基于粗糙集和反銳化掩模的圖像增強研究.pdf

1、眾所周知，圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時，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某種特定的應用來說，比原始圖像更適用。目前，已經有許多常用的圖像增強方法，如直方圖均衡、直接灰度變換、各種各樣時頻域的平滑及銳化處理等，這些方法都能達到一定的增強效果，如直方圖均衡和直接灰度變換可以改善圖像的明暗對比度，平滑處理可以去除噪聲，銳化則可以提高邊緣及細節(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，平滑處理會導致圖像變模糊，銳化對噪聲很敏感，會降低圖像的信噪比。由此可見，在實際的圖像處理操作中，以上的各種方法都很難得到無噪而又高清晰的處理結果。 為了避免常用方法的缺點和不足，達到既能有效去除噪聲，又能提高圖像細節(jié)信息清晰度的增強處理效果，以便于科研工作人員后繼的研究和應用，本文提出一種新的基于粗糙集(RoughSets，RS)和反銳化掩模(UnsharpMasking，UM)的圖像增強方法

3、。首先運用粗糙集把原始圖像進行知識化表達，然后依據(jù)計算求得的閾值對圖像進行屬性歸類，將知識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，并結合粗糙集中的近似及等價屬性關系，對亮區(qū)和暗區(qū)分別進行噪聲的有效去除，進而合并亮暗區(qū)既可得到無噪聲干擾的圖像，最后再運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節(jié)子圖像，并按照人眼的視覺特性對高頻子圖像實施反銳化掩模法增強，實現(xiàn)對輪廓及細節(jié)信息的增強處理，再合并增強后的高低頻

4、子圖像，從而完成圖像的最終增強。 為了證實本文所設計新方法的有效性和優(yōu)越性，實驗時分別做了分步與綜合仿真。首先對只含有噪聲的圖像，采用粗糙集去噪與其它方法去噪的仿真效果做了比較；其次對只存在模糊問題的圖像，運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，綜合運用本文提出的粗糙集與小波反銳化掩模相結合的增強方法處理，并與其它常用方法的結果作以仿真效果比