资源描述：
《《模糊逻辑控制报告》PPT课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、报告人： 学号：文献阅读报告基于模糊理论的静脉图像增强算法研究东北大学陈国坤研究背景随着社会的发展和科技的进步,生物识别技术用于特征识别己经成为了研究的热点。其中,静脉识别以其不易伪造且非接触式采集等独特优势倍受人们关注。但是,由于在静脉采集过程中受到仪器设备、光照等因素的影响,采集的静脉图像对比度往往较低、噪声较多,给最终的识别带来很大的不便,所以在识别之前对静脉图像作包括增强在内的预处理是很有必要的。本文针对静脉图像的预处理问题,分别从去噪和对比度增强两方面做了研究。研究内容去噪方面：本文针对静脉图像中脉
2、冲噪声及高斯噪声的混合噪声,首先利用模板操作对图像进行噪声检测,分离出脉冲噪声并以中值滤波进行滤除,并对邻域像素集合予以相应像素的裁减。然后,针对高斯噪声灰度值的不确定性,应用了改进的模糊加权均值去噪算法。最后,根据实验验证了基于模糊推理的静脉图像去噪算法的有效性。增强方面：本文分析了常见的模糊增强算法,并结合近红外静脉图像特点,提出采用基于模糊对比度的图像增强算法。首先,把图像从空间域映射到模糊域。然后,在模糊域内定义一个图像模糊对比度,利用改进的模糊对比度增强算子实现对比度非线性变换。最后,将图像逆映射回空
3、间域,从而完成了静脉图像对比度增强的整个过程。模糊理论基础模糊集合:对传统集合理论一种推广，将离散的两点0和1扩充为连续状态的区间[01],这样,普通集合的特征函数就扩展为模糊集的隶属函数。即：论域U中的一个模糊集合A是指对论域中的任意元素u，定义了[01]闭区间中的一个数，使与之对应，即u对A的隶属度。隶属函数：三角形隶属函数梯形隶属函数高斯隶属函数推理：从事实和一组模糊规则中得出结论的过程模糊推理：即处理模糊信息的方法模糊推理的过程：激励蕴涵聚合解模糊两种模型：Mamdani模糊模型T-S模糊模型静脉图像去
4、噪算法总体设计静脉图像：脉冲噪声像素点集合高斯噪声像素点集合算法内容:脉冲噪声的检测和处理高斯噪声的滤除首先进行脉冲噪声检测,分离出脉冲噪声并以中值滤波进行滤除,并对邻域像素集合予以相应像素裁减;然后对含有高斯噪声的图像点进行模糊加权均值滤波,达到滤除混合噪声的目的。噪声检测环节分为两个部分:被处理像素检测和邻域像素检测。对应不同检测对象采用了不同的检测算法,以及不同的处理方式。算法结构示意图模糊推理模型的建立模糊规则库的建立：像素差小,则权值大像素差大,则权值小这里，采用if...then结构建立模糊规则其中
5、,W(n)为第n个像素的加权系数,V是每条规则加权系数的值。规则数量与输入像素差的个数成2的指数关系基于模糊对比度的静脉图像增强模糊化映射：采用“S”型隶属度函数将图像映射到[0,1]区间上采用模糊熵表示静脉图像信息,基于模糊熵最大准则求取参数b。模糊熵定义：香农函数：最佳阈值：对比度增强流程图a和c是模糊边界，b为渡越点Xij和U（Xij）分别是模糊化前后值。模糊对比度：分子为像素点Xij隶属度与其邻域均值隶属度之差绝对值,可表示模糊对比度;F表示归一化处理的相对模糊对比度。模糊对比度增强算子：其中，取某种凸
6、变换，K>0用于对不同图像进行调节。不同K值时的增强变换曲线实验结果(1)图像整体对比度质量Ccontrust其中M和N分别为图像的宽和高,f`(x,y)为增强后图像(2)图像熵Hentropy:衡量图像信息丰富程度Pi为灰度值等于i的像素数与图像总像素数之比,n为灰度级总数参数K与增强性能的关系：K=3.5实验结果：增强图像的整体对比度和图像熵对于vein1的几种增强算法比较对于vein4的几种增强算法比较Thankyou!
