论文部分内容阅读
人类主要通过语言和图像这两种形式来传送相关信息。其中，通过图像所获得的视觉信息又占人类获得的各种信息中的80%，因此图像信息在信息传递媒体和方式中占据了重要的地位。图像增强属于图像的预处理手段之一，它用于提高原始图像的视觉效果及某种程度的滤噪,这样可以便于计算机的后续处理,即选择性的抑制图像中不需要的信息而增强需要的信息。粗糙集的优势在于不需要任何先验知识来处理不确定数据，而图像信息具有关联性和多样性，经过处理后各个不同层次也许发生信息丢失或不清晰的问题，因此在图像处理的过程中融入粗糙集理论，通常情况下能够获得比硬计算方法更好的效果。本文在参考大量相关文献的基础上，从基于粗糙集的图像增强算法到后来将粗糙集与模糊集、小波变换相结合应用于图像增强进行了阐述。通过对原有的图像增强方法进行比较和分析之后，本文也做出了一些力所能及的创新性的劳动。本文在简要叙述关于图像增强研究的目的、意义及国内外研究现状的基础上，对现有的图像增强方法进行分析比较；着重阐述了基于粗糙集的图像增强算法，采用最大类间方差法确定阈值P以及利用信噪比量化评价图像增强效果；接着详细介绍将粗糙集和模糊集相结合的图像增强算法，并对其隶属函数和模糊增强算子作出改进，提高运算效率和改善边缘检测结果；后面是将粗糙集和小波变换相结合的图像增强算法，充分展示其各自的优势，具体步骤是首先通过小波变换对图像信息进行多尺度分解，然后依据粗糙集对分解后的子图分别做增强处理，再将经过处理后的子图分量进行图像重构，最后输出增强的图像。文章结尾对全文进行总结并提出创新点，指出本文有待改进的地方并对将来的研究方向作出展望。