改进的多层次模糊增强算法应用研究

doi:10.3778/j.issn.1002-8331.2010.30.057

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (30): 195-198.DOI: 10.3778/j.issn.1002-8331.2010.30.057

• 图形、图像、模式识别 • 上一篇下一篇

改进的多层次模糊增强算法应用研究

陈湘涛，陈玉娟，李明亮

湖南大学计算机与通信学院，长沙 410082

收稿日期:2009-12-09 修回日期:2010-03-22 出版日期:2010-10-21 发布日期:2010-10-21
通讯作者: 陈湘涛

Applied research of improved multi-level fuzzy enhancement algorithm

CHEN Xiang-tao，CHEN Yu-juan，LI Ming-liang

School of Computer and Communication，Hunan University，Changsha 410082，China

Received:2009-12-09 Revised:2010-03-22 Online:2010-10-21 Published:2010-10-21
Contact: CHEN Xiang-tao

摘要/Abstract

摘要： 在工业上由CCD相机拍摄的图像，因一些不利的因素，会产生斑点噪声且使待检测的目标间强度对比比较明显。对这一问题，目前常用的传统边缘检测和基于模糊理论的边缘检测方法存在着各种缺陷，由此提出了一种多层次模糊增强边缘检测算法。该算法首先使用Valley-emphasis算法来计算阈值参数，根据阈值定义的凸非线性隶属函数对待测灰度图进行模糊特征平面映射，再对模糊域进行平滑处理和模糊增强。在此基础上，提出了基于模糊熵的边缘检测方法。实验结果表明该算法有效，检测结果为工业上质量控制提供了重要依据。

关键词: 多层次模糊增强, 边缘检测, 模糊熵, 工业图像

Abstract: In industry，speckle noise and the fuzziness of boundaries are usually produced by some disadvantageous factors in image acquired by CCD camera.On this issue，there are many disadvantages in traditional edge detection and edge detection based on fuzzy theory.A multi-level fuzzy enhanced edge detection algorithm is presented.Firstly，the Valley-emphasis algorithm is employed to estimate the optimal threshold parameters.Then，the new convex non-linear membership function based on this threshold is defined to map the fractal gray image into fuzzy feature plane.Finally，fuzzy enhancement with separated regions and smooth processing are given.On this basis，the fuzzy entropy measure is employed to extract edge.Experiments demonstrate the method is effective.The edge detection results can offer an important reference for quality control in industry.

Key words: multi-level fuzzy enhancement, edge detection, fuzzy entropy, industry image

中图分类号:

TP391

陈湘涛，陈玉娟，李明亮. 改进的多层次模糊增强算法应用研究[J]. 计算机工程与应用, 2010, 46(30): 195-198.

CHEN Xiang-tao，CHEN Yu-juan，LI Ming-liang. Applied research of improved multi-level fuzzy enhancement algorithm[J]. Computer Engineering and Applications, 2010, 46(30): 195-198.

[1]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[2]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[3]	黄林，袁修久. 改进的犹豫模糊语言熵的一般公式与生成算法[J]. 计算机工程与应用, 2021, 57(16): 97-107.
[4]	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.
[5]	田程，胡廷，曹锐，相洁. 模糊熵和深度学习在精神分裂症中的应用研究[J]. 计算机工程与应用, 2020, 56(3): 152-158.
[6]	涂兵1，2，3，张晓飞1，3，潘建武1，3，张国云1，2，3，周紫璇1，3. 多特征与边缘校正融合的天际线检测算法研究[J]. 计算机工程与应用, 2019, 55(6): 178-185.
[7]	孙梦茹，王瑜，邢素霞. 基于结构局部边缘模式的绿色植物物种识别[J]. 计算机工程与应用, 2019, 55(3): 167-170.
[8]	韩彬，杨大利. 基于透射变换的印刷品图像归一化研究[J]. 计算机工程与应用, 2019, 55(23): 188-193.
[9]	聂东林，王洪辉，王翔，孟令宇. 基于图像处理的滑坡后缘裂缝运动轨迹分析[J]. 计算机工程与应用, 2019, 55(22): 201-205.
[10]	冯正英，王世东. 结合MNF变换和Canny算子的遥感影像变化检测[J]. 计算机工程与应用, 2019, 55(14): 266-270.
[11]	刘丽霞1，李宝文3，王阳萍1，2，杨景玉1，2. 改进Canny边缘检测的遥感影像分割[J]. 计算机工程与应用, 2019, 55(12): 54-58.
[12]	吴进，赵隽，李聪，吴汉宁. 机器视觉中边缘检测算法的SDSoC加速实现[J]. 计算机工程与应用, 2019, 55(12): 208-214.
[13]	姜圣涛，穆学文. 广义模糊熵图像阈值分割参数选取的ADE方法[J]. 计算机工程与应用, 2018, 54(9): 183-188.
[14]	张经宇，滕建辅，白煜. 医学图像边缘检测的Levy-DNA-ACO算法研究[J]. 计算机工程与应用, 2018, 54(8): 14-20.
[15]	王斌1，王哲辰2，周炜1，郝天鹏1. 基于熵和改进的协相关度的直觉模糊决策方法[J]. 计算机工程与应用, 2018, 54(6): 247-251.

改进的多层次模糊增强算法应用研究

Applied research of improved multi-level fuzzy enhancement algorithm

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