学位论文 > 优秀研究生学位论文题录展示
基于粗糙集理论的图像增强算法研究
作 者: 吴谭
导 师: 谢霖铨
学 校: 江西理工大学
专 业: 计算机应用技术
关键词: 图像增强 粗糙集 模糊集 小波变换
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 63次
引 用: 0次
阅 读: 论文下载
内容摘要
人类主要通过语言和图像这两种形式来传送相关信息。其中,通过图像所获得的视觉信息又占人类获得的各种信息中的80%,因此图像信息在信息传递媒体和方式中占据了重要的地位。图像增强属于图像的预处理手段之一,它用于提高原始图像的视觉效果及某种程度的滤噪,这样可以便于计算机的后续处理,即选择性的抑制图像中不需要的信息而增强需要的信息。粗糙集的优势在于不需要任何先验知识来处理不确定数据,而图像信息具有关联性和多样性,经过处理后各个不同层次也许发生信息丢失或不清晰的问题,因此在图像处理的过程中融入粗糙集理论,通常情况下能够获得比硬计算方法更好的效果。本文在参考大量相关文献的基础上,从基于粗糙集的图像增强算法到后来将粗糙集与模糊集、小波变换相结合应用于图像增强进行了阐述。通过对原有的图像增强方法进行比较和分析之后,本文也做出了一些力所能及的创新性的劳动。本文在简要叙述关于图像增强研究的目的、意义及国内外研究现状的基础上,对现有的图像增强方法进行分析比较;着重阐述了基于粗糙集的图像增强算法,采用最大类间方差法确定阈值P以及利用信噪比量化评价图像增强效果;接着详细介绍将粗糙集和模糊集相结合的图像增强算法,并对其隶属函数和模糊增强算子作出改进,提高运算效率和改善边缘检测结果;后面是将粗糙集和小波变换相结合的图像增强算法,充分展示其各自的优势,具体步骤是首先通过小波变换对图像信息进行多尺度分解,然后依据粗糙集对分解后的子图分别做增强处理,再将经过处理后的子图分量进行图像重构,最后输出增强的图像。文章结尾对全文进行总结并提出创新点,指出本文有待改进的地方并对将来的研究方向作出展望。
|
全文目录
摘要 4-5 Abstract 5-8 第一章 文献综述 8-12 1.1 图像增强与粗糙集 8-10 1.1.1 图像增强 8-9 1.1.2 粗糙集 9-10 1.1.3 基于粗糙集的图像处理 10 1.2 国内外研究现状 10-11 1.2.1 国外研究现状 10-11 1.2.2 国内研究现状 11 1.3 研究目的与意义 11-12 第二章 图像增强的基本方法 12-24 2.1 直接灰度变换 12-14 2.1.1 线性增强变换 12-13 2.1.2 非线性增强变换 13-14 2.2 直方图修正 14-15 2.2.1 直方图均衡化 14-15 2.2.2 直方图规定化 15 2.3 平滑滤波 15-19 2.3.1 线性滤波 16-17 2.3.2 中值滤波 17-18 2.3.3 自适应滤波 18-19 2.4 锐化滤波 19-23 2.4.1 梯度算子法 19-20 2.4.2 Roberts 算子 20 2.4.3 Prewitt 算子 20-21 2.4.4 Sobel 算子 21 2.4.5 Laplace 算子 21-23 2.5 本章小结 23-24 第三章 基于粗糙集的图像增强算法 24-33 3.1 粗糙集基础概念 24-27 3.1.1 知识表达系统 24 3.1.2 不可分辨关系 24-25 3.1.3 粗糙集近似及其精度 25-26 3.1.4 知识约简 26-27 3.2 基于粗糙集理论的图像增强算法 27-30 3.2.1 基于不可分辨关系的子图划分 27-28 3.2.2 最大类间方差法确定阈值 P 28-29 3.2.3 基于粗糙集理论的图像增强算法 29-30 3.2.4 图像增强质量的评价 30 3.3 实验结果及分析 30-32 3.4 本章小结 32-33 第四章 基于粗糙集和模糊集的图像增强算法 33-44 4.1 模糊集理论基础 33-36 4.1.1 模糊集合与经典集合的关系 33-34 4.1.2 模糊集合的表示方法 34-35 4.1.3 隶属函数及其确定方法 35-36 4.1.4 模糊特征平面 36 4.2 模糊集和粗糙集的比较 36-37 4.3 Pal 模糊理论图像增强方法 37-39 4.3.1 传统算法的原理 37-38 4.3.2 传统算法的缺点 38-39 4.4 基于粗糙集和模糊集的图像增强方法 39-41 4.4.1 对隶属函数作出改进 40 4.4.2 对增强算子作出改进 40-41 4.4.3 基于粗糙集和模糊集的图像增强算法 41 4.5 实验结果及分析讨论 41-43 4.6 本章小结 43-44 第五章 基于粗糙集和小波变换的图像增强算法 44-55 5.1 小波变换理论基础 44-46 5.1.1 小波变换的定义 44-45 5.1.2 连续小波变换 45 5.1.3 离散小波变换 45-46 5.1.4 小波变换的特点 46 5.2 多分辨率分析 46-48 5.3 传统的小波变换图像增强方法 48-52 5.3.1 mallat 算法 48-49 5.3.2 小波分解 49-50 5.3.3 小波重构 50-51 5.3.4 基于小波变换的图像增强原理 51-52 5.4 基于粗糙集和小波变换的图像增强 52-53 5.5 实验结果与分析讨论 53-54 5.6 本章小结 54-55 第六章 总结与展望 55-57 6.1 全文总结 55 6.2 本论文创新之处 55 6.3 展望 55-57 参考文献 57-59 致谢 59-60 附录 60-64 个人简历及在校期间发表的学术论文 64
|
相似论文
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 基于支持向量机的故障诊断方法研究,TP18
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 基于数字图像处理的血管管径自动测量技术,R310
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 基于连锁图的QTL综合分析方法研究,S562
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 基于粗糙集的城市区域交通绿时控制系统研究,TP18
- 感觉刺激诱发脑电特征研究,R318.0
- 基于Fuzzy的煤矿企业生产指标多目标决策研究,F426.21
- 基于DFS的概念学习机制研究,TP181
- 基于模糊贝叶斯网络的信用卡信用风险的定量分析研究,F224
- 粗糙集的增量式属性约简研究,TP18
- 知识粒度的计算及其在属性约简中的应用研究,TP18
- 基于粗糙集和模糊SVM的车牌识别技术研究,TP391.41
- 压感式指纹识别系统及算法研究,TP391.41
- 复杂背景下的条码定位技术研究,TP391.41
- 基于动态模糊关系的深层结构学习算法研究,TP181
- 工程模糊集理论在水利工程中的应用研究,TV22
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|