| | | 基于线性广义模糊算子图像快速增强算法
| | 康复医学论文【关键词】 模糊增强
A fast image enhancement algorithm based on linear general fuzzy operator
【Abstract】 AIM: To study the image enhancement principle of Pal fuzzy algorithms and to propose a fast fuzzy enhancement algorithm fitting for CT/MR image. METHODS: The region of interest (ROI) was separated from the region of background by a novel linear mapping function and further enhanced by the linear general fuzzy operator. RESULTS: Fifty CT/MR images were implemented in IDL on a PC with Intel Pentium 4 2.4 GHz, 512 M RAM and 128 M RAMDAC, which revealed that it took about 0.8 ms to enhance each image using the algorithm proposed. CONCLUSION: The algorithm presented by this paper reduces the computation load and speeds up the process.
【Keywords】 CT/MR image; region of interest; fuzzy enhancement; linear general fuzzy operator
【摘要】 目的康复医学论文：研究Pal类模糊算法的康复医学论文图像增强原理，提出适合CT/MR图像的快速增强算法. 方法：首先，通过定义一个线性映射函数，将感兴趣区域(ROI)从背景区域分离出来；其次，用线性的广义模糊算子(LGFO)单独对ROI进行增强. 结果：在P42.4G/512M/128M微机上，用IDL对50幅CT/MR图像处理速度进行测试，本文算法平均每幅增强处理用时约0.8 ms. 结论：本文算法减少了运算量、提高了处理速度.
【关键词】 CT/MR图像；感兴趣区域；模糊增强；线性的广义模糊算子
0引言
针对图像的模糊性和不均匀性问题,1983年Pal等［1］提出模糊增强算法，后来陆续又出现了一些改进算法［2,3］；这些算法对整幅图像的ROI与背景区域统一进行处理，同时所采用的GFO又是非线性的，造成运算开销大、处理速度低下. 针对这种问题，我们提出了一种适合CT/MR图像的快速模糊增强算法，通过定义一个新的线性映射函数，将图像的ROI从背景区域分离出来，并采用线性的广义模糊算子(LGFO)只对ROI进行处理，从而减少了运算量、提高了处理速度.
1模型与算法
1.1传统基于模糊集理论的Pal类图像增强算法根据模糊集理论，一个M×N个像素的L级灰度图像X，可表示为M×N的模糊矩阵：X=UM〖〗i=1UN〖〗j=1Pij/xij(1)式(1)中元素Pij/xij表示图像中像素（i，j）的灰度xij相对于最大灰度(L-1)的某种亮度程度. 这是一个求模糊分布的问题，文献［1］采用下式求解：Pij=T（xij）=1+(L-1)-xij〖〗Fd-Fe(2)式(2)中Fd，Fe可通过渡越点确定，文献［4］给出了确定的方法，得到Pij后对图像进行模糊集增强处理，采用如下变换：μA（pij）=GFO（μA（pij））=2(μA(pij))2〖〗0≤μA(pij)≤0.51-2(1-μA(pij))2〖〗0.5<μA(pij)≤1(3)Pij=μrA(Pij)=μA(μr-1A(Pij))r=1,2,…(4)文献［2，3］对映射函数T(g)或GFO做了改进，他们采用的映射函数分别为T1(・)和T2(・)：Pij=T1(xij)=sinπ〖〗21-xmax-xij〖〗D(5)Pij=T2(xij)=xij-D〖〗xmax-D(6)式(5), (6)中0 |
| | |
| | | | <<<<<全文未完>>>>> 全文字数约2173字 | |
| | |
| |
|
教育论文中心