基于非线性模糊函数的图像平滑与边缘检测新方法研究

论文摘要

在图像处理中,图像平滑与边缘检测是基本的图像处理内容。其中,运用模糊算法进行图像平滑与边缘检测是目前重要且流行的算法。在本文的图像平滑与边缘检测算法中,主要涉及到三个模糊概念:相邻度、低饱和度与低强度、模糊边缘。本文首先针对前两个模糊概念,在传统线性模糊算法的基础上,运用非线性模糊算法进行彩色图像的平滑与边缘检测操作;其次针对另一个模糊概念——模糊边缘,提出运用数学形态学来处理的思想;中间穿插了去噪阈值的概念以及新的图像像素对比度定义。在图像平滑部分,本文提出了基于柯西分布模糊隶属函数的相邻度定义,以代替传统的线性相邻度定义,使得对相邻度的定位更加精确,并且更好的体现了相邻度的本质;在此基础上,本文改进了传统的图像平滑算法,加入了去噪阈值的概念,使得用此方法处理过的图像更加清晰,尤其在噪声较多且复杂的情况下,它的优势更加明显。实验表明,该方法比基于传统平滑算法的去噪效果有较大提高。在图像边缘检测部分,本文提出了基于正弦变换的模糊隶属函数对低饱和度与低强度进行量化,然后与色度对比度相结合得到标准化色度对比度,从而得到有效的边缘信息;接着提出了运用数学形态学处理模糊边缘的思想。在处理的具体过程中,利用了HSV向量排序的基本准则。实验表明,基于正弦变换的模糊隶属函数所得到的边缘图像比基于传统线性模糊隶属函数所得到的边缘图像有更好的效果;与此同时,运用数学形态学也能够较好的对模糊边缘进行定位。

论文目录

• 目录
• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景与意义
• 1.2 主要工作与论文结构
• 第二章 基于去噪阈值的图像平滑算法及其应用
• 2.1 引言
• 2.2 图像平滑的像素权值设定
• 2.2.1 传统的平滑模板
• 2.2.2 相邻度定义
• 2.2.3 基于柯西分布隶属函数的相邻度定义
• 2.3 基于去噪阈值的图像平滑算法
• 2.3.1 点对块操作
• 2.3.2 灰度阈值
• 2.3.3 去噪阈值
• 2.4 实验结果
• 2.5 结论
• 第三章 彩色图像原理
• 3.1 引言
• 3.2 彩色空间系统
• 3.2.1 RGB 彩色空间系统
• 3.2.2 HSI 彩色空间系统
• 3.2.3 HSV 彩色空间系统
• 3.2.4 三种彩色空间系统的比较
• 3.2.5 三种彩色空间系统的相互转换
• 3.3 彩色图像像素的对比度定义
• 3.3.1 灰度图像像素对比度定义
• 3.3.2 传统彩色图像像素对比度定义
• 3.3.3 改进的图像像素对比度定义
• 3.4 结论
• 第四章 基于正弦变换的彩色图像边缘检测算法
• 4.1 引言
• 4.2 边缘检测算子
• 4.2.1 Roberts 边缘算子
• 4.2.2 Sobel 边缘算子
• 4.2.3 Prewitt 边缘算子
• 4.2.4 Kirsch 边缘算子
• 4.3 基于正弦变换的彩色图像边缘检测算法
• 4.3.1 基于HSI 空间的边缘检测概述
• 4.3.2 传统线性模糊隶属函数
• 4.3.3 基于正弦变换的非线性模糊隶属函数
• 4.3.4 RGB 与HSI 边缘信息的结合
• 4.3.5 边缘性质的定位
• 4.3.6 模糊边缘处理难点
• 4.4 结论
• 第五章 基于HSV 彩色空间的形态学图像模糊边缘检测
• 5.1 引言
• 5.2 基于数学形态学的图像边缘检测算法
• 5.2.1 灰度图像腐蚀操作定义
• 5.2.2 基于腐蚀的边缘检测原理
• 5.3 HSV 彩色空间系统下的向量排序
• 5.3.1 HSV 彩色空间系统下的向量排序准则
• 5.3.2 HSV 向量数学操作定义
• 5.3.2.1 HSV 向量下确界操作定义
• 5.3.2.2 HSV 向量减法操作定义
• 5.3.3 HSV 彩色空间下的腐蚀定义
• 5.4 HSV 彩色空间下的结构元素选取
• 5.5 实验结果与结论
• 第六章 总结与展望
• 6.1 研究成果
• 6.2 展望
• 致谢
• 参考文献
• 硕士期间发表的论文清单