一种图像增强及分割方法技术

技术编号:15555481 阅读:64 留言:0更新日期:2017-06-09 10:46
本发明专利技术公开了一种图像增强及分割方法,包括以下步骤:一、图像增强:通过处理器且采用基于模糊逻辑的图像增强方法,对需处理图像进行增强处理,过程如下:ⅰ、由图像域变换到模糊域:根据隶属度函数

Image enhancement and segmentation method

The invention discloses a method for image enhancement and segmentation method, which comprises the following steps: first, image enhancement by using processor and image enhancement method based on fuzzy logic, the processing of image enhancement processing, the process is as follows: I, by the image domain to fuzzy domain: according to the membership function

【技术实现步骤摘要】
一种图像增强及分割方法
本专利技术属于图像处理
,尤其是涉及一种图像增强及分割方法。
技术介绍
火灾是矿井重大灾害之一,严重威胁着人类健康、自然环境和煤矿的安全生产。随着科技进步,火灾自动检测技术逐渐成为监测和火灾预警的重要手段。现如今,在煤矿井下,火灾预测及检测主要以监测火的温度效应、燃烧生成物(发生烟雾与气体的效应)和电磁辐射效应为主,但上述现有的检测方法在灵敏度和可靠性方面都尚待提高,并且不能对早期火灾作出反应,因而与日趋严格的火灾安全要求已不相适应。尤其是当大空间内存在遮挡物时,火灾燃烧产物在空间的传播会受到空间高度和面积的影响,普通的点型感烟、感温火灾检测报警系统无法迅速采集火灾发出的烟温变化信息,只有当火灾发展到一定的程度时,才会做出响应,从而难以满足早期检测火灾的要求。视频处理技术和模式识别技术的迅速发展使火灾检测和预警方式正朝着图像化、数字化、规模化和智能化方向发展。而基于视频监控的火灾检测技术具有探测范围广、响应时间短、成本低、不受环境影响等优势,结合计算机智能技术可以提供更直观、更丰富的信息,对煤矿的安全生产具有重要意义。智能视频监控是利用计算机视觉技术对视频信号进行处理、分析和理解,在不需要人为干预的情况下,通过对序列图像自动分析对监控场景中的变化进行定位、识别和跟踪,并在此基础上分析和判断目标的行为,能在异常情况发生时及时发出警报或提供有用信息,有效地协助安全人员处理危机,并最大限度地降低误报和漏报现象。随着网络技术的发展,远程图像监控作为计算机视觉的一个应用,可对煤矿井下情况实时监控,及时发现事故苗子,也能为事后分析提供有效资料,对于安全生产、调度指挥、抢险救援都起到积极作用。由于煤矿井下环境特殊,光线昏暗、光照分布不均匀,对获得的图像进行图像增强以改善质量后,由于图像包含的数据量很大,要进行目标识别必须对图像进行分割。所谓图像分割是指根据图像信息特征将具有特殊涵义的不同区域区分开来,这些区域是互不相交的,每一个区域都满足特定区域的一致性。均匀性一般是指同一区域内的像素点之间的灰度值差异较小或灰度值的变化较缓慢。这些信息特征可以是图像场的原始特性,如物体占有区的像素灰度值、物体轮廓曲线和纹理特征等,也可以是直方图特征、颜色特征、局部统计特征或空间频谱特征等。图像分割是大多数图像分析及视觉系统的重要组成部分,图像分割的正确性和自适应性在一定程度上影响着目标检测和识别的智能化程度,而图像分割算法的处理速度也影响了其应用的实时性。现有的图像分割方法很多,主要包括阈值分割、基于边缘检测分割、基于区域特性的分割、特征空间聚类分割和基于形态学分水岭的分割等,其中阈值分割法因其实现简单、计算量小而成为图像分割中最常用、最经典的图像分割方法。阈值分割法是用一个或几个阈值将图像的灰度直方图分成几个不同的灰度等级,并且认为图像中灰度值在同一个灰度等级内的像素属于同一个物体,从而来划分有意义的区域或分割物体的边界。阈值的选取是阈值分割技术的关键,如果阈值选取过高,则过多的目标点被误归为背景阈值;选取过低,则过多的背景被误归为目标点。