2009年第10期
文章编号:100622475(2009)1020086202
计算机与现代化
JISUANJIYUXIANDAIHUA
总第170期
一种基于粗糙集的图像边缘检测方法
童 星,王命延
(南昌大学信息工程学院,江西南昌330031)
摘要:粗糙集理论是一种新的处理模糊和不确定性问题的软计算方法。图像边缘是一类灰度变化大的连续点的集合。在无噪声干扰的情况下,这一特性是区别边缘与非边缘的一个重要条件。而实际应用中,,影响了边缘检测的准确性。,首先利用灰度变化大的特点,找出可能边缘点集合,,,最后,两个集合的差就是最终要求的边缘点。实验结果表明,。关键词:粗糙集;边缘检测;边缘梯度
中图分类号:TP391.41:103969/j.issn.100622475.2009.10.024
EdgeDetectionBasedonRoughSetTheory
TONGXing,WANGMing2yan
(CollegeofInformationEngineering,NanchangUniversity,Nanchang330031,China)
Abstract:Roughsettheoryisanewsoftcalculationmethodwhichusedtoprocessfuzzyandindeterminationproblems.Edgeisakindofcollectionthatinvolvesbiggray2scalechangespoints.Innon2noisejamming’ssituation,thisisacharacteristicthatdis2tinguishiesthedifferencebetweenedgeandnon2edge.Butinthepracticalapplication,theimageunavoidablymixeswithsomenoisewhichimpactaccuracyofedgedetection.Thispaperpresentsanimageedgedetectiontheorybasedonroughsets.Accord2ingtotheset’ssimilarrelationsofroughset,itfirstfindspossibleedgepointset,usingthecharacteristicofbiggray2scalechan2ges.Then,usesthedifferencebetweennoiseandedgetofindnoiseset.Finally,thedifferencebetweenthetwosetsisonthevergeoffinaldemandpoints.Experimentalresultsshow,comparedtotraditionalmethodsofedgedetection,thismethodhascer2tainimprovementinexaminationaccuracy.
Keywords:roughsets;edgedetection;edgegradient
0 引 言
边缘检测技术是图像处理和计算机视觉等领域
基本的技术。边缘具有能勾画出区域的形状,能被局部定义以及传递大部分图像信息等优点。如何快速、精确地提取图像的边缘信息一直是国内外研究的热点,而图像的边缘检测也一直是图像边缘处理中的难题。经典的边缘检测方法有:Sobel算子、Prewitt算子、Roberts算子、高斯拉普拉斯算子等。这些算子主要是利用灰度变化的梯度信息对边缘进行检测。
粗糙集理论作为一种新的软计算方法,在智能信息处理方面具有很大的发展潜力。粗糙集用于图像
的边缘检测中,改变了利用信息变化率来对图像进行处理的方法,从全局上来处理图像,比传统的方法能获得更多的图像信息。在文献[3]中,王丹提出了基于三角模的二元模糊粗糙集模型用于边缘检测;在文献[4]中,刘国英等人提出利用粗糙集将图像划分不同子图,再分别去噪的方法;在文献[5]中,魏弘博从图像的边缘特性入手,结合粗糙集理论解决问题。
本文提出的方法,首先是利用粗糙集理论的近似关系,基于边缘点和噪声点均属于像素灰度的梯度值较大的特性,得出上近似;然后通过噪声区别于边缘点的特性,找出噪声点,即下近似;最后,通过两者的差集得出图像边缘。实验结果表明,该方法可以较好
收稿日期:2008209212
作者简介:童星(19862),女,湖北黄梅人,南昌大学信息工程学院硕士研究生,研究方向:数字图像处理;王命延(19592),男,教授,研究方向:数字图像处理。
搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,第一范文网,提供最新高等教育一种基于粗糙集的图像边缘检测方法全文阅读和word下载服务。
相关推荐: