遺傳算法在圖像處理中的應(yīng)用研究

1、Y1058t92分類(lèi)號(hào):聊州鳩#校代鶘:10079女紐:tM華北電力大學(xué)北。、碩士學(xué)位論文題目:遺傳算法在圖像處理自的應(yīng)用研究英文趣目:Research on Appliev,tion of Genetlc Algoilmm in:m2魯cProcessing研究生:尚飛專(zhuān)業(yè):信號(hào)與信息處理研究方向:史州估q與1二息處刪指導(dǎo)教師t唐皂瑞職稱(chēng)副教授論文提交日期:2806年12月華北電力凡學(xué) p(擴(kuò)圖2-1中值濾波幅頻響應(yīng)日近似統(tǒng)計(jì)曲線(xiàn)圖自適應(yīng)濾波,就是利用潛意識(shí)可以獲得的濾波器參數(shù)等結(jié)果,自動(dòng)地調(diào)節(jié)現(xiàn)時(shí)刻的濾波器參數(shù),以適應(yīng)信號(hào)和噪聲未知的或隨時(shí)間變化的統(tǒng)計(jì)特性,從而實(shí)現(xiàn)最優(yōu)濾波。自適應(yīng)濾波是近

2、30年來(lái)發(fā)展起來(lái)的。維納和卡爾曼濾波器等濾波器要求已知關(guān)于信號(hào)和噪聲統(tǒng)計(jì)特性的先驗(yàn)知識(shí),但在實(shí)際應(yīng)用中常常無(wú)法得到信號(hào)特征先驗(yàn)值時(shí),在這種情況下,采用自適應(yīng)濾波器,能夠得到較好的濾波效果。原始圖像經(jīng)過(guò)均值濾波后,噪聲得到了抑制,圖像也得到了平滑,但同時(shí)也使圖像邊緣變得模糊。中值濾波方法簡(jiǎn)單,易于實(shí)現(xiàn),而且能較好地保護(hù)邊界,但對(duì)圖像中的細(xì)節(jié)處理不理想,有時(shí)會(huì)失掉圖像中的細(xì)線(xiàn)和小塊目標(biāo)區(qū)域。均值濾波非常適用于去除通過(guò)掃描得到的圖像中的顆粒噪聲。中值濾波器對(duì)于濾除圖像中的椒鹽噪聲非常有效。如圖2.2所示。自適應(yīng)濾波具有更好的選擇性,不但使噪聲得到了抑制,且更好地保存圖像的邊緣和高頻細(xì)節(jié)信息,使得目標(biāo)

3、比均值濾波和中值濾波更清晰。 (a隨機(jī)噪聲(b隨機(jī)噪聲均值濾波(c隨機(jī)噪聲中值濾波(d隨機(jī)噪聲高斯濾波 (e椒鹽噪聲(f椒鹽噪聲均值濾波(g椒鹽噪聲中值濾波(h椒鹽噪聲高斯濾波圖2-2濾波結(jié)果 (aLena原圖(bRoberts算子分割 (cPrewitt算子分割(dSobel算子分割圖2-8邊緣檢測(cè)算子圖像分割串行是指在處理圖像時(shí)不但利用本身像素的信息,而且還利用前面已經(jīng)處理過(guò)像素的結(jié)果。串行邊界分割是指采用串行的方法對(duì)目標(biāo)邊界檢測(cè)來(lái)實(shí)現(xiàn)分割的方法。串行邊界技術(shù)通常是通過(guò)順序搜索邊緣點(diǎn)來(lái)工作的,包括:起始邊緣點(diǎn)的確定、確定搜索下一個(gè)邊緣點(diǎn)的的準(zhǔn)則和設(shè)定中值搜索過(guò)程的條件。串行邊界分割技術(shù)是一

4、類(lèi)重要的圖像分割技術(shù)。它可以和其他方法結(jié)合進(jìn)行圖像分割。常用的方法是邊界跟蹤。邊界跟蹤是由梯度圖中的一個(gè)邊緣點(diǎn)出發(fā),搜索并連接邊緣點(diǎn)進(jìn)而逐步檢測(cè)所有邊界的方法。對(duì)于上節(jié)提到的并行邊緣圖像分割方法,邊緣像素不一定能夠組合成封閉曲線(xiàn),因?yàn)檫吔缟嫌锌赡軙?huì)遇到缺口。缺口可能太大而不能用一條直線(xiàn)或曲 華北電力大學(xué)碩士學(xué)位論文取法等。(aBabara原圖(b閾值分割串行區(qū)域分割是指采用串行處理策略對(duì)目標(biāo)區(qū)域直接檢測(cè)來(lái)實(shí)現(xiàn)分割的方法。串行區(qū)域分割的特點(diǎn)是整個(gè)處理過(guò)程可以分解為順序的多個(gè)步驟依次進(jìn)行。串行區(qū)域分割一般可以分成兩種方法;一是區(qū)域生長(zhǎng),二是分裂合并。區(qū)域生長(zhǎng)是指從某個(gè)像素出發(fā)按照一定的規(guī)則,逐步加

