模糊邏輯控制報告

報告人：王賀文獻閱讀報告基于模糊理論的靜脈圖像增強算法研究

東北大學陳國坤研究背景

隨著社會的發(fā)展和科技的進步,生物識別技術用于特征識別己經成為了研究的熱點。其中,靜脈識別以其不易偽造且非接觸式采集等獨特優(yōu)勢倍受人們關注。但是,由于在靜脈采集過程中受到儀器設備、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在內的預處理是很有必要的。本文針對靜脈圖像的預處理問題,分別從去噪和對比度增強兩方面做了研究。研究內容去噪方面：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行噪聲檢測,分離出脈沖噪聲并以中值濾波進行濾除,并對鄰域像素集合予以相應像素的裁減。然后,針對高斯噪聲灰度值的不確定性,應用了改進的模糊加權均值去噪算法。最后,根據實驗驗證了基于模糊推理的靜脈圖像去噪算法的有效性。增強方面：本文分析了常見的模糊增強算法,并結合近紅外靜脈圖像特點,提出采用基于模糊對比度的圖像增強算法。首先,把圖像從空間域映射到模糊域。然后,在模糊域內定義一個圖像模糊對比度,利用改進的模糊對比度增強算子實現對比度非線性變換。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的整個過程。模糊理論基礎模糊集合:對傳統(tǒng)集合理論一種推廣，將離散的兩點0和1擴充為連續(xù)狀態(tài)的區(qū)間[01],這樣,普通集合的特征函數就擴展為模糊集的隸屬函數。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

與之對應，即u對A的隸屬度。隸屬函數：三角形隸屬函數梯形隸屬函數高斯隸屬函數推理：從事實和一組模糊規(guī)則中得出結論的過程模糊推理：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計靜脈圖像：脈沖噪聲像素點集合高斯噪聲像素點集合算法內容:

脈沖噪聲的檢測和處理

高斯噪聲的濾除首先進行脈沖噪聲檢測,分離出脈沖噪聲并以中值濾波進行濾除,并對鄰域像素集合予以相應像素裁減;然后對含有高斯噪聲的圖像點進行模糊加權均值濾波,達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。算法結構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,則權值大

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

分子為像素點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。模糊對比度增強算子：其中，取某種凸變換，K>0用于對不同圖像進行調節(jié)。實驗結果(1)圖像整體對比度質量Ccontrust其中M和N分別為圖像的寬和高,f`(x,y)為增強后圖像

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