基于模糊聚类算法的边缘图像增强技术
王惠平+钟若武
摘 要： 通过边缘图像增强处理，提高模糊图像的辨识能力和成像质量。针对边缘图像像素差异性较大，导致成像质量差的问题，提出一种基于模糊聚类算法的边缘图像增强技术。对图像进行小波降噪处理，提取降噪输出图像的灰度直方图特征信息参量，在仿射不变区域对特征量进行模糊聚类，采用C均值聚类算法实现灰度像素点的边缘聚敛和信息增强，进行图像的边缘轮廓特征提取。仿真结果表明，采用该方法进行图像增强处理，提高了输出图像的峰值信噪比，圖像的辨识性能得到改善。
关键词： 模糊聚类； 图像增强； 边缘轮廓； 特征提取
中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 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
图像增强技术是图像处理的重要研究分支，在航空航天、雷达识别、故障诊断和红外探测等领域具有较高的应用价值[1]。传统方法不能有效地对成像质量较差的模糊图像进行增强处理，对此，本文提出一种基于模糊聚类算法的边缘图像增强技术。首先进行图像降噪，然后进行图像的边缘轮廓和像素特征提取，结合模糊聚类方法实现图像分类和信息增强，最后进行仿真分析，得出有效性结论。
1 图像采集降噪预处理
1.1 边缘图像特征信息采集
为了实现对边缘图像增强，改善图像质量、丰富信息量，需要先对采集的模糊边缘图像进行信息增强处理，根据空间主成分分析（KPCA）方法进行像素特征匹配[2]，在仿射不变区域内，得到模糊边缘图像的像素特征分布函数为：
式中，为以为模糊边缘图像在像素空间内分布的模板值。在像素特点的匹配中心进行模糊图像的区域分割，采用尺度信息融合方法重构像素点的空间分布区域，记为：
对表征模糊边缘图像结构信息的几何特征连续区域进行帧扫描和角点匹配，采用Harris角点检测方法，输出图像的角点F，公式表示如下：
基于线性仿射子空间变换，对模糊边缘图像的外观轮廓进行位置标定[3]，得到边缘图像特征信息采集输出表达式描述如下：
式中：是边缘图像在3×3区域模板中的像素配准系数；为尺度偏移为的尺度融合参量，通过选择来对模糊边缘图像的模板配准尺度进行自适应调整，实现图像信息采集。
1.2 图像降噪处理
对图像进行小波降噪处理，提取降噪输出图像的灰度直方图特征信息参量[4]，模糊边缘图像的小波降噪函数描述为：
2 图像增强实现
2.1 模糊聚类算法
在图像采集和降噪处理的基础上，进行图像降噪设计，针对边缘图像像素差异性较大，导致成像质量差的问题，本文提出一种基于模糊聚类算法的边缘图像增强技术[5]，提取降噪输出图像的灰度直方图特征信息参量为：
2.2 灰度像素点的边缘聚敛和信息增强
采用C均值聚类算法实现灰度像素点的边缘聚敛和信息增强，令分别为模糊边缘图像分布在轴和轴的像素属性分布特征量，那么根据灰度直方图分布的像素点，进行尺度偏移修正，利用Radon尺度变换的几何不变性[6]，得到模糊边缘图像的像素聚类中心矩阵为：
3 仿真实验分析
对图像增强处理的仿真实验建立在Matlab 7仿真软件平台上，原始图像采集的像素大小为269×409，RGB信息参量为（114，292，108），像移值，小波尺度为3，锁光强度为12 dB。根据上述仿真参量设定进行边缘图像增强分析，得到原始图像如图1所示。
图1给出的图像受到光圈太小和曝光强度太低等因素的影响，导致成像视觉效果不好，需要进行图像增强处理，采用本文方法和传统方法，得到图像增强输出如图2所示。
分析图2结果得知，本文方法進行图像增强，成像质量最好，而SIFT方法存在大量的暗原色和模糊点，角点匹配方法输出图像的亮度太大，容易导致信息丢失。各种方法输出图像的峰值信噪比改善结果见表1。由表1得知，本文方法输出图像的峰值信噪比最高。
4 结 语
针对边缘图像像素差异性较大、成像质量差的问题，本文提出一种基于模糊聚类算法的边缘图像增强技术。对图像进行小波降噪处理，提取降噪输出图像的灰度直方图特征信息参量，在仿射不变区域对特征量进行模糊聚类，采用C均值聚类算法实现灰度像素点的边缘聚敛和信息增强，进行图像的边缘轮廓特征提取。研究得知，采用该方法进行图像增强处理，提高了输出图像的峰值信噪比，图像成像质量较好，视觉效果最佳。
参考文献
[1] 陆兴华.一种结合辐射特征的高效红外目标提取算法[J].激光与红外，2016，46（5）：634?638.
[2] 张海艳，高尚兵.图像分割中改进空间约束贝叶斯网络模型的应用[J].计算机应用，2017，37（3）：823?826.
[3] 张洁玉.基于图像分块的局部阈值二值化方法[J].计算机应用，2017，37（3）：827?831.
[4] 张晓琳，张冲，杨涛.基于改进布谷鸟算法的火焰图像阈值分割算法[J].微电子学与计算机，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] 张龙，乔铁柱.一种红外图像的二值化分割算法研究[J].红外技术，2014，36（8）：649?651.
[7] 王骏飞，黄樟灿，TALAB A M A.一种针对图像细节优化的BM二值化方法[J].武汉理工大学学报，2014，36（8）：127?132.
[8] 孟立娜，韩其睿.一种全局和局部相结合的二值化方法研究[J].计算机技术与发展，2012，22（11）：116?119.
