基于模糊聚類算法的邊緣圖像增強技術

王惠平+鐘若武

摘 要： 通過邊緣圖像增強處理，提高模糊圖像的辨識能力和成像質量。針對邊緣圖像像素差異性較大，導致成像質量差的問題，提出一種基于模糊聚類算法的邊緣圖像增強技術。對圖像進行小波降噪處理，提取降噪輸出圖像的灰度直方圖特征信息參量，在仿射不變區域對特征量進行模糊聚類，采用C均值聚類算法實現灰度像素點的邊緣聚斂和信息增強，進行圖像的邊緣輪廓特征提取。仿真結果表明，采用該方法進行圖像增強處理，提高了輸出圖像的峰值信噪比，圖像的辨識性能得到改善。

關鍵詞： 模糊聚類； 圖像增強； 邊緣輪廓； 特征提取

中圖分類號： TN911.73?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2017）24?0103?03

Abstract： The enhancement for edge image can improve the identification ability and imaging quality of fuzzy image. Since edge image has large pixel difference， which may cause the poor imaging quality， an edge image enhancement technology based on fuzzy clustering algorithm is put forward. The wavelet denoising is carried out for the image to extract the gray histogram feature information parameters of the denoised output image. The fuzzy clustering is conducted for the characteristic quantity in affine?invariant region. The C?means clustering algorithm is adopted to realize the edge convergence and information enhancement of the gray pixel points， and extract the edge contour feature of the image. The simulation results show that the method used for image enhancement can improve the peak signal?to?noise ratio of the output image and identification performance of the fuzzy image.

Keywords： fuzzy clustering； image enhancement； edge contour； feature extraction

圖像增強技術是圖像處理的重要研究分支，在航空航天、雷達識別、故障診斷和紅外探測等領域具有較高的應用價值[1]。傳統方法不能有效地對成像質量較差的模糊圖像進行增強處理，對此，本文提出一種基于模糊聚類算法的邊緣圖像增強技術。首先進行圖像降噪，然后進行圖像的邊緣輪廓和像素特征提取，結合模糊聚類方法實現圖像分類和信息增強，最后進行仿真分析，得出有效性結論。

1 圖像采集降噪預處理

1.1 邊緣圖像特征信息采集

為了實現對邊緣圖像增強，改善圖像質量、豐富信息量，需要先對采集的模糊邊緣圖像進行信息增強處理，根據空間主成分分析（KPCA）方法進行像素特征匹配[2]，在仿射不變區域內，得到模糊邊緣圖像的像素特征分布函數為：

式中，為以為模糊邊緣圖像在像素空間內分布的模板值。在像素特點的匹配中心進行模糊圖像的區域分割，采用尺度信息融合方法重構像素點的空間分布區域，記為：

對表征模糊邊緣圖像結構信息的幾何特征連續區域進行幀掃描和角點匹配，采用Harris角點檢測方法，輸出圖像的角點F，公式表示如下：

基于線性仿射子空間變換，對模糊邊緣圖像的外觀輪廓進行位置標定[3]，得到邊緣圖像特征信息采集輸出表達式描述如下：

式中：是邊緣圖像在3×3區域模板中的像素配準系數；為尺度偏移為的尺度融合參量，通過選擇來對模糊邊緣圖像的模板配準尺度進行自適應調整，實現圖像信息采集。

1.2 圖像降噪處理

對圖像進行小波降噪處理，提取降噪輸出圖像的灰度直方圖特征信息參量[4]，模糊邊緣圖像的小波降噪函數描述為：

2 圖像增強實現

2.1 模糊聚類算法

在圖像采集和降噪處理的基礎上，進行圖像降噪設計，針對邊緣圖像像素差異性較大，導致成像質量差的問題，本文提出一種基于模糊聚類算法的邊緣圖像增強技術[5]，提取降噪輸出圖像的灰度直方圖特征信息參量為：

2.2 灰度像素點的邊緣聚斂和信息增強

采用C均值聚類算法實現灰度像素點的邊緣聚斂和信息增強，令分別為模糊邊緣圖像分布在軸和軸的像素屬性分布特征量，那么根據灰度直方圖分布的像素點，進行尺度偏移修正，利用Radon尺度變換的幾何不變性[6]，得到模糊邊緣圖像的像素聚類中心矩陣為：

3 仿真實驗分析

對圖像增強處理的仿真實驗建立在Matlab 7仿真軟件平臺上，原始圖像采集的像素大小為269×409，RGB信息參量為（114，292，108），像移值，小波尺度為3，鎖光強度為12 dB。根據上述仿真參量設定進行邊緣圖像增強分析，得到原始圖像如圖1所示。endprint

圖1給出的圖像受到光圈太小和曝光強度太低等因素的影響，導致成像視覺效果不好，需要進行圖像增強處理，采用本文方法和傳統方法，得到圖像增強輸出如圖2所示。

分析圖2結果得知，本文方法進行圖像增強，成像質量最好，而SIFT方法存在大量的暗原色和模糊點，角點匹配方法輸出圖像的亮度太大，容易導致信息丟失。各種方法輸出圖像的峰值信噪比改善結果見表1。由表1得知，本文方法輸出圖像的峰值信噪比最高。

4 結 語

針對邊緣圖像像素差異性較大、成像質量差的問題，本文提出一種基于模糊聚類算法的邊緣圖像增強技術。對圖像進行小波降噪處理，提取降噪輸出圖像的灰度直方圖特征信息參量，在仿射不變區域對特征量進行模糊聚類，采用C均值聚類算法實現灰度像素點的邊緣聚斂和信息增強，進行圖像的邊緣輪廓特征提取。研究得知，采用該方法進行圖像增強處理，提高了輸出圖像的峰值信噪比，圖像成像質量較好，視覺效果最佳。

參考文獻

[1] 陸興華.一種結合輻射特征的高效紅外目標提取算法[J].激光與紅外，2016，46（5）：634?638.

[2] 張海艷，高尚兵.圖像分割中改進空間約束貝葉斯網絡模型的應用[J].計算機應用，2017，37（3）：823?826.

[3] 張潔玉.基于圖像分塊的局部閾值二值化方法[J].計算機應用，2017，37（3）：827?831.

[4] 張曉琳，張沖，楊濤.基于改進布谷鳥算法的火焰圖像閾值分割算法[J].微電子學與計算機，2017，34（1）：66?70.

[5] WEN Y， LU Y， YAN J， et al. An algorithm for license plate recognition applied to intelligent transportation system [J]. IEEE transactions on intelligent transportation systems， 2011， 12（3）： 830?845.

[6] 張龍，喬鐵柱.一種紅外圖像的二值化分割算法研究[J].紅外技術，2014，36（8）：649?651.

[7] 王駿飛，黃樟燦，TALAB A M A.一種針對圖像細節優化的BM二值化方法[J].武漢理工大學學報，2014，36（8）：127?132.

[8] 孟立娜，韓其睿.一種全局和局部相結合的二值化方法研究[J].計算機技術與發展，2012，22（11）：116?119.endprint