一种基于粗糙集理论的灰度图像增强方法

2012-10-27张艳，阳博

通信技术 2012年4期

关键词：方法

张艳，阳博

(中南林业科技大学计算机与信息工程学院，湖南长沙 410004)

0 引言

在自然科学、社会科学与工程技术的很多领域中，都不同程度地涉及到对不确定因素和不完备信息的处理。1965年Zadeh创立的模糊集理论与1982年Z.Pawlak倡导的粗糙集理论是处理不确定性的两种很好的方法。除了之外，基于概率统计的方法也是处理不确定性的一种有效方法。与模糊集和概率论等方法相比，粗糙集方法的最大优点是不需要附加信息或先验知识，在模糊集方法与概率统计等方法中，往往需要模糊隶属函数、基本概率指派函数和有关统计概率分布等，而这些信息有时并不容易得到。正是基于这一优点，粗糙集理论得以迅速兴起，并逐渐成为人工智能以及其他处理不确定性领域的研究热点，广泛应用于在机器学习，知识获取，数据挖掘，决策分析，过程控制，模式识别等领域[1-3]。

在灰度数字图像的增强处理中,作为一种和模糊集理论不同的方法，粗糙集理论将图像看成一个知识系统，基于不可分辨关系，根据像素的两个条件属性：灰度值属性和噪声属性，将像素分类到不同等价类，即划分成明暗区域和噪声区域，利用粗糙集的上下近似原理，求得无噪声区的粗糙集表示方式，并对较亮无噪声子图，采用直方图均衡变换，对较暗无噪声子图，采用指数变换，最后重叠，从而达到增强非边缘区域，减弱噪声的目的。