粗糙集在图像边缘增强滤波中的应用

为使图像噪声滤除的同时,边缘细节信息能得到有效地保护,基于粗糙集理论介绍了一种新的边缘增强滤波方法。首先,基于粗糙集不可分辨等价关系划分,分离出噪声点和非噪声点,对噪声点通过中值滤波进行滤除,然后,通过粗近似精度和方向模板检测边缘的连续性和方向,以具有最大粗近似精度的模板的灰度均值取代中心像素点灰度。在所有进行边缘检测的滤波算法中,该算法是唯一边缘测度在多次迭代运行后不会减小的滤波方法,同时通过对不同噪声程度的椒盐噪声和高斯噪声的滤波实验,说明该方法在有效滤除噪声同时能使边缘细节得到保护和增强,且比其它传统的空域和频域滤波方法具有更好的噪声适应性。

基于粗糙集和属性直方图的医学图像增强

医学图像信息存在着复杂性,在处理中的各个不同层次可能出现不完整性和不确定性。利用粗糙集理论进行图像增强,子图的划分是关键。属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图,将它用于子图划分。在此基础上本文提出了一种基于粗糙集和属性直方图的医学图像增强方法。利用属性直方图的Otsu算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对噪声点用中值滤波进行滤除,去噪后的背景子图和目标子图进行增强变换,合并得到增强图像。以胸部CT图像中的肺组织为目标区域,进行大量的实验,结果表明该方法明显增强了图像且不损害图像的边缘。