《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 顯示光電 > 設(shè)計應(yīng)用 > 一種基于模糊邏輯的自適應(yīng)閾值圖像分割方法
一種基于模糊邏輯的自適應(yīng)閾值圖像分割方法
2015年微型機與應(yīng)用第1期
周 瑩,杜雯超,彭慶暢,劉宇紅
(貴州大學 大數(shù)據(jù)與信息工程學院,貴州 貴陽 550025)
摘要: 圖像是人類感知世界的視覺基礎(chǔ),然而在人類通過視覺獲取的大量圖像信息中,并不是所有的信息內(nèi)容都是我們所需要的,所以需要把圖像分成若干個特定的、具有獨特性質(zhì)的區(qū)域。本文對圖像分割方法進行了研究,給出了一種基于模糊邏輯的自適應(yīng)閾值圖像分割方法,并將其應(yīng)用于車牌圖像中,在MATLAB環(huán)境下對兩幅典型圖像通過Otsu方法、脈沖耦合神經(jīng)網(wǎng)絡(luò)算法和本文所提算法進行仿真分析,結(jié)果對比分析顯示本文方法在綜合方面略優(yōu)于其他兩種對比方法。
Abstract:
Key words :

  摘  要: 圖像是人類感知世界的視覺基礎(chǔ),然而在人類通過視覺獲取的大量圖像信息中,并不是所有的信息內(nèi)容都是我們所需要的,所以需要把圖像分成若干個特定的、具有獨特性質(zhì)的區(qū)域。本文對圖像分割方法進行了研究,給出了一種基于模糊邏輯的自適應(yīng)閾值圖像分割方法,并將其應(yīng)用于車牌圖像中,在MATLAB環(huán)境下對兩幅典型圖像通過Otsu方法、脈沖耦合神經(jīng)網(wǎng)絡(luò)算法和本文所提算法進行仿真分析,結(jié)果對比分析顯示本文方法在綜合方面略優(yōu)于其他兩種對比方法。

  關(guān)鍵詞: 圖像分割;閾值法;模糊邏輯;MATLAB

0 引言

  所謂圖像分割,就是把圖像分成若干個特定的、具有獨特性質(zhì)的區(qū)域并提出感興趣目標的技術(shù)和過程[1]。對車牌圖像進行有效的分割是后續(xù)對車牌字符分割的基礎(chǔ),合理的分割結(jié)果能更好地找到圖像中的有用信息并方便對其進行處理。自1965年美國數(shù)學家L.Zadeh首次提出了Fuzzy集合的概念,模糊理論發(fā)展至今已接近三十余年,應(yīng)用的范圍非常廣泛,其中利用模糊數(shù)學這一工具來處理具有模糊不確定性的信息就叫做模糊信息處理。

  本文通過改進原有的一些模糊閾值分割方法,提出了一種基于模糊邏輯的圖像分割方法,并且將其應(yīng)用于車牌圖像分割中,同時對本文算法與其他圖像分割方法進行對比仿真分析。

1 基于模糊邏輯的圖像分割算法

  圖像分割的目的是將圖像中有用的信息提取出來,可以借助模糊集與系統(tǒng)理論來理解、表示和處理分割圖像,得益于圖像固有的內(nèi)在模糊性,從而為模糊集與系統(tǒng)理論的應(yīng)用提供了用武之地。

  一幅圖像擁有不同的特征值,本方法通過圖像灰度對圖像進行分割。對于一幅M×N圖像,其灰度級為0~255,但對于一幅具體的圖像來說,灰度級可能不會覆蓋全部的256個階,所以可以由圖像的灰度直方圖得到圖像灰度的范圍為0~F-1。本文以車牌圖像為例,設(shè)定目標為車牌,圖像其他部分為背景,其灰度直方圖如圖1所示。

001.jpg

  首先通過原有分割算法對圖像進行預分割,通過預分割得到背景(Background Region,BR)及目標區(qū)域(0bject Region,OR)。隨機選取有限個背景和目標區(qū)域像素點,結(jié)合灰度直方圖計算其灰度均值,得到gb和go分別為背景與目標區(qū)域閾值。獲得目標區(qū)域OR、模糊區(qū)域(Fuzzy Region,F(xiàn)R)以及背景區(qū)域BR的灰度范圍為[gmin,go],[go,gb]以及[gb,gmax]。

  然后,將目標和背景兩個區(qū)域的成員函數(shù)使用S函數(shù)和S函數(shù)來進行建模,其中將背景參考區(qū)域和目標參考區(qū)域視為灰度集[0,1,…,F(xiàn)-1]的兩個模糊子集。S函數(shù)和S函數(shù)如圖2所示。

004.jpg

  其中:

  12.png

  顯然,通過將灰度集轉(zhuǎn)換為直方圖后做加權(quán),得到的算術(shù)平均量為S函數(shù)和S函數(shù)中的參數(shù)b。進而通過b與最大最小灰度值之間的最小距離可以確定參數(shù)a和參數(shù)c。