阈值分割方法主要有直方图阈值分割法、最大类间方差阈值分割法、二维最大熵值分割法、模糊阈值分割法、共生矩阵阈值分割法等。上述各种门限方法的性能受目标大小、均值差、对比度、目标方差、背景方差以及随机噪声等因素的影响,与处理的特定图像有关。熵是平均信息量的表征,基于最大熵原则选择阈值是最重要的阈值选择方法之一。实际进行图像分割时,当图像的信噪比较低时,应用一维最大熵法将产生很多分割错误。二维最大熵法应用二维直方图,不仅反映了灰度分布信息,还反映了邻域空间相关信息,因此在图像信噪比较小时,二维最大熵法明显优于一维最大熵法。金立左等考虑到图像的模糊性,在二维最大熵方法的基础上引入模糊划分的概念,提出了二维模糊划分最大熵分割方法,进一步提高了分割性能。然而伴随着分割性能的提高,问题的解空间维数从原来的二维增加到四维,运算量按指数增长,二维模糊划分最大熵的最优参量组合很难快速准确地获得,耗时过长,影响了实用。因而,现有的一维最大熵法分割时难以同时兼顾灰度信息和空间信息,使得图像分割中往往包含很多孤立点或孤立区域,这对后续的图像分类和模式识别带来困难,并影响到正确检测率。而基于二维模糊划分最大熵分割方法利用了图像的灰度信息以及空间邻域信息,而且兼顾了图像自身的模糊性,但存在运算速度慢的缺点。综上,现如今缺少一种方法步骤简单、设计合理、实现方便且处理效果好、实用价值高的图像增强及分割方法,能简便、快速且高质量完成图像增强及分割过程。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足,提供一种图像增强及分割方法,其方法步骤简单、设计合理、实现方便且处理效果好、实用价值高,能简便、快速且高质量完成图像增强及分割过程。为解决上述技术问题,本专利技术采用的技术方案是:一种图像增强及分割方法,其特征在于该方法包括以下步骤:步骤一、图像增强:通过处理器且采用基于模糊逻辑的图像增强方法,对需处理图像进行增强处理,过程如下:步骤ⅰ、由图像域变换到模糊域:根据隶属度函数(7),将需处理图像各像素点的灰度值均映射成模糊集的模糊隶属度,并相应获得需处理图像的模糊集;式中xgh为所述待增强图像中任一像素点(g,h)的灰度值,XT为采用基于模糊逻辑的图像增强方法对需处理图像进行增强处理时所选取的灰度阈值,Xmax为需处理图像的最大灰度值;所述需处理图像为大小为M×N个像素点的数字图像;步骤ⅱ、在模糊域利用模糊增强算子进行模糊增强处理:所采用的模糊增强算子为μ′gh=Ir(μgh)=Ir(Ir-1μgh),式中r为迭代次数且其为正整数,r=1、2、…;其中式中μc=T(XC),其中XC为渡越点且XC=XT;步骤ⅲ、由模糊域逆变换到图像域:根据公式(6),将模糊增强处理后得到的μ′gh进行逆变换,获得增强处理后数字图像中各像素点的灰度值,并获得增强处理后的数字图像;步骤二、图像分割:所述处理器调用图像分割处理模块,且按照基于二维模糊划分最大熵的图像分割方法对步骤一中增强处理后的数字图像即待分割图像进行分割。上述一种图像增强及分割方法,其特征是:步骤二中按照基于二维模糊划分最大熵的图像分割方法对待分割图像进行分割,过程如下:步骤Ⅰ、二维直方图建立:采用所述处理器建立所述待分割图像的关于像素点灰度值与邻域平均灰度值的二维直方图;该二维直方图中任一点记为(i,j),其中i为该二维直方图的横坐标值且其为所述待分割图像中任一像素点(m,n)的灰度值,j为该二维直方图的纵坐标值且其为该像素点(m,n)的邻域平均灰度值;所建立二维直方图中任一点(i,j)发生的频数记为C(i,j),且点(i,j)发生的频率记为h(i,j),其中步骤Ⅱ、模糊参数组合优化:所述处理器调用模糊参数组合优化模块,且利用粒子群优化算法对基于二维模糊划分最大熵的图像分割方法所用的模糊参数组合进行优化,并获得优化后的模糊参数组合;本步骤中,对模糊参数组合进行优化之前,先根据步骤Ⅰ中所建立的二维直方图,计算得出对所述待分割图像进行分割时的二维模糊熵的函数关系式,并将计算得出的二维模糊熵的函数关系式作为利用粒子群优化算法对模糊参数组合进行优本文档来自技高网
...
一种图像增强及分割方法

【技术保护点】
一种图像增强及分割方法,其特征在于该方法包括以下步骤:步骤一、图像增强:通过处理器且采用基于模糊逻辑的图像增强方法,对需处理图像进行增强处理,过程如下:步骤ⅰ、由图像域变换到模糊域:根据隶属度函数

