模糊邏輯控制報(bào)告

報(bào)告人：王賀文獻(xiàn)閱讀報(bào)告基于模糊理論的靜脈圖像增強(qiáng)算法研究

東北大學(xué)陳國坤研究背景

隨著社會的發(fā)展和科技的進(jìn)步,生物識別技術(shù)用于特征識別己經(jīng)成為了研究的熱點(diǎn)。其中,靜脈識別以其不易偽造且非接觸式采集等獨(dú)特優(yōu)勢倍受人們關(guān)注。但是,由于在靜脈采集過程中受到儀器設(shè)備、光照等因素的影響,采集的靜脈圖像對比度往往較低、噪聲較多,給最終的識別帶來很大的不便,所以在識別之前對靜脈圖像作包括增強(qiáng)在內(nèi)的預(yù)處理是很有必要的。本文針對靜脈圖像的預(yù)處理問題,分別從去噪和對比度增強(qiáng)兩方面做了研究。研究內(nèi)容去噪方面：本文針對靜脈圖像中脈沖噪聲及高斯噪聲的混合噪聲,首先利用模板操作對圖像進(jìn)行噪聲檢測,分離出脈沖噪聲并以中值濾波進(jìn)行濾除,并對鄰域像素集合予以相應(yīng)像素的裁減。然后,針對高斯噪聲灰度值的不確定性,應(yīng)用了改進(jìn)的模糊加權(quán)均值去噪算法。最后,根據(jù)實(shí)驗(yàn)驗(yàn)證了基于模糊推理的靜脈圖像去噪算法的有效性。增強(qiáng)方面：本文分析了常見的模糊增強(qiáng)算法,并結(jié)合近紅外靜脈圖像特點(diǎn),提出采用基于模糊對比度的圖像增強(qiáng)算法。首先,把圖像從空間域映射到模糊域。然后,在模糊域內(nèi)定義一個圖像模糊對比度,利用改進(jìn)的模糊對比度增強(qiáng)算子實(shí)現(xiàn)對比度非線性變換。最后,將圖像逆映射回空間域,從而完成了靜脈圖像對比度增強(qiáng)的整個過程。模糊理論基礎(chǔ)模糊集合:對傳統(tǒng)集合理論一種推廣，將離散的兩點(diǎn)0和1擴(kuò)充為連續(xù)狀態(tài)的區(qū)間[01],這樣,普通集合的特征函數(shù)就擴(kuò)展為模糊集的隸屬函數(shù)。即：論域U中的一個模糊集合A是指對論域中的任意元素u，定義了[01]閉區(qū)間中的一個數(shù)

與之對應(yīng)，即u對A的隸屬度。隸屬函數(shù)：三角形隸屬函數(shù)梯形隸屬函數(shù)高斯隸屬函數(shù)推理：從事實(shí)和一組模糊規(guī)則中得出結(jié)論的過程模糊推理：即處理模糊信息的方法模糊推理的過程：激勵蘊(yùn)涵聚合解模糊兩種模型：Mamdani模糊模型T-S模糊模型靜脈圖像去噪算法總體設(shè)計(jì)靜脈圖像：脈沖噪聲像素點(diǎn)集合高斯噪聲像素點(diǎn)集合算法內(nèi)容:

脈沖噪聲的檢測和處理

高斯噪聲的濾除首先進(jìn)行脈沖噪聲檢測,分離出脈沖噪聲并以中值濾波進(jìn)行濾除,并對鄰域像素集合予以相應(yīng)像素裁減;然后對含有高斯噪聲的圖像點(diǎn)進(jìn)行模糊加權(quán)均值濾波,達(dá)到濾除混合噪聲的目的。噪聲檢測環(huán)節(jié)分為兩個部分:被處理像素檢測和鄰域像素檢測。對應(yīng)不同檢測對象采用了不同的檢測算法,以及不同的處理方式。算法結(jié)構(gòu)示意圖模糊推理模型的建立模糊規(guī)則庫的建立：

像素差小,則權(quán)值大

像素差大,則權(quán)值小這里，采用if...then結(jié)構(gòu)建立模糊規(guī)則其中,W(n)為第n個像素的加權(quán)系數(shù),V是每條規(guī)則加權(quán)系數(shù)的值。規(guī)則數(shù)量與輸入像素差的個數(shù)成2的指數(shù)關(guān)系基于模糊對比度的靜脈圖像增強(qiáng)模糊化映射：采用“S”型隸屬度函數(shù)將圖像映射到[0,1]區(qū)間上采用模糊熵表示靜脈圖像信息,基于模糊熵最大準(zhǔn)則求取參數(shù)b。模糊熵定義：香農(nóng)函數(shù)：最佳閾值：對比度增強(qiáng)流程圖a和c是模糊邊界，b為渡越點(diǎn)Xij和U（Xij）分別是模糊化前后值。模糊對比度：

分子為像素點(diǎn)Xij隸屬度與其鄰域均值隸屬度之差絕對值,

可表示模糊對比度;F表示歸一化處理的相對模糊對比度。模糊對比度增強(qiáng)算子：其中，取某種凸變換，K>0用于對不同圖像進(jìn)行調(diào)節(jié)。實(shí)驗(yàn)結(jié)果(1)圖像整體對比度質(zhì)量Ccontrust其中M和N分別為圖像的寬和高,f`(x,y)為增強(qiáng)后圖像

(2)圖像熵Hentropy:衡量圖像信息豐富程度Pi為灰度值等于i的像素?cái)?shù)與圖像總像素?cái)?shù)之比,n為灰度級總數(shù)