一种基于直觉模糊集的图像增强方法技术

本发明专利技术公开了一种基于直觉模糊集的图像增强方法，有效改善弱边缘噪声图像质量，涉及数字图像处理技术领域。本发明专利技术利用直觉模糊集理论，提出新的直觉模糊算子，然后通过隶属度平面上的自适应操作，增大前景区域像素点的隶属度、降低背景区域像素点的隶属度，最后通过逆变换获取高质量的图像，从而有选择性地突出或抑制图像的特定信息，使其更适合人类的视觉特性或其它系统的识别功能。

【技术实现步骤摘要】

本专利技术涉及数字图像处理
，具体是一种基于直觉模糊集的图像增强方法。
技术介绍
在相当多的场合，由于受到不同类型噪声的污染，或成像设备和图像传输设备等物理性质的限制，光学或医学图像质量严重退化，其对比度差，图像边缘和感兴趣区域模糊，因而需要采用图像增强处理技术改善图像质量，以期获得在视觉感知或某种最优准则下的高质量图像。图像增强技术主要有空域和频域两大类，其目的在于选择性地突出或抑制图像的特定信息，从而调节图像的对比度，平滑图像的感兴趣区域，或锐化图像的边缘和细节信息等。然而，尽管已有诸如直方图均衡化、非线性反锐化掩模、小波变换和模糊集等图像增强方法，但对于弱边缘噪声图像质量的改善在计算机视觉和模式识别中依然面临很大困难。依据假设：具有均匀分布的灰度直方图的图像具有最佳的视觉对比，直方图均衡法在图像增强领域占据主导地位(S.D.Chen and A.R.Ramli,“Minimum mean brightness error bi-histogram equalization in contrast enhancement,”IEEE Trans.Consumer Electronics,vol.49,no.4,pp.1310-1319,Nov.2003.)。然而，自动分析和亮度保持方面的不足，以及冲蚀效应阻碍了直方图均衡法的发展。此外，图像的采集和传输过程中不可避免地会产生模糊性和不确定性，且图像的边缘、>纹理和区域等特征的定义也存在模糊性，因此，有效描述图像信息应该利用启发式的人类知识表达方法，而这种方法是高度非线性的，不能用经典数学模型表示。由于模糊技术是非线性的和基于知识的，且可以处理具有模糊性的而不是随机性的缺损数据，模糊集理论已在图像处理领域引起广泛关注(M.Hanmandlu and D.Jha,“An optimal fuzzy system for color image enhancement,”IEEE Trans.Image Processing,vol.15,no.10,pp.2965-2966,Oct.2006.)。模糊技术的成功应用表明，归功于图像处理固有的模糊性，基于模糊集和模糊逻辑方法非常适合自动调节图像的对比度，改善图像质量(C.Yang等“A fuzzy-statistics-based principal component analysis(FS-PCA)method for multispectral image enhancement and display,”IEEE Trans.Geoscience&Remote Sensing,vol.46,no.11,pp.3937-3947,Nov.2008.)。然而，经典模糊增强方法也存在一些瑕疵：一是输出图像的灰度范围几乎是不变的，这表明该方法不合适处理灰度等级少、对比度低的退化图像；二是隶属函数的范围不是一个规范形式；三是缺乏图像增强的优化条件。因此，如何设计更符合人类决策过程的模糊图像增强方法对改善图像质量，为后续图像分析具有重要意义。
技术实现思路
本专利技术是针对现有图像增强处理方法存在的上述技术问题，提供了一种基于直觉模糊集的图像增强方法。一种基于直觉模糊集的图像增强方法，包括以下步骤：步骤1，将原始图像I划分为各个子图像；步骤2，对每一个子图像通过阈值分割为前景区域和背景区域；步骤3，对每一个子图像求解各个像素点的隶属度；步骤4，对每一个像素点隶属度进行调整使得前景区域的像素点的隶属度增大，背景区域的像素点的隶属度减小；步骤5，将步骤4调整之后的隶属度逆变换到像素平面得到对比度增强的图像J；步骤6，将原始图像I和图像J加权求和，获得增强后图像K。如上所述的阈值分割为Otsu阈值分割。如上所述的步骤3的隶属度的求解基于以下公式：μO(uij)=Ψ1(uij)=[exp(1-|uij2-m02|)-1]/(exp(1)-1),ifuij≥uAcμB(uij)=Ψ2(uij)=[exp(1-|uij2-m12|)-1]/(exp(1)-1),ifuij<uAc]]>其中，Ψ1和Ψ2均为模糊化函数，是阈值，m0是前景区域的像素点灰度均值，m1是背景区域的像素点灰度均值，uij表示在像素点(i，j)处的灰度值，μO(uij)表示前景区域内像素点(i，j)处的隶属度，μB(uij)表示背景区域内像素点(i，j)处的隶属度。如上所述的步骤4中隶属度的调整是基于以下公式：μA′(uij)=Γ1(μO(uij)),uij∈ΩOΓ2(μB(uij)),uij∈ΩB=μO(uAc)-(μO2(uAc)-μO2(uij))0.5,μOmin≤μO(uij)≤μO(uAc)μO(uAc)+[(1-μO(uAc))2-(1-μO(uij))2]0.5,μO(uAc)<μO(uij)≤μOmaxμB(uAc)-(μB2(uAc)-μB2(uij))0.5,μBmin≤μB(uij)≤μB(uAc)μB(uAc)+[(1-μB(uAc))2-(1-μB(uij))2]0.5,μB(uAc)<μB(uij)≤μBmax]]>其中，Γ1和Γ1均为隶属度调整函数，ΩO为前景区域，ΩB为背景区域，μ'A(uij)指经过隶属度调整后像素点(i，j)处新的隶属度，μO(uij)指前景区域内像素点的隶属度，μB(uij)指背景区域内像素点的隶属度，μO(uAc)=[exp(1-|(uAc)2-m02|)-1]/(exp(1)-1),μB(uAc)=[exp(1-|(uAc)2-m12|)-1]/(exp(1)-1),]]>和分别指前景区域像素点的隶属度的最小值和最大值，和分别指背景区域隶属度的最小值和最大值。如上所述的步骤5中逆变换是基于以下公式：uij′=Φ1(uO′(uij)),uij∈ΩOΦ2(μB′(uij)),uij∈ΩB=[m02+(1-log(1+(exp(1)-1)μO′(uij)))]0.5,m0≤uij≤umax[m02-(1本文档来自技高网...

