊划分熵的新定义。实验表明该方法分割出的目标会在二维直方图上形成一个由直线段与高次双曲线围成的凸形区域,它是区分目标和背景的关键区域,因而可以较精细地分析该区域内象素的归属。后者则利用了象素点的灰度分布信息和邻域空间相关信息,关键区域扩展为一个面和高次双曲面围成的区域,且由于考虑了图像的局部空间信息,即便在图像低对比度和低信噪比时,也可以排除一些噪声的干扰,分割的效果及稳定性较前者有明显增强。在基于过渡区提取的图象分割算法中,首先对传统的过渡区提取理论进行了回顾,传统方法在计算高端剪切和低端剪切有效平均梯度曲线时,当背景区域出现变化幅度很小灰度值波动时,曲线则会发生极大的变化,从而无法保证曲线的单峰特性,导致求得的过渡区可靠性差。因此提出了基于模糊形态学预处理和小波能量特征比变换的过渡区提取与分割算法,从而可以得到较理想的过渡区灰度分布范围。传统图论聚类法由于是以样本数据的局域连接特征作为聚类的主要信息源,这造成该方法在图像处理领域应用的缺陷,即无法处理类之间相互很接近的数据。另外,在初始化时由于将每个象素作为一类这样使得数据处理量极大,计算效率低。因此提出了一种基于空间关系约束的图论聚类分割算法。改进算法不但考虑了节点与区域之间的空间特征分布,而且在初始化时将灰度相同的象素划分为一类,这样不仅缩减了算法所需的存储空间而且使得数据处理的复杂度得到了极大改善。进一步地,在生成完全图时利用模糊相似关系给结点对对应的边赋权值,从而提出了一种模糊最大树图论聚类的图像分割新算法。构造一种简单有效且符合实际应用的模糊相似关系,引入了模糊逻辑,从而可以很好地刻画混合区域的不精确性,达到有效分割的目的。最后本文给出了一套图像分割质量评价算法。利用图像的模糊度来衡量图像分割的质量,并设计了一种实用的非线性映射函数,将图像从空间域变换到模糊性质域。构造评价模型并结合一系列实例对算法性能进行评价并分析评价结果。
周志勇[10]2007年在《船体焊缝缺陷X射线图像自动识别方法研究》文中认为随着造船工业的发展和焊接技术的提高,船舶焊缝X射线检测面临着越来越多的机遇与挑战。传统的射线底片质量评级方法是由人工进行评片,对底片上的焊缝缺陷进行分析,以确定底片所反映的焊接质量等级。这种方法存在人为客观因素影响大、效率低、对底片损伤大等缺点,难以满足工业生产不断发展的需要。因此出现了许多替代人工评片的技术,其中利用计算机技术的智能评片是一个非常活跃的研究领域。本文主要对船舶焊缝X射线底片扫描后得到的数字底片进行图像的预处理、图像的分析、缺陷的特征参数提取以及缺陷类型的识别等研究工作。图像的预处理是后续图像处理的基础。本文对焊缝X射线图像进行了噪声分析并提出有效的处理方法。针对X射线底片对比度低、边缘模糊等特点,分析了直方图均衡化方法对X射线底片数字图像进行增强,这种方法在一定程度上还拉开了图像的灰度分布,并利用模糊增强法进行图像的有效增强。图像的边缘提取是解决缺陷标记的有效方法,文章分析了几种边缘提取方法的原理,提出了一种基于数学形态学的X射线底片数字图像边缘提取方法,并通过实验对比,证明了这种方法运用在X射线底片数字图像中具有很好的效果。缺陷特征参数的选择和提取是缺陷分类的前提,直接影响着分类结果,本文通过对缺陷特点的分析,选择了一组能够准确反映缺陷本质特征的特征参数,并给出了各自的计算方法。在缺陷分类的解决方案上,采用基于大量数据的统计归类方法对X射线底片反映的焊缝缺陷进行比较识别。
参考文献：
[1]. 基于模糊技术的图像处理方法研究[D]. 王保平. 西安电子科技大学. 2004
[2]. 基于模糊系统理论的图像分割技术研究[D]. 张运杰. 大连海事大学. 2006
[3]. 基于模糊技术的混合滤波算法研究与实现[D]. 桂晟. 北京邮电大学. 2008
[4]. 基于模糊技术的图像处理方法分析[J]. 吴茜. 电子测试. 2013
[5]. 图像增强算法的研究[D]. 盛道清. 武汉科技大学. 2007
[6]. 基于数字图像处理的输电线路异物识别技术研究[D]. 赵雨田. 南京理工大学. 2017
[7]. 模糊理论及其在图像分割中的应用研究[D]. 安良. 合肥工业大学. 2003
[8]. 基于模糊熵的多目标CT图像自动分割方法研究[D]. 龚桂芳. 四川大学. 2007
[9]. 基于模糊理论的图像分割区域法研究[D]. 刘锁兰. 南京理工大学. 2007
[10]. 船体焊缝缺陷X射线图像自动识别方法研究[D]. 周志勇. 上海海事大学. 2007
标签：电信技术论文; 图像处理论文; 图像增强论文; 隶属函数论文; 阈值分割论文; 图像分割论文; 模糊算法论文; 模糊理论论文; 灰度图像论文; 图像融合论文; 灰度直方图论文; 模糊神经网络论文; 空间分析论文; 图像噪声论文; 缺陷等级论文; 阈值论文; 高斯模糊论文; 信息处理论文; 算法论文;