论文部分内容阅读
本文在分析了软计算方法和经典数学形态学的基本原理及其性质的基础上提出了Soft多结构元素和基于软计算方法的Soft多结构形态学算子,并详细探讨了它们的基本性质及其与经典形态学算子之间的关系,然后分别对Soft多结构元素和基于软计算方法的形态学变换在图像滤波、边缘检测等图像处理方面的应用作了探讨,并将其与经典的结构元素以及形态学算子作了比较。从仿真结果可知,本文提出的基于软计算方法的Soft多结构形态学算法具有更强的抗噪声能力,其性能明显优于一些经典数学形态学算法。本文具体工作如下:1)基于一些经典的结构元素,改进和提出了新的结构元素即Soft多结构元素,并构建了相应的形态边缘检测算子。实验结果表明,改进的结构元素在处理噪声图像时比经典的结构元素抗噪声能力更强,并且在细节信息保护上更好。2)把T-S模糊系统和数学形态学结合起来探讨与研究,在HSI颜色空间基于T-S模糊系统和Soft多结构元素给出了新的彩色形态滤波和边缘检测方法。并与传统方法进行了分析比较,实验表明基于T-S模糊系统的形态变换算子在处理有噪声的彩色图像时抗噪声能力更强。3)在HSV彩色空间提出了一种新的基于模糊融合和Soft多结构元素的彩色形态学滤波器。基于模糊融合系统的评价值来进行彩色图像点的矢量排序,与基于HSV矢量排序的方法比较,结论显示基于模糊融合矢量排序的形态学滤波效果更好。实验表明,基于模糊融合矢量排序的形态学滤波算法比经典形态学滤波算法能更有效地去除图像的噪声,保留图像细节。4)在Sugeno模糊积分和Soft多结构元素基础上,提出了新的彩色图像形态学滤波器和边缘检测算法。基于Sugeno模糊积分的评价值来进行彩色图像点的矢量排序,通过对结构元素的实验分析可知Soft多结构元素抗噪声能力更强。与基于HSV矢量排序的方法比较,结论显示基于Sugeno模糊积分矢量排序的形态学变换效果更好。实验表明,基于Sugeno模糊积分矢量排序的形态学算法比经典形态学算法能更有效地去除图像的噪声和获取彩色图像边缘,保持图像原有结构方面效果更好。