全球研究计算机科学杂志》上
菜单石头:2229 - 371 x
石头:2229 - 371 x
Er。Manpreet考尔* 1苏密特考尔女士2
|
| 通讯作者:Er。Manpreet考尔,电子邮件:(电子邮件保护) |
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章全球研究计算机科学杂志》上
边缘是图像的基本特征。图像边缘包含丰富的信息,是非常重要的获取对象识别的图像特征。边缘检测是图像处理中最常用的技术。所以本文代表一个改进的基于规则的模糊逻辑技术,因为模糊逻辑是可取的转换的不确定性存在于图像处理的许多方面。这里首先计算梯度和标准偏差作为模糊系统的输入。普瑞维特,索贝尔等传统算法实现日志然后用修改后的算法结果进行比较并得出结论,提出技术是寻找更多的细边和减少不属于边缘的像素。
关键字 |
| 图像处理、边缘检测、模糊逻辑、去模糊化,模糊推理系统 |
介绍 |
| 当我们模仿人类的视觉系统通过使用计算机算法,可能遇到很多问题。电脑到每个区域的市场渗透和生活迫使设计师加入看到和分析能力和创新越来越多进入电子视觉或图像处理领域。在计算智能电子视觉,许多算法开发了从图像中提取不同的特征,如边缘,段和许多其他类型的图像特征。的目标在一个数字图像边缘检测的过程是确定所有代表对象的前沿,根据颜色或灰度信息的自动处理每一个像素。这个过程有很多应用在图像处理和计算机视觉,和是一个不可或缺的技术。一条边被定义为灰度值不连续。换句话说,优势是物体和背景之间的界限。在图像边缘的形状取决于许多参数:物体的几何和光学特性,光照条件,图像噪声水平。边缘包含图像中最重要的信息,并能提供信息对象的位置。[1]边缘检测是计算机视觉的一个重要环节和其他图像处理,用于特征检测和纹理分析。 Most previous edge detection techniques used first-order derivative operators such as the Sobel edge operator, [2] the Prewitt edge operator and the Robert edge operator. The Laplacian operator is a second order derivative operator for functions of two-dimension operators and is used to detect edges at the locations of the zero crossing. Recent examples include edge detectors using fuzzy logic, neural networks, or wavelets [Sun and Sclabassi 1995, Law et al. 1996, Bezdek et al. 1996, Wang et al. 2005]. Comparison of edge detection approaches and an assessment of their performance may be found in [Demigny et al. 1995, Ramesh and Haralick 1994].In this paper, fuzzy logic based approach to edge detection in digital images is proposed. Firstly, for each pixel in the input image edginess„ measure is calculated using three 3 x 3 linear filters after which three fuzzy sets characterized by three (3) Gaussian membership functions associated to linguistic variable Low, Medium and High were created to represent each of the edge strengths. The second phase involves application of fuzzy inference rule to the three fuzzy sets to modify the membership values in such a way that the fuzzy system output (edge) is high only for those pixels belonging to edges in the input image. The last step is final pixel classification as edge or non-edge using Mamdani defuzzification method. |
基于模糊逻辑的边缘检测中的应用 |
| 许多技术已经被研究人员在过去的建议基于逻辑的模糊边缘检测(张1995年陈,郭,等。1997年,El-Khamy et al . 2000]。(赵,et al . 2001],赵等人提出一种边缘检测技术,基于概率的图像分割成3-fuzzy分区(地区)和最大熵原则寻找最佳的参数值,结果紧凑表示的图像边缘。在他们提出的技术的必要条件熵函数达到最大。基于这个条件三级阈值的有效算法。几种方法基于模糊逻辑的边缘检测已报告基于模糊if - then规则。Mansoori提出的类似的工作,等。[Mansoori, et al . 2006],在相邻的每个像素点分为六组不同。然后通过使用适当的钟形隶属函数,从0到1的值为每个组决定。基于成员的值,模糊规则,决定存在/不存在和方向的边缘像素。一些模糊逻辑的优缺点: |
| 优点: |
| 帮助非常复杂或轻度非线性过程。 |
| 允许使用“模糊”概念中,低,等等。 |
| 最大的影响是对控制问题。 |
| -避免不连续的行为。 |
| 缺点: |
| ——有时结果是出乎意料的,而且很难调试。 |
| 计算复杂 |
| 文学模糊逻辑,不是值得推荐的,如果传统的方法产生一个令人满意的结果。 |
| 答:模糊推理系统 |
| 模糊系统是由一个叫做模糊推理系统知识库和推理机制。一个模糊推理系统(FIS)由四个功能模块,如图 |
 |
| 模糊化:将脆的输入转换成度与语言值。反向去模糊化的过程。 |
| 知识库:由规则库和一个数据库。规则库包含许多模糊if - then规则。数据库定义中使用的模糊集的隶属函数的模糊规则。 |