【技术保护点】
一种基于直觉模糊集的图像增强方法，其特征在于，包括以下步骤：步骤1，将原始图像I划分为各个子图像；步骤2，对每一个子图像通过阈值分割为前景区域和背景区域；步骤3，对每一个子图像求解各个像素点的隶属度；步骤4，对每一个像素点隶属度进行调整使得前景区域的像素点的隶属度增大，背景区域的像素点的隶属度减小；步骤5，将步骤4调整之后的隶属度逆变换到像素平面得到对比度增强的图像J；步骤6，将原始图像I和图像J加权求和，获得增强后图像K。

【技术特征摘要】
1.一种基于直觉模糊集的图像增强方法，其特征在于，包括以下步骤：
步骤1，将原始图像I划分为各个子图像；
步骤2，对每一个子图像通过阈值分割为前景区域和背景区域；
步骤3，对每一个子图像求解各个像素点的隶属度；
步骤4，对每一个像素点隶属度进行调整使得前景区域的像素点的隶属度增
大，背景区域的像素点的隶属度减小；
步骤5，将步骤4调整之后的隶属度逆变换到像素平面得到对比度增强的图
像J；
步骤6，将原始图像I和图像J加权求和，获得增强后图像K。
2.根据权利要求1所述的一种基于直觉模糊集的图像增强方法，其特征在
于，所述的阈值分割为Otsu阈值分割。
3.根据权利要求1所述的一种基于直觉模糊集的图像增强方法，其特征在
于，所述的步骤3的隶属度的求解基于以下公式：
μO(uij)=Ψ1(uij)=[exp(1-|uij2-m02|)-1]/(exp(1)-1),ifuij≥uAc]]>μB(uij)=Ψ2(uij)=[exp(1-|uij2-m12|)-1]/(exp(1)-1),ifuij≥uAc]]>其中，Ψ1和Ψ2均为模糊化函数，是阈值，m0是前景区域的像素点灰度均
值，m1是背景区域的像素点灰度均值，uij表示在像素点(i，j)处的灰度值，μO(uij)
表示前景区域内像素点(i，j)处的隶属度，μB(uij)表示背景区域内像素点(i，j)处
的隶属度。
4.根据权利要求3所述的一种基于直觉模糊集的图像增强方法，其特征在
于，所述的步骤4中隶属度的调整是基于以下公式：
μA′(uij)=Γ1(μO(uij)),uij∈ΩOΓ2,(μB(uij)),uij∈ΩB=μO(uAc)-(μO2(uAc)-μO2(uij))0.5,μOmin≤μO(uij)≤μO(uAc)μO(uAc)+[(1-μO(uAc))2-(1-μO(uij))2]0.5,μO(uAc)<μO(uij)≤μOmaxμB(uAc)-(μB2(uAc)-μB2(uij))0.5,μBmin≤μB(uij)≤μB(uAc)μB(uAc)+[(1-μB(uAc))2-(1-...

【专利技术属性】
技术研发人员：周欣，邓鹤，孙献平，刘买利，叶朝辉，
申请(专利权)人：中国科学院武汉物理与数学研究所，
类型：发明
国别省市：湖北;42