系数型指数模糊熵在图像增强中的应用

doi:10.3778/j.issn.1002-8331.2011.03.046

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (3): 154-156.DOI: 10.3778/j.issn.1002-8331.2011.03.046

• 图形、图像、模式识别 • 上一篇下一篇

系数型指数模糊熵在图像增强中的应用

王小艳，李毅

四川大学计算机学院图形图像研究所视觉合成图形图像技术国防重点学科实验室，成都 610065

收稿日期:2009-09-04 修回日期:2009-11-02 出版日期:2011-01-21 发布日期:2011-01-21
通讯作者: 王小艳

Application of coefficient type of index fuzzy entropy in the image enhancement

WANG Xiaoyan，LI Yi

Visual Synthesis of Image and Graphic Technology Discipline Laboratory for National Defense，Institute of Graphics and Image，School of Computer Science，Sichuan University，Chengdu 610065，China

Received:2009-09-04 Revised:2009-11-02 Online:2011-01-21 Published:2011-01-21
Contact: WANG Xiaoyan

摘要/Abstract

摘要： 在研究已有模糊熵的基础上，提出了一种系数型指数模糊熵的图像增强方法。先将图像进行模糊划分后变换到模糊域，然后利用提出的模糊熵计算图像的模糊熵，并且在最大熵准则下用模拟退火算法求取最佳阀值，利用增强算子进行图像增强。实验结果表明，该算法对图像有一定的增强效果。

关键词: 指数模糊熵, 图像增强, 信息熵, 隶属度函数

Abstract: A method called coefficient type of index fuzzy entropy in the image enhancement is proposed based on the proposed fuzzy entropy.In this method，the image is transformed into fuzzy domain.Then，the fuzzy entropy of fuzzy image is calculated by the proposed method and the best threshold value is obtained by simulated annealing algorithm under the maximum fuzzy entropy.Finally，image enhancement is completed using enhanced operator.Experimental results show that this algorithm has the certain ability to enhance image.

Key words: index fuzzy entropy, image enhancement, information entropy, membership function

中图分类号:

TP391

王小艳，李毅. 系数型指数模糊熵在图像增强中的应用[J]. 计算机工程与应用, 2011, 47(3): 154-156.

WANG Xiaoyan，LI Yi
. Application of coefficient type of index fuzzy entropy in the image enhancement[J]. Computer Engineering and Applications, 2011, 47(3): 154-156.

[1]	王鹏，叶学义，王涛，钱丁炜. 双偏差双空间局部方向模式的人脸识别[J]. 计算机工程与应用, 2021, 57(4): 91-99.
[2]	江魁，丘远东，郑浩城. 基于信息熵与LSTM的ICMPv6 DDoS攻击检测方法[J]. 计算机工程与应用, 2021, 57(21): 148-154.
[3]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[4]	宋世杰，陈开颜，张阳. 信息熵角度下的深度学习旁路安全评估框架[J]. 计算机工程与应用, 2021, 57(17): 138-146.
[5]	张念蓬，吴旭，朱强. 基于熵的过采样框架[J]. 计算机工程与应用, 2021, 57(13): 96-101.
[6]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[7]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[8]	但雨芳，陶剑文，徐浩特. 可能性聚类假设的半监督分类方法[J]. 计算机工程与应用, 2020, 56(9): 65-74.
[9]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[10]	陈建促，王越，朱小飞，李章宇，林志航. 融合多特征图的野生动物视频目标检测方法[J]. 计算机工程与应用, 2020, 56(7): 221-227.
[11]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[12]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[13]	白凤波，常林，王世凡，李彬，王颖洁，周红，刘耀. 裁判文书关键词提取的改进方法研究[J]. 计算机工程与应用, 2020, 56(23): 153-160.
[14]	张航，盛志伟，张仕斌，杨敏. Simhash算法在文本去重中的应用[J]. 计算机工程与应用, 2020, 56(11): 246-251.
[15]	王宁，朱峰. 概率不确定语言熵及其多属性群决策[J]. 计算机工程与应用, 2020, 56(1): 142-149.

系数型指数模糊熵在图像增强中的应用

Application of coefficient type of index fuzzy entropy in the image enhancement

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics