一种改进的模糊推理规则边缘检测方法

摘要

本发明涉及一种改进的模糊推理规则边缘检测方法，属于数字图像处理技术领域。本发明包括步骤：使用模糊滤波方法对输入的含噪图像进行预处理，得到模糊滤波结果；将模糊滤波结果作为输入，再由定义的亮度、暗度成员函数和模糊规则计算其模糊边缘图像；然后通过模糊边缘图像和去模糊化结果代入公式计算得到阈值；最后将模糊边缘图像与计算所得的阈值进行比较，得到最终边缘检测结果。本发明能够更好地抑制噪声的干扰检测出图像边缘。本发明通过模糊滤波对模糊推理规则边缘检测算法进行改进，能有效检测出图像边缘。

主权项

一种改进的模糊推理规则边缘检测方法，其特征在于：所述使用改进的模糊推理规则边缘检测方法的具体步骤如下：Step1、在Matlab中输入一幅图像I(x,y)，计算像素点5×5窗口内各点像素值与中心点像素值的差异均值和方差，分别存放在三维数组Ω与三维数组σ²中；Step2、依据像素值的差异均值和方差，构造符合高斯分布的隶属度函数，进行模糊滤波，得到模糊滤波图像，表达式如下；$W=e^{\left(\frac{-{\left({\Omega }_{i,j,r,s}-{\Omega }_{i,j}\right)}^2}{2{\sigma }_{i,j}^2}\right)}---\left(1\right)$其中，Ω_i,j为5×5窗口内各点像素值与中心点像素值差异的均值，为5×5窗口内各点像素值与中心点像素值差异的方差，i,j为中心像素点的位置坐标，r,s∈{‑2,‑1,0,1,2}；Step3、将Step2得到模糊滤波图像输入到Matlab中，计算该模糊滤波图像每个像素8邻域灰度差，存放在三维数组diff中，然后计算每个方向上的POS和NEG值；$\begin{array}{cc}POS\left(x\right)=\left\{\begin{array}{cc}0& diff\le 0\\ \frac{diff}{c}& 0<diff<c\\ 1& diff\ge c\end{array}\right.& NEG\left(x\right)=\left\{\begin{array}{cc}1& diff\le -c\\ \frac{diff}{-c}& -c<diff<0\\ 0& diff\ge 0\end{array}\right.\end{array}---\left(2\right)$其中，POS代表亮度成员函数，NEG代表暗度成员函数，参数c为灰度图像的灰度值；Step4、依据所获取的POS值和NEG值，计算该图像的模糊熵函数，该函数如下：$H(G,c)=\frac{1}{8\times W\times H}\underset{k=1}{\overset{8}{\Sigma }}\underset{i=1}{\overset{W}{\Sigma }}\underset{j=1}{\overset{H}{\Sigma }}\left(S_n\right({\mu }_{ijk}\left)\right)---\left(3\right)$其中，μ_ijk为k方向上POS值和NEG值之和，S_n(·)为香农函数，该表达式是关于参数c的函数，通过求该函数的最大值来确定参数c，W和H是图像的宽和高；Step5、依据所获取的POS值和NEG值以及16个模糊规则，计算出能够反映中心点及其相邻两点都属于边缘的程度大小的隶属度值μ(Q)；μ是μ(Q)的集合，μ称作模糊边缘图像；Step6、根据μ确定边缘提取的灰度阈值，计算方法如下：T＝max((0.8×Z^*+0.2×μ_max),μ_local)                (4)其中，Z^*为对模糊边缘图像采用中心法去模糊化后得到的值，μ_max是模糊边缘图像μ的最大值，μ_local是模糊边缘图像μ的3×3窗口局部均值；Step7、再用模糊边缘图像μ的每个像素点的灰度值与灰度阈值T比较，当μ中的像素点的灰度值大于等于T时，判断该点是边缘点，将该点的灰度值设置为1；当μ中的像素点的灰度值小于T时，判断该点是非边缘点，将该点的灰度值设置为0，得到改进的模糊推理规则滤波结果。