| 模糊推理引擎:模糊推理引擎执行上的推理操作规则。 |
| 去模糊化:这个模糊集转换成单一的脆值称为去模糊化。 |
| b .动机模糊图像处理有很多原因。最重要的是: |
| 模糊是强大的工具知识表示和处理人类知识在形式的模糊规则。 |
| 模糊技术可以有效地管理歧义和模糊图像可以表示为模糊集)。 |
| 提出工作 |
| 本文首先输入图像预处理来突出或删除一群空间频率和定位在一个图像有一个突然的变化像素的灰度值。每个像素的图像边缘强度值是计算有三(3)3×3线性空间滤波器即低通、高通和边缘增强过滤器(Sobel)通过空间卷积过程。在执行一个3×3内核卷积,卷积九系数定义称为卷积面具。边缘强度值来自于三(3)面具作为输入中使用基于模糊推理系统的建设决定像素是否属于优势。隶属函数是模糊系统的输入定义。模糊逻辑规则取决于8邻居灰度级像素的权重规则的能力,是提取所有的边直接处理图像。这四个规则处理的检查或中心像素面具如果一行的灰色黑色那么检查像素将白色否则它将保持相同,因为不需要将它转换为黑。所以这组规则是找到边缘,黑色或白色像素。模糊推理系统的输入将从0 - 1的范围。然后输入灰色模糊建筑一边范围从0 - 255灰色强度。 And here these grey levels are converted into the mathematical values for input to the membership functions and the output is again presented to values from 0- 255 after applying defuzzification process. It is found that the best results are obtained by using the threshold value 80; here we get black between 0-80 and white between 80-255. There are different methods used for edge detection so in first method the gradient values are computed and is compared with the threshold value ,pixels with greater gradient value than the threshold value will be considered as edge candidate[3] .similarly the second method is calculating the standard deviation and compared with threshold value and pixel with higher SD then threshold value will be the edge candidate .The next step is to apply first order gradient and standard deviation and then apply fuzzy rules .so two computed values are used as inputs for the fuzzy system.[2] The final decision will be based on the output. Before applying rules ,both the gradient and SD are mapped to range of [0 to 100] and are classified as low ,medium ,high classes the classes are represented as SL,SM and SH, there are four thresholds used a1 ,c1 ,a2 , c2 .and the classification of edges will be according to the values ,if SD value is in range of [0 c1] the pixel is SL SD value is in range of [a1 c2] the pixel is SM SD value is in range of [a2 100] the pixel is SH. Similarly for the gradient values: |
 |
| 这里c-low的值是0.25,c-medium高0.5和c是0.75。 |
| 最后边缘像素将被计算为Edgefinal = (sl * gl * cl) + (sl *通用* cl) + (sl * gh *厘米)+ (sm * gl * cl) + (sm *通用*厘米)+ (sm * gh * ch) + (sh * gl *厘米)+通用(上海* * ch) + (sh * g h * ch) |
| 最后比阈值等于0.26,像素划分为优势。 |
 |
结论 |
| 修改规则提出了基于边缘检测技术。标准差和梯度值作为模糊系统的输入使用成员函数3)if - then规则应用于其他修改会员之一,低,中,高的类。最后进行去模糊化。三个边缘强度值作为模糊系统的输入是fuzzified使用高斯隶属度函数。模糊如果然后规则应用于修改会员之一,低,中,或高类。结果表明,该技术是减少计算代价昂贵。它可以提高质量的Sobel边缘相比,普瑞维特和日志操作符。该算法适用于应用在数字图像处理领域的人脸识别、医学成像、遥感,需要指定特定的边界进行图像分析。所以这些类的值 |
结果 |
| 该算法使用模糊逻辑是基于修改规则的边缘检测。新修改后的算法实现和结果比较与现有的边缘探测器像普瑞维特(b)和日志(c)和索贝尔(d)。结果应用于不同的图像。as图- 5所示(一个)莉娜的原始图像,豆类和Bamboon和输出图像图5 (b)与经营者普瑞维特显示清晰但很厚边缘.Similarly登录fig-5图5中(c)和索贝尔(d)厚比算法的输出所示fig-5 (e)。 |
未来的范围 |
| 设计模糊规则是一个很好的解决方案,提高边缘的质量。本文介绍了边缘检测技术修改,主要是基于边缘检测方法包括梯度计算和标准偏差。的模糊推理系统决定是否边缘像素是一个候选人。该方法显示了更好的输出sobel相比,日志,普瑞维特。 |
 |
| 图5:输出显示的结果 |
| 这项工作的未来范围可以修改隶属函数得到好的结果很低对比度图像和它还可以应用于彩色图像。也可以做在图片对比差别很大。 |
引用 |
|
