[发明专利]基于模糊粗糙集理论的视觉特性图像增强算法

权利要求书

1.一种基于模糊粗糙集理论的视觉特性图像增强算法，主要包括以下步骤：

步骤1：初始化图像增强变换梯度阈值p和平均灰度阈值q；

步骤2：按中值滤波算法计算各像素点周围像素的平均灰度值m(s)，并标记噪声区R_c1(s)；

步骤3：按Sobe1梯度算子计算各像素点的梯度值g(x)，并标记大梯度区R_c2(x)；

步骤4：求解待增强的大梯度非噪声区划分子图A1；

步骤5：设置模糊粗糙集增强变换因子M_p和M_q；

步骤6：初始化图像增强变换系数α_i、β_i、γ_i和λ_i；

步骤7：设置模糊粗糙集构造函数f_h1、f_e1和f_e2；

步骤8：设置模糊粗糙集增强变换处理函数T1：v和T2：v；

步骤9：执行图像增强变换处理，并对图像增强变换处理结果进行信息融合变换T，观察分析信息融合结果，噪声抑制效果是否显著，如果“否”，返回步骤1，如果“是”，继续观察分析视觉效果是否优良，如果“否”，返回步骤6，如果“是”，算法结束。

2.根据权利要求1所述的基于模糊粗糙集理论的视觉特性图像增强算法，其特征在于：所述步骤2噪声区R_c1(s)的计算公式如下：

其中，i为图像像素的横坐标；

为j图像像素的纵坐标；

q为图像增强变换平均灰度阈值；

s_i，j为图像在(i，j)像素坐标点的3×3的像素子块；

s_i±1，j±1为s_ij的相邻图像子块；

m(s_i，j)为图像子块s_i，j的平均灰度值；

m(s_i±1，j±1)为相邻图像子块s_i±1，j±1的平均灰度值；

c2为像素噪声属性，c2＝{0，1}，其中0代表子块s_ij的平均灰度值与相邻子块平均灰度值之差的绝对值均小于阈值q，1代表子块间的灰度值之差的绝对值均大于阈值q；

int|m(S_i，j)-m(S_i±1，j±1)|为图像相邻子块的平均灰度值之差的绝对值取整；

R_c1(s)为噪声区。

3.根据权利要求1所述的模糊粗糙集理论的视觉特性图像增强算法，其特征在于：所述步骤3大梯度区R_c2(x)的计算公式如下：

R_c2(x)＝{x(i，j)|g(x(i，j))＞＝p}

其中，i为图像像素的横坐标；

j为图像像素的纵坐标；

p为图像增强变换梯度阈值；

c1为像素梯度值属性，c1＝{0，1}，其中0代表0～p梯度值，1代表p～Max梯度值(Max为最大梯度值)；

x(i，j)为图像在(i，j)坐标点的像素值；

g(x(i，j))为图像像素x(i，j)在(i，j)坐标点的梯度值；

R_c2(x)为大梯度区。

4.根据权利要求1所述的模糊粗糙集理论的视觉特性图像增强算法，其特征在于：所述步骤4大梯度非噪声区划分子图A1的计算公式如下：

A1＝R_c2(x)-R_c1(s)

其中，R_c2(x)为大梯度区，R_c1(s)为噪声区。