一种新的自适应图像模糊增强算法

一种新的自适应图像模糊增强算法

王保平1;刘怀亮2;李南京1;谢维信1

(1.西北工业大学国防科学研究院,陕西西安 710072; 2. 西安电子科技大学经济管理学院,陕西西安 710071; 3. 深圳大学信息工程学院,广东深圳 518060)

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2005-04-20 发布日期:2005-04-20

A novel adaptive image fuzzy enhancement algorithm

WANG Bao-ping1;LIU Huai-liang2;LI Nan-jing1;XIE Wei-xin3

(1. Northwest Polytechic University, Defence Science and Technology Academe, Xi′an 710072， China; 2. School of Economic Management, Xidian Univ., Xi′an 710071， China; 3. Inst. of Information Engineering, Shenzhen Univ., Shenzhen 518060， China)

Received:1900-01-01 Revised:1900-01-01 Online:2005-04-20 Published:2005-04-20

摘要/Abstract

摘要： 对图像模糊增强算法中的非线性变换进行了研究，发现了其存在变换强度较小，运算速度较慢，丢失部分灰度信息等缺点．提出了一种新的模糊增强变换算子，该变换算子不但克服了上述缺点，而且具有封闭性、变换强度可调以及移植性好等优点．另外，针对以往算法选取阈值参数的随机性问题，通过引入模糊熵，使阈值的选取具有了一定的目的性．将新的模糊增强算法应用于图像边缘检测中，取得了优于现有模糊增强方法的效果．

关键词: 图像增强, 边缘检测, 隶属度函数

Abstract: The no-linearity transform in image enhancement is studied in detail, and its drawbacks are found, on the basis of which a novel image fuzzy enhancement arithmetic operator is proposed, which not only has a closing character and an automatic-adjusting character, but also has a transplant character to other enhancement arithmetic. In addition, by quoting fuzzy entropy, the selection of the threshold value in image enhancement is beneficial to a certain extent. We use our new algorithm to extract image edges, with a better result than that of the now-available image fuzzy enhancement method.

Key words: image enhancement, edge detection, membership function

中图分类号:

TP391.41

王保平1;刘怀亮2;李南京1;谢维信1. 一种新的自适应图像模糊增强算法[J]. J4, 2005, 32(2): 307-313.

WANG Bao-ping1;LIU Huai-liang2;LI Nan-jing1;XIE Wei-xin3.

A novel adaptive image fuzzy enhancement algorithm

[J]. J4, 2005, 32(2): 307-313.

[1]	张雅荔, 李文元, 李昌禄, 丁少博. 融合注意力引导的多尺度低照度图像增强方法[J]. 西安电子科技大学学报, 2023, 50(1): 129-136.
[2]	孙彦景,魏力,张年龙,云霄,董锴文,葛敏,程小舟,侯晓峰. 联合DD-GAN和全局特征的井下人员重识别方法[J]. 西安电子科技大学学报, 2021, 48(5): 201-211.
[3]	王俊祥,黄霖,张影,倪江群,林朗. 低复杂度的增强图像来源检测算法[J]. 西安电子科技大学学报, 2021, 48(1): 96-106.
[4]	刘志强,张铭津,池源,李云松. 一种深度学习的硬件木马检测算法[J]. 西安电子科技大学学报, 2019, 46(6): 37-45.
[5]	冯玉颖;王俊平;马塾亮;李超;伍尧. COPLIP新模型及其图像增强新算法[J]. 西安电子科技大学学报, 2018, 45(1): 66-71.
[6]	王立辉;乔楠;余乐. 水下地形导航匹配区选取的模糊推理方法[J]. 西安电子科技大学学报, 2017, 44(1): 140-145.
[7]	何嘉懿;廖桂生;杨志伟;孙存光. 一种参数化轨迹增强的TBD算法[J]. J4, 2015, 42(6): 17-22.
[8]	宋长贺;李云松;宁纪锋;牟永强. 分布场的多特征融合目标跟踪方法[J]. J4, 2015, 42(4): 1-7.
[9]	冯晓毅;赖阳明;王文星;崔少星;彭进业;蒋晓悦. 一种边缘二进制码的表情识别方法[J]. J4, 2015, 42(3): 186-191.
[10]	张明;白松浩. 利用上下边界估计的图像增强方法[J]. J4, 2015, 42(1): 149-154.
[11]	崔华;周婷洁;郭璐;袁超;宋焕生. 改进的偏微分扩散方程图像增强方法[J]. J4, 2014, 41(6): 195-198.
[12]	李锦;王俊平;万国挺;李紫阳;许丹;曹洪花;张广燕. 一种结合直方图均衡化和MSRCR的图像增强新算法[J]. J4, 2014, 41(3): 103-109.
[13]	张广燕;王俊平;汪松;曹洪花;许丹;李锦;李长江. 一种SLIP模型的图像增强新算法[J]. J4, 2014, 41(1): 105-109+169.
[14]	李权合;查宇飞;熊磊;毕笃彦. 雾霾退化图像场景再现新算法[J]. J4, 2013, 40(5): 99-106.
[15]	李烨;杨家玮;安金坤;梁彦霞. 经验模式分解域自适应滤波方法[J]. J4, 2012, 39(6): 154-161.