  描述模糊度的方法有很多,例如數(shù)量積法、相關(guān)系數(shù)法、最大最小法、絕對值指數(shù)法、非參數(shù)法等。選用貼近度法中的距離貼進度,選用Lance函數(shù)作為描述模糊集的不確定度函數(shù),Lance的距離公式為:

  35.jpg

  所以由式(5)可以計算出目標區(qū)域OR和背景區(qū)域BR的模糊度,式(5)中A(xij)=A(xij,a,b)或A′(xij,b,c),算得模糊度為LBR和LOR。

  67.jpg

  通過比較η1和η2的大小,判斷gFR的加入是對背景還是對目標區(qū)域的影響更大。若η1>η2,則gFR對目標區(qū)域模糊子集影響更大,即與目標區(qū)域相似度更高,所以應(yīng)將gFR劃入背景區(qū)域的模糊集。對模糊區(qū)域的灰度做同樣處理,則會有某一灰度值gd使η1(gd)=η2(gd),則gd為分割閾值。

2 仿真研究

  本文分別用不同的分割方法對Lena圖像和車牌圖像進行分割處理,并比較其分割效果。

  2.1 仿真結(jié)果

  在仿真實驗中分別對Lena圖像和車牌圖像使用Otsu方法、脈沖耦合神經(jīng)網(wǎng)絡(luò)方法以及本文方法進行分割。對三種方法運用在三幅不同圖像中的信息熵、類間方差以及響應(yīng)處理時間進行比較。其中信息熵公式為香農(nóng)公式:

  810.jpg

  M×N為圖片大小,(s,t)是選取的閾值點,?滋n(i,j)表示(x,y)處像素在圖像中具有的隸屬函數(shù),Pij表示(i,j)出現(xiàn)的頻率。

  實驗對比結(jié)果如圖3、圖4和表1、表2所示。

  2.2 仿真分析

  由上述實驗結(jié)果可看出本文算法能夠較好地處理背景區(qū)域與目標區(qū)域間的過渡區(qū),并且能夠較完整地呈現(xiàn)圖像的細節(jié)。本文方法克服了脈沖耦合神經(jīng)網(wǎng)絡(luò)方法中響應(yīng)時間過長的缺點,同時在類間方差以及信息熵方面優(yōu)于Otsu方法。

3 結(jié)束語

  本文通過將模糊數(shù)學中的模糊隸屬度函數(shù)和模糊度函數(shù)與閾值分割相結(jié)合,得到一種基于模糊邏輯的自適應(yīng)閾值圖像分割方法。同時用實驗仿真的方式將本文方法與Otsu方法以及脈沖耦合神經(jīng)網(wǎng)絡(luò)方法進行了比較。實驗證明,本文方法綜合性能優(yōu)于其他兩種算法,而且能夠較完整地呈現(xiàn)圖像細節(jié)。

參考文獻

  [1] GONZALEZ R C, WOODS R E. 數(shù)字圖像處理(第三版)[M].阮秋琦,阮宇智,等,譯.北京:電子工業(yè)出版社,2012.

  [2] 何俊,葛紅,王玉峰.圖像分割算法研究綜述[J].計算機工程與科學,2009,31(12):58-60.

  [3] 趙娜.基于模糊理論的車牌圖像分割與識別系統(tǒng)研究[D].長春:長春理工大學,2008.

  [4] 許新征,丁世飛,史忠植,等.圖像分割的新理論和新方法[J].電子學報,2012,38(2A):76-80.

  [5] 章毓晉.圖像分割[M].北京:科學出版社,2001.

  [6] 杜曉晨,劉建平.改進的模糊閾值圖像分割方法[J].光電工程,2010,32(10):51-53.

  [7] 趙鳳.基于模糊熵理論的若干圖象分割方法研究[D].西安:西安郵電學院,2007.


此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載。
主站蜘蛛池模板: 深爱婷婷网 | 97影院在线观看 | 国产图色 | 看看的在线视频国产 | 成人羞羞视频在线观看免费 | 日韩欧美视频二区 | 五月激情综合 | 国产精品久久久久久久午夜片 | 男人的天堂天堂网 | 奇米1111| 99视频在线观看免费 | 国产一级高清视频在线 | 久久国产精品系列 | 亚洲国产日本 | runaway韩国电影免费完整版 | 国产精品视频久久 | 24小时最新更新免费观看片 | 九九九国产 | 欧美成人一区二区 | 国产精品免费电影 | 国产一区二区三区免费在线观看 | 久青草久青草高清在线播放 | 国产精品久久久久免费 | 久久久久国产 | 五月月色开心婷婷久久合 | 你懂的国产视频 | 国产成人毛片亚洲精品不卡 | 免费网站入口2021 | 国产精品成人在线播放 | 日本视频免费 | 亚洲国产天堂在线观看 | 亚洲狠狠97婷婷综合久久久久 | 日韩精品在线观看视频 | 成人午夜一区二区三区视频 | 九九国产在线 | 青草精品在线 | 五月婷综合网 | 黑人中文字幕在线精品视频站 | 免费在线一区 | 国产视频福利一区 | 欧美日韩国产手机在线观看视频 |