基于粗糙集和反銳化掩模的圖像增強(qiáng)研究.pdf

1、眾所周知，圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)，削弱或去除某些不需要的信息的處理方法，其主要目的是使處理后的圖像對(duì)某種特定的應(yīng)用來(lái)說(shuō)，比原始圖像更適用。目前，已經(jīng)有許多常用的圖像增強(qiáng)方法，如直方圖均衡、直接灰度變換、各種各樣時(shí)頻域的平滑及銳化處理等，這些方法都能達(dá)到一定的增強(qiáng)效果，如直方圖均衡和直接灰度變換可以改善圖像的明暗對(duì)比度，平滑處理可以去除噪聲，銳化則可以提高邊緣及細(xì)節(jié)信息的清晰度，但它們又都各有不足，直方圖均

2、衡和直接灰度變換不能有效去除噪聲，平滑處理會(huì)導(dǎo)致圖像變模糊，銳化對(duì)噪聲很敏感，會(huì)降低圖像的信噪比。由此可見(jiàn)，在實(shí)際的圖像處理操作中，以上的各種方法都很難得到無(wú)噪而又高清晰的處理結(jié)果。 為了避免常用方法的缺點(diǎn)和不足，達(dá)到既能有效去除噪聲，又能提高圖像細(xì)節(jié)信息清晰度的增強(qiáng)處理效果，以便于科研工作人員后繼的研究和應(yīng)用，本文提出一種新的基于粗糙集(RoughSets，RS)和反銳化掩模(UnsharpMasking，UM)的圖像增強(qiáng)方法

3、。首先運(yùn)用粗糙集把原始圖像進(jìn)行知識(shí)化表達(dá)，然后依據(jù)計(jì)算求得的閾值對(duì)圖像進(jìn)行屬性歸類(lèi)，將知識(shí)化后的圖像劃分成亮區(qū)、暗區(qū)、噪聲區(qū)及非噪聲四種不同的區(qū)域，并結(jié)合粗糙集中的近似及等價(jià)屬性關(guān)系，對(duì)亮區(qū)和暗區(qū)分別進(jìn)行噪聲的有效去除，進(jìn)而合并亮暗區(qū)既可得到無(wú)噪聲干擾的圖像，最后再運(yùn)用小波分析將去噪后的圖像分解成不同層次的低頻近似和高頻細(xì)節(jié)子圖像，并按照人眼的視覺(jué)特性對(duì)高頻子圖像實(shí)施反銳化掩模法增強(qiáng)，實(shí)現(xiàn)對(duì)輪廓及細(xì)節(jié)信息的增強(qiáng)處理，再合并增強(qiáng)后的高低頻

4、子圖像，從而完成圖像的最終增強(qiáng)。 為了證實(shí)本文所設(shè)計(jì)新方法的有效性和優(yōu)越性，實(shí)驗(yàn)時(shí)分別做了分步與綜合仿真。首先對(duì)只含有噪聲的圖像，采用粗糙集去噪與其它方法去噪的仿真效果做了比較；其次對(duì)只存在模糊問(wèn)題的圖像，運(yùn)用小波反銳化掩模與其它銳化方法的仿真效果做了比較；第三次的綜合仿真對(duì)象為既有噪聲又模糊的人腦CT圖像和玻璃啤酒瓶上的裂紋圖像，綜合運(yùn)用本文提出的粗糙集與小波反銳化掩模相結(jié)合的增強(qiáng)方法處理，并與其它常用方法的結(jié)果作以仿真效果比