基于模糊邏輯的邊緣檢測技術研究.pdf

1、邊緣檢測是圖像處理領域中的一個重要分支，是圖像分割、紋理特征和形狀特征提取等圖像分析的重要基礎。在圖像處理與分析中，由于圖像邊緣本身的不確定性，使得將模糊理論應用于圖像的邊緣檢測具有得天獨厚的優(yōu)勢。因此，基于模糊理論的圖像邊緣檢測技術正受到越來越多學者的重視。本論文首先闡述了模糊邏輯的基本理論，然后介紹了一些經(jīng)典的邊緣檢測方法，在此基礎上研究了將模糊邏輯應用于圖像邊緣檢測的相關算法。本論文主要研究工作包括以下幾點： (1)研究了

2、基于模糊邏輯的灰度圖像的邊緣檢測算法。一方面，針對Pal和King提出的模糊邊緣檢測算法的不足，提出一些改進措施，使得改進后的算法在實際邊緣的提取效果上和時間上，比原算法更優(yōu)越，該算法是從模糊增強的角度來進行邊緣檢測；另一方面，從像素之間的相關性來分析，介紹了一種基于模糊相似度模型的邊緣檢測算法。兩種邊緣檢測算法從不同的角度應用了模糊邏輯，從實驗結果上看，提取效果都優(yōu)于傳統(tǒng)的邊緣檢測算子，顯示出模糊邊緣檢測算法的良好性能。 (2

3、)綜合了數(shù)學形態(tài)學和模糊邏輯的相關理論，提出一種基于形態(tài)濾波和梯度模糊GHMT(灰度擊中擊不中變換)的組合邊緣檢測方法。梯度模糊GHMT算子是將模糊邏輯融入梯度GHMT的邊緣檢測算子，為梯度GHMT在處理圖像邊緣不確定信息時提供了一種強有力的工具，但在噪聲環(huán)境下，邊緣提取效果不理想。針對這一不足，提出將廣義多結構元形態(tài)濾波器和梯度模糊GHMT邊緣檢測算法相結合，提高算法的抗噪性能，使得在噪聲環(huán)境下，依然能夠得到較好的圖像邊緣。實驗結果表

4、明，提出的組合邊緣檢測方法能夠在較高噪聲條件下，得到較為理想的圖像邊緣。 (3)將模糊邏輯引伸到彩色圖像的邊緣檢測中。利用K-L變換，將彩色圖像從RGB顏色空間轉(zhuǎn)換到I1I2I3顏色空間，然后應用一種基于Renyi熵和模糊推理的方法提取彩色圖像邊緣。實驗結果表明，與傳統(tǒng)的彩色邊緣提取方法相比，基于模糊推理的彩色邊緣提取方法在色彩變異和噪聲抑制等方面都有著較大改善。 (4)我們將上述基于模糊邏輯的邊緣提取方法應用于細菌圖像