一種基于模糊邏輯的增強現實圖像再現方法與流程
本發明涉及增強現實技術領域，尤其是一種基于模糊邏輯的增強現實圖像再現方法。
背景技術：
1965年著名控制論專家L.A.Zade提出模糊數學,用嚴格的數學方法解決具有不確定性和模糊性的問題。近些年來，模糊理論在很多領域得到了廣泛的應用，在圖像處理領域的應用和研究得到了學者們的很大關注。關于模糊邏輯的增強基本內容是通過隸屬度函數對空域圖像變換到模糊域，即模糊特征平面上，再通過模糊拉伸增強函數處理系數，最后對被模糊處理過的系數逆變換回空域，從而得到經過模糊邏輯增強的圖像。
圖像增強按作用域可以分為兩類：空間域和變換域方法。傳統的空間域方法主要包括直方圖均衡化、灰度變換、反銳化掩模等；而早期的變換域方法主要是在經傅里葉變換后的頻率域上進行。然而，這些傳統方法尤其是空間域方法，或者由于灰度級合并易丟失圖像細節信息，對于低亮度和低對比度的圖像增強效果較差；或者在增強圖像對比度的同時也對噪聲起到了增強的作用，且在細節效果表現上欠佳。隨后提出的小波變換域增強方法，因小波的多尺度特性，使得增強后的圖像在噪聲抑制、細節表達上有了很大的改進，一度成為圖像增強研究的熱點。雙樹復小波變換是在小波變換基礎上的一種改進，小波變換缺乏平移不變性和方向選擇性，因而在使用小波變換對圖像進行處理時，在一定程度上會丟失圖像信息。
技術實現要素：
本發明提出的一種基于模糊邏輯的增強現實圖像再現方法，能夠使得再現像物像清晰度增加，噪聲降低，邊緣細節表現更加明顯。
本發明的技術方案是這樣實現的：
該方法包括以下步驟：
步驟1：讀入增強現實再現像圖像；
步驟2：首先對全息再現像做兩層雙樹復小波變換，可得到再現像的1個低頻分量和12個高頻分量；
步驟3：對分解出來的低頻和高頻系數矩陣求得矩陣中系數的最大值xmax，xmin，給ψ一個初始值，ψ＝(xmax-xmin)/m,m＝100；
步驟4：應用公式將系數域I＝{xmn}變換到廣義模糊域μ＝{μmn}，并且通過對于廣義模糊算子GFO的定義式作用于廣義模糊域，得到處理過后的普通模糊域μ’＝{μ’mn}；
步驟5：應用改進后的TI(x)的逆變換，計算增強后的系數I’＝{x’mn}，再通求的系數矩陣中各系數的梯度，求出Q；
步驟6：再次令ψ＝(xmax-xmin)/m,m＝m-1，代入步驟3進行計算；
步驟7：迭代循環完畢后，得到當m＝m’，Q最大，則ψ＝(xmax-xmin)/m’，選擇該ψ值增強低高頻系數矩陣；
步驟8：對經過模糊處理后的高頻和低頻系數矩陣做雙樹復小波逆變換，返回空域便可得到增強后的圖像。
本發明通過提供的一種基于模糊邏輯的增強現實圖像再現方法，其有益效果在于：首先對經過去噪處理的再現像進行雙樹復小波分解，可以得到低高頻系數矩陣；然后分別對低頻和高頻系數進行模糊處理，即利用廣義模糊算子將系數矩陣進行處理，再映射到普通模糊集中，其中的某些參數通過自適應得到，再對處理過的系數矩陣進行逆變換得到增強后的圖像，本方法能夠使得再現像物像清晰度增加，噪聲降低，邊緣細節表現更加明顯。
附圖說明
為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。
圖1為再現像4種增強效果比較1；
圖2為再現像4種增強效果比較2。
具體實施方式
下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。
