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

  1. 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
  2. 图像的稀疏表示及编码模型研究,TP391.41
  3. 唇读中的特征提取、选择与融合,TP391.41
  4. 基于支持向量机的故障诊断方法研究,TP18
  5. 数字图像处理在集装箱检测中的应用研究,TP274.4
  6. 基于数字图像处理的血管管径自动测量技术,R310
  7. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  8. 基于连锁图的QTL综合分析方法研究,S562
  9. 基于遗传算法和粗糙集的聚类算法研究,TP18
  10. 基于粗糙集的城市区域交通绿时控制系统研究,TP18
  11. 感觉刺激诱发脑电特征研究,R318.0
  12. 基于Fuzzy的煤矿企业生产指标多目标决策研究,F426.21
  13. 基于DFS的概念学习机制研究,TP181
  14. 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
  15. 粗糙集的增量式属性约简研究,TP18
  16. 知识粒度的计算及其在属性约简中的应用研究,TP18
  17. 基于粗糙集和模糊SVM的车牌识别技术研究,TP391.41
  18. 压感式指纹识别系统及算法研究,TP391.41
  19. 复杂背景下的条码定位技术研究,TP391.41
  20. 基于动态模糊关系的深层结构学习算法研究,TP181
  21. 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