一种改进的模糊推理规则边缘检测方法
【技术领域】
[0001] 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。
【背景技术】
[0002] 近年来许边缘检测技术被提出，其中基于模糊熵的技术越来越成为关注的热点。 基于模糊边缘的检测算法最初是由Pal和King等提出的，由于算法引入了模糊思想而使 其边缘检测能力较强。之后很多学者对模糊边缘检测算法做了不同方向的研究，S. Lu等 人提出了一种基于模糊神经网络系统的边缘检测算法，将模糊熵理论与神经网络系统相结 合，解决了神经网络边缘检测算法对噪声敏感的问题；L. R. Liang等人提出一种模糊边缘 分类器，得到了较好的边缘检测效果。Liming Hu等人提出了基于模糊推理规则的边缘检测 算法，该算法具有非常好的图像边缘检测能力，并且具有一定的抗噪性能，尤其是对椒盐噪 声，其抗噪效果非常明显。但是该算法对于高斯噪声很敏感，当高斯噪声较小时，能够得到 理想的边缘检测效果；当高斯噪声较大时，这种算法不能很好的识别边缘和噪声，会将边缘 误判为噪声而没有提取，导致边缘检测的效果较差。
【发明内容】
[0003] 本发明提供了一种改进的模糊推理规则边缘检测方法，以用于强高斯噪声污染图 像的边缘检测。
[0004] 本发明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：
[0005] St印1、在Matlab中输入一幅图像I (x，y)，计算像素点5X5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与三维数组〇2中；
[0006] 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；
[0007]
⑴
[0008] 其中，Qij为5X5窗口内各点像素值与中心点像素值差异的均值，为 5X5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 e {-2, -1, 0, 1, 2}；
[0009] 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；
[0010]
(：2>
[0011] 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；
[0012] 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：
[0013]
13)
[0014] 其中，μ ljk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；
[0015] 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；
[0016] Step6、根据μ确定边缘提取的灰度阈值，计算方法如下：
[0017]
[0018] 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 _是模糊边缘图 像μ的最大值，μ lclMl是模糊边缘图像μ的3X3窗口局部均值；
[0019] 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。
[0020] 本发明的有益效果是：
[0021] 1、在适用范围方面，模糊推理规则边缘检测方法对于椒盐噪声效果较好，通过本 方法改进后，该方法能够适用于高斯噪声，使用范围更广。
[0022] 2、在边缘检测完整性方面，本方法弥补了模糊推理规则边缘检测算法在强高斯噪 声下检测结果较差的不足，有较好的抗噪性，不会因噪声影响而丢失边缘信息，检测出的边 缘清晰完整。
【附图说明】
[0023] 图1为本发明中的流程图；
[0024] 图2为本发明中Lena原图；
[0025] 图3为本发明中方差为0. 03 (强噪声情况）的高斯噪声污染Lena图像；
[0026] 图4为本发明中强噪声情况下本发明算法Lena结果。
【具体实施方式】
[0027] 实施例1 :如图1-4所示，一种改进的模糊推理规则边缘检测方法，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：
[0028] St印1、在Matlab中输入一幅图像I (x，y)，计算像素点5X5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与三维数组〇2中；
[0029] 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；
[0030]
I y
[0031] 其中，Qi j为5X5窗口内各点像素值与中心点像素值差异的均值，为 5X5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 e {-2, -1, 0, 1, 2}；
[0032] 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；
[0033]
(2>
[0034] 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；
[0035] 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：
[0036]
(3)
[0037] 其中，μ ljk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；
[0038] 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；
[0039] Step6、根据μ确定边缘提取的灰度阈值，计算方法如下：
[0040] T = max ((0. 8 X Z*+0. 2 X μ max), μ local) (4)
[0041] 其中，f为对模糊边缘图像采用中心法去模糊化后得到