一种改进的模糊边缘检测算法吴薇（西安武警工程学院通信工程系西安710086）摘要针对PalKing算法的缺陷，通过定义新的模糊隶属函数，并引入饱和增强点和广义渡越点参数，给出了一种新的模糊边缘检测算法。该算法具有速度快、效果好、能够检测模糊边缘和细小边缘的优点，最后仿真结果验证了该算法的有效性。关键词边缘检测模糊增强饱和增强点广义渡越点图像边缘检测，是图像分析的重要内容，也是图像处理领域中一种重要的预处理技术。由于图像的边缘信息具有能勾画区域形状，且能局部定义以及能传递大部分图像信息等许多优点。因此，边缘检测可看作是处理许多复杂问题的关键，被广泛应用于图像轮廓、特征的提取和纹理分析等方面。80年代中期，国外学者Pal和King提出了一种图像边缘检测模糊算法（简称PalKing算法）［1］，首次将模糊集理论引入到图像的边缘检测算法中。由于图像中物体边界所具有的不确定性往往是模糊性，因此该方法能够有效地将物体从背景中分离出来。尤其在医学图像处理领域，PalKing算法的处理效果明显优于传统方法，因而获得了良好的应用。但PalKing算法也存在着一些缺陷。本文在分析PalKing算法的原理和缺陷的基础上，提出了一种改进的模糊边缘检测算法。该算法采用一种简便的模糊隶属度函数来快速实现图像灰度空间到模糊空间的合理转换，并引入饱和增强点［3］和广义渡越点［2］的概念，同时根据图像本身的灰度特性和不同的检测要求来确定其取值，因而大大提高了图像边缘检测的速度和质量。1PalKing算法及其缺陷依照模糊集理论，PalKing算法首先将图像看成一个模糊点集阵列，即把图像从灰度数据空间转换为模糊空间。一个M×N、具有L级灰度的二维图像可表示为：质P的程度（通常为象素的灰度级Xij相对于最大灰度级L-1的隶属度）。当Xij单调变化时，Pij也单调变化。PalKing算法定义隶属函数为：[1][2][3][4]下一页
来源：中国电力资料网