本發明提供的一種基于模糊邏輯的增強現實圖像再現方法包括以下步驟：
步驟1：讀入增強現實再現像圖像；
步驟2：首先對全息再現像做兩層雙樹復小波變換，可得到再現像的1個低頻分量和12個高頻分量；
步驟3：對分解出來的低頻和高頻系數矩陣求得矩陣中系數的最大值xmax，xmin，給ψ一個初始值，ψ＝(xmax-xmin)/m,m＝100；
步驟4：應用公式將系數域I＝{xmn}變換到廣義模糊域μ＝{μmn}，并且通過對于廣義模糊算子GFO的定義式作用于廣義模糊域，得到處理過后的普通模糊域μ’＝{μ’mn}；
步驟5：應用改進后的TI(x)的逆變換，計算增強后的系數I’＝{x’mn}，再通求的系數矩陣中各系數的梯度，求出Q；
步驟6：再次令ψ＝(xmax-xmin)/m,m＝m-1，代入步驟3進行計算；
步驟7：迭代循環完畢后，得到當m＝m’，Q最大，則ψ＝(xmax-xmin)/m’，選擇該ψ值增強低高頻系數矩陣；
步驟8：對經過模糊處理后的高頻和低頻系數矩陣做雙樹復小波逆變換，返回空域便可得到增強后的圖像。
利用上述提出的方法進行增強實驗，并與直方圖均衡方法、模糊對比度增強方法、小波域圖像增強方法等3種增強方法進行了比較，選擇的方法或與模糊集理論相關，或與尺度相關。本實施例的實驗結果是在Core i3處理器，2G內存下測得。因篇幅限制，現以其中2幅有噪再現像的實驗結果為例加以說明。兩幅圖像背景偏暗、對比度低、細節不夠清晰且含有噪聲。針對2幅圖像，采用上述3種方法的增強結果分別如圖1、2所示。其中，(a)為原始圖像，(b)為加噪后圖像，(c)為直方圖均衡方法，(d)為模糊對比度增強方法，(e)為小波域模糊增強方法增強結果；(f)則為本章方法的圖像增強結果。仔細比較上述方法所得到的增強后圖像，發現本方法的整體增強效果優于其他3種增強方法。從圖1可以看出：直方圖均衡方法在增強圖像雖然提高了圖像對比度的，但是對于噪聲的增強也很明顯，而且明顯增強了沒有完全消除的零級像和共軛像，視覺效果模糊，抗噪性差；模糊對比度增強方法對比度拉伸不及小波域模糊增強方法，圖像不夠清晰，且邊緣表現差；小波域模糊增強方法有一定的抗噪性，但細節表現差，尤其是邊緣表現上不如本章提出的方法。綜合來看本申請提出的基于雙樹復小波和模糊邏輯的再現像增強方法能很好地改善再現像的視覺效果，將實物圖像拉伸明顯，對于零級像和共軛像抑制明顯，更好展現了物像還原后的細節，并抑制噪聲。圖2排除了零級像和共軛像的干擾，對某文物的再現像圖像進行增強處理：發現本方法較之對比的方法能更清晰的提高再現像對比度，圖像清晰。從圖1和圖2可以看出，本方法對不同的再現像增強都是有效的，與現有的幾種方法相比，對于物像像質有更好的視覺效果，在抑制噪聲的同時，保留了圖像的細節信息，提高了對比度。
表1從客觀定量的角度評價了再現像的去噪效果，給出了信息熵，平均梯度和峰值信噪比。從表中數據可以看出，直方圖均衡法雖然信息熵和平均梯度值較高，但是明顯在反應去噪性的信噪比的值上遠不及其它3種方法，基于空域的模糊對比度方法雖然改善了抗噪性，但是其清晰度不及其它方法，小波域模糊增強方法較前面兩種方法有了一定改善，但仍不及本方法。
表1有噪再現像增強指標
以上所述僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發明的保護范圍之內。
- 還沒有人留言評論。精彩留言會獲得點贊！