【技术特征摘要】
1.一种图像增强及分割方法,其特征在于该方法包括以下步骤:步骤一、图像增强:通过处理器且采用基于模糊逻辑的图像增强方法,对需处理图像进行增强处理,过程如下:步骤ⅰ、由图像域变换到模糊域:根据隶属度函数将需处理图像各像素点的灰度值均映射成模糊集的模糊隶属度,并相应获得需处理图像的模糊集;式中xgh为所述待增强图像中任一像素点(g,h)的灰度值,XT为采用基于模糊逻辑的图像增强方法对需处理图像进行增强处理时所选取的灰度阈值,Xmax为需处理图像的最大灰度值;所述需处理图像为大小为M×N个像素点的数字图像;步骤ⅱ、在模糊域利用模糊增强算子进行模糊增强处理:所采用的模糊增强算子为μ'gh=Ir(μgh)=Ir(Ir-1μgh),式中r为迭代次数且其为正整数,r=1、2、…;其中式中μc=T(XC),其中XC为渡越点且XC=XT;步骤ⅲ、由模糊域逆变换到图像域:根据公式将模糊增强处理后得到的μ'gh进行逆变换,获得增强处理后数字图像中各像素点的灰度值,并获得增强处理后的数字图像;步骤ⅰ中由图像域变换到模糊域之前,先采用最大类间方差法对灰度阈值XT进行选取;采用最大类间方差法对灰度阈值XT进行选取之前,先从所述待增强图像的灰度变化范围中找出像素点数量为0的所有灰度值,并采用所述处理器将找出的所有灰度值均标记为免计算灰度值;采用最大类间方差法对灰度阈值XT进行选取时,对所述待增强图像的灰度变化范围中除所述免计算灰度值之外的其它灰度值作为阈值时的类间方差值进行计算,并从计算得出的类间方差值找出最大类间方差值,所找出最大类间方差值对应的灰度值便为灰度阈值XT;步骤二、图像分割:所述处理器调用图像分割处理模块,且按照基于二维模糊划分最大熵的图像分割方法对步骤一中增强处理后的数字图像即待分割图像进行分割;步骤二中按照基于二维模糊划分最大熵的图像分割方法对待分割图像进行分割,过程如下:步骤Ⅰ、二维直方图建立:采用所述处理器建立所述待分割图像的关于像素点灰度值与邻域平均灰度值的二维直方图;该二维直方图中任一点记为(i,j),其中i为该二维直方图的横坐标值且其为所述待分割图像中任一像素点(m,n)的灰度值,j为该二维直方图的纵坐标值且其为该像素点(m,n)的邻域平均灰度值;所建立二维直方图中任一点(i,j)发生的频数记为C(i,j),且点(i,j)发生的频率记为h(i,j),其中步骤Ⅱ、模糊参数组合优化:所述处理器调用模糊参数组合优化模块,且利用粒子群优化算法对基于二维模糊划分最大熵的图像分割方法所用的模糊参数组合进行优化,并获得优化后的模糊参数组合;本步骤中,对模糊参数组合进行优化之前,先根据步骤Ⅰ中所建立的二维直方图,计算得出对所述待分割图像进行分割时的二维模糊熵的函数关系式,并将计算得出的二维模糊熵的函数关系式作为利用粒子群优化算法对模糊参数组合进行优化时的适应度函数;步骤Ⅲ、图像分割:所述处理器利用步骤Ⅱ中优化后的模糊参数组合,并按照基于二维模糊划分最大熵的图像分割方法对所述待分割图像中的各像素点进行分类,并相应完成图像分割过程,获得分割后的目标图像。2.按照权利要求1所述的一种图像增强及分割方法,其特征在于:步骤ⅱ中进行模糊增强处理之前,先采用低通滤波方法对步骤ⅰ中所获得的需处理图像的模糊集进行平滑处理;实际进行低通滤波处理时,所采用的滤波算子为3.按照权利要求1所述的一种图像增强及分割方法,其特征在于:步骤Ⅰ中所述待分割图像由目标图像O和背景图像P组成;其中目标图像O的隶属度函数为μo(i,j)=μox(i;a,b)μoy(j;c,d)(1);背景图像P的隶属度函数μb(i,j)=μbx(i;a,b)μoy(j;c,d)+μox(i;a,b)μby(j;c,d)+μbx(i;a,b)μby(j;c,d)(2);式(1)和(2)中,μox(i;a,b)和μoy(j;c,d)均为目标图像O的一维隶属度函数且二者均为S函数,μbx(i;a,b)和μby(j;c,d)均为背景图像P的一维隶属度函数且二者均为S函数,μbx(i;a,b)=1-μox(i;a,b),μby(j;c,d)=1-μoy(j;c,d),其中...

【专利技术属性】
技术研发人员:王媛彬
申请(专利权)人:西安科技大学
类型:发明
国别省市:陕西,61

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1