5、入鄰近像素,當(dāng)滿(mǎn)足一定的條件時(shí),區(qū)域停止生長(zhǎng)。2310lO”3i210;lt一赫。疊5598=、。“”448:8。k盤(pán)妙,十也i221010j;22,1010譬撼S S重疊S8彰:22ll ll7#i22ll ll;i22ll ll;2Z ll lli,(b(c圖2.11區(qū)域生長(zhǎng)示例妒”*;%+2222、;2222;2222;+22Z2k W圖2-ll(a中,帶有陰影的像素為初始的種子點(diǎn),假設(shè)生長(zhǎng)準(zhǔn)則是種子點(diǎn)和所考慮像素灰度值差的絕對(duì)值,并且小于或等于某個(gè)閾值r,就將該像素包括到該種子像素所在的區(qū)域。圖2-11(beP給出了拈1時(shí)的生長(zhǎng)結(jié)果,圖像被分成了四個(gè)區(qū)域。圖2-11(c給出了T=3,種

6、子點(diǎn)為圖2-110中像素值為2和11的兩個(gè)像素,結(jié)果是整個(gè)圖像被分成了2個(gè)區(qū)域。圖2-11(d給出了T=5,種子點(diǎn)為圖2-1Ka中像素值為 2的像素,生長(zhǎng)的結(jié)果是最后全圖變成了一個(gè)區(qū)域。 If ObjV=conditionBreak,End為了檢驗(yàn)本文算法的濾波效果,對(duì)256256的Cameraman和512512的Lena256級(jí)灰度圖像添加不同密度的椒鹽噪聲,分別進(jìn)行均值濾波、中值濾波、排序均值濾波、僅采用咐作為隸屬度的模糊排序均值濾波、僅采用啊作為隸屬度的排序均值濾波和本文的算法濾波,實(shí)驗(yàn)結(jié)果如圖4-6、圖4.7、圖4-8、圖4-9所示:(aCameraman原圖(b低密度噪聲圖像(D均

7、值濾波(33(d中值濾波(3X3(e排序均值濾波(33(f咐模糊排序均值濾波(g,f模糊排序均值濾波(h本文濾波算法 圖4-6低密度噪聲環(huán)境下Cameraman圖像的各種算法濾波結(jié)果華北電力大學(xué)碩士學(xué)位論文 (a高密度噪聲圖像(b均值濾波(3x3(c中值濾波(3X3 (d排序均值濾波(3X3(euo模糊排序均值濾波(o蜥模糊排序均值濾波 本文濾波算法圖4-8,高密度噪聲環(huán)境下Cameraman圖像的各種算法濾波結(jié)果-45.華北電力大學(xué)碩士學(xué)位論文 (aLena原圖(b低密度噪聲Lena圖像(c均值濾波(3x3 (d中值濾波(3X3(c排序均值濾波(3X3(D%模糊排序均值濾波 (gq模糊排序均

8、值濾波(h本文濾波算法圖4.9低密度噪聲環(huán)境下Lena圖像的各種算法濾波結(jié)果-46-華北電力大學(xué)碩士學(xué)位論文 (a高密度噪聲Lena倒像(b均值濾波(33(c中值濾波(3X3 (d排序均值濾波(3X3(e%模糊排序均值濾波%模糊排序均值濾波 (g本文濾波算法圖4.10高密度噪聲環(huán)境下Lena圖像的各種算法濾波結(jié)果從圖中對(duì)比可以看出,中值濾波、排序均值濾波都比均值濾波對(duì)椒鹽噪聲去噪效果明顯;但是中值濾波和排序均值都不同程度的模糊了圖像,不利于后續(xù)的圖像處理。而通過(guò)遺傳算法優(yōu)化“的隸屬函數(shù)的模糊排序均值濾波能夠消除凸起的椒鹽噪聲,但由于某些椒鹽噪聲幅度比圖像細(xì)節(jié)變化小,所以只用越f,的隸屬函數(shù)來(lái)判斷椒鹽噪聲在圖像細(xì)節(jié)處理方面存在一定的局限性;而通過(guò)遺傳算法優(yōu)化%的隸屬函數(shù)的模糊排序均值濾波