摘 要： 通过边缘图像增强处理，提高模糊图像的辨识能力和成像质量。针对边缘图像像素差异性较大，导致成像质量差的问题，提出一种基于模糊聚类算法的边缘图像增强技术。对图像进行小波降噪处理，提取降噪输出图像的灰度直方图特征信息参量，在仿射不变区域对特征量进行模糊聚类，采用C均值聚类算法实现灰度像素点的边缘聚敛和信息增强，进行图像的边缘轮廓特征提取。仿真结果表明，采用该方法进行图像增强处理，提高了输出图像的峰值信噪比，圖像的辨识性能得到改善。
关键词： 模糊聚类； 图像增强； 边缘轮廓； 特征提取
中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 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
图像增强技术是图像处理的重要研究分支，在航空航天、雷达识别、故障诊断和红外探测等领域具有较高的应用价值[1]。传统方法不能有效地对成像质量较差的模糊图像进行增强处理，对此，本文提出一种基于模糊聚类算法的边缘图像增强技术。首先进行图像降噪，然后进行图像的边缘轮廓和像素特征提取，结合模糊聚类方法实现图像分类和信息增强，最后进行仿真分析，得出有效性结论。
1 图像采集降噪预处理
1.1 边缘图像特征信息采集
为了实现对边缘图像增强，改善图像质量、丰富信息量，需要先对采集的模糊边缘图像进行信息增强处理，根据空间主成分分析（KPCA）方法进行像素特征匹配[2]，在仿射不变区域内，得到模糊边缘图像的像素特征分布函数为：
式中，为以为模糊边缘图像在像素空间内分布的模板值。在像素特点的匹配中心进行模糊图像的区域分割，采用尺度信息融合方法重构像素点的空间分布区域，记为：
对表征模糊边缘图像结构信息的几何特征连续区域进行帧扫描和角点匹配，采用Harris角点检测方法，输出图像的角点F，公式表示如下：
基于线性仿射子空间变换，对模糊边缘图像的外观轮廓进行位置标定[3]，得到边缘图像特征信息采集输出表达式描述如下：
式中：是边缘图像在3×3区域模板中的像素配准系数；为尺度偏移为的尺度融合参量，通过选择来对模糊边缘图像的模板配准尺度进行自适应调整，实现图像信息采集。
1.2 图像降噪处理
对图像进行小波降噪处理，提取降噪输出图像的灰度直方图特征信息参量[4]，模糊边缘图像的小波降噪函数描述为：
2 图像增强实现
2.1 模糊聚类算法
在图像采集和降噪处理的基础上，进行图像降噪设计，针对边缘图像像素差异性较大，导致成像质量差的问题，本文提出一种基于模糊聚类算法的边缘图像增强技术[5]，提取降噪输出图像的灰度直方图特征信息参量为：
2.2 灰度像素点的边缘聚敛和信息增强
采用C均值聚类算法实现灰度像素点的边缘聚敛和信息增强，令分别为模糊边缘图像分布在轴和轴的像素属性分布特征量，那么根据灰度直方图分布的像素点，进行尺度偏移修正，利用Radon尺度变换的几何不变性[6]，得到模糊边缘图像的像素聚类中心矩阵为：
3 仿真实验分析
对图像增强处理的仿真实验建立在Matlab 7仿真软件平台上，原始图像采集的像素大小为269×409，RGB信息参量为（114，292，108），像移值，小波尺度为3，锁光强度为12 dB。根据上述仿真参量设定进行边缘图像增强分析，得到原始图像如图1所示。
图1给出的图像受到光圈太小和曝光强度太低等因素的影响，导致成像视觉效果不好，需要进行图像增强处理，采用本文方法和传统方法，得到图像增强输出如图2所示。
分析图2结果得知，本文方法進行图像增强，成像质量最好，而SIFT方法存在大量的暗原色和模糊点，角点匹配方法输出图像的亮度太大，容易导致信息丢失。各种方法输出图像的峰值信噪比改善结果见表1。由表1得知，本文方法输出图像的峰值信噪比最高。
4 结 语
针对边缘图像像素差异性较大、成像质量差的问题，本文提出一种基于模糊聚类算法的边缘图像增强技术。对图像进行小波降噪处理，提取降噪输出图像的灰度直方图特征信息参量，在仿射不变区域对特征量进行模糊聚类，采用C均值聚类算法实现灰度像素点的边缘聚敛和信息增强，进行图像的边缘轮廓特征提取。研究得知，采用该方法进行图像增强处理，提高了输出图像的峰值信噪比，图像成像质量较好，视觉效果最佳。
参考文献
[1] 陆兴华.一种结合辐射特征的高效红外目标提取算法[J].激光与红外，2016，46（5）：634?638.
[2] 张海艳，高尚兵.图像分割中改进空间约束贝叶斯网络模型的应用[J].计算机应用，2017，37（3）：823?826.
[3] 张洁玉.基于图像分块的局部阈值二值化方法[J].计算机应用，2017，37（3）：827?831.
[4] 张晓琳，张冲，杨涛.基于改进布谷鸟算法的火焰图像阈值分割算法[J].微电子学与计算机，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] 张龙，乔铁柱.一种红外图像的二值化分割算法研究[J].红外技术，2014，36（8）：649?651.
[7] 王骏飞，黄樟灿，TALAB A M A.一种针对图像细节优化的BM二值化方法[J].武汉理工大学学报，2014，36（8）：127?132.
[8] 孟立娜，韩其睿.一种全局和局部相结合的二值化方法研究[J].计算机技术与发展，2012，22（11）：116?119.
