灰色系統(tǒng)理論在圖像去噪和邊緣檢測(cè)中的應(yīng)用.pdf

1、在數(shù)字圖像處理的過程中，為了獲得較高質(zhì)量的圖像，圖像的濾波去噪是比較基本和重要的研究之一。圖像的邊緣是圖像的基本特征，而圖像邊緣檢測(cè)是圖像處理和分析最基礎(chǔ)的內(nèi)容之一。因此，尋求較好的圖像去噪和圖像邊緣檢測(cè)方法，一直是人們研究的熱點(diǎn)。
　　灰色系統(tǒng)理論主要研究的是“小樣本”、“貧信息”不確定性問題，而將灰色系統(tǒng)理論和圖像處理相結(jié)合，是從一個(gè)嶄新的角度去認(rèn)識(shí)和理解圖像的過程。近些年來(lái)，灰色系統(tǒng)理論在圖像處理中的應(yīng)用處在不斷發(fā)展的階段，

2、然而對(duì)于圖像去噪和圖像邊緣檢測(cè)方面而言，取得了一些實(shí)質(zhì)性的進(jìn)展。本文的目的是為了更進(jìn)一步說明灰色系統(tǒng)理論在圖像處理方面應(yīng)用的有效性。
　　本文的主要研究工作如下:
　　(1)提出了基于無(wú)偏灰色Verhulst模型和遺傳算法相結(jié)合的圖像去噪新算法。首先對(duì)含噪圖像的像素點(diǎn)進(jìn)行分類，對(duì)于噪聲點(diǎn)以它所對(duì)應(yīng)的圖像的像素為中心，用它周圍的4個(gè)點(diǎn)的灰度值建立無(wú)偏灰色Verhulst模型，并用一步預(yù)測(cè)值取代噪聲點(diǎn)原來(lái)的灰度值，實(shí)現(xiàn)預(yù)測(cè)濾波，

3、對(duì)非噪點(diǎn)和邊緣點(diǎn)不作處理。由于圖像的本身的特性，圖像所對(duì)應(yīng)的閾值不同，所以本文用遺傳算法來(lái)確定圖像的最優(yōu)閾值使得去噪后圖像的均方誤差最小。最后，對(duì)不同噪聲水平下的圖像進(jìn)行仿真實(shí)驗(yàn)，并用峰值信噪比和均方誤差對(duì)去噪效果進(jìn)行客觀評(píng)價(jià)，實(shí)驗(yàn)表明:該算法對(duì)含有椒鹽噪聲的圖像具有較好的處理效果。
　　(2)提出了基于離散灰色預(yù)測(cè)模型(DiscreteGreyModel)和閾值相結(jié)合的圖像邊緣檢測(cè)算法。首先根據(jù)灰色預(yù)測(cè)模型的建模條件和圖像本身的