[發(fā)明專利]基于多屬性約簡的模糊粗糙集煤粉塵圖像分割方法

有效

• 申請?zhí)枺?/td>: 201610574203.0
• 申請日: 2016-07-20
• 公開（公告）號: CN106228554B
• 公開（公告）日: 2017-07-04
• 發(fā)明（設計）人: 王征
• 申請（專利權）人: 西安科技大學
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 西安創(chuàng)知專利事務所61213
• 代理人: 李艷春

1.一種基于多屬性約簡的模糊粗糙集煤粉塵圖像分割方法，其特征在于，該方法包括以下步驟：

步驟一、模糊類別隸屬度的確定：圖像處理器將獲取到的煤粉塵圖像作為模糊粗糙集X＝{x₁,x₂,…,x_n}來處理，在模糊粗糙集X＝{x₁,x₂,…,x_n}中構造k個聚類m₁,m₂,…,m_k，并確定出x_i對應于w_i的模糊類別隸屬度

其中，x_i為煤粉塵圖像中第i個像素點的灰度值，i＝1,2,…,n，n為像素點的個數(shù)，k為非0的自然數(shù)，w_i為模糊粗糙集的論域U內(nèi)的像素；

步驟二、確定模糊粗糙集X的模糊屬性約簡，得到去除了冗余屬性的煤粉塵圖像，具體過程為：

步驟201、圖像處理器將煤粉塵圖像的圖像灰度特征空間中多個圖像灰度特征看作多個條件屬性，根據(jù)公式求取條件屬性A_r對應的模糊依賴度γ_X(A_r)，其中，POS_X(A_r)為條件屬性A_r對應的模糊粗糙集X的正域，且為x_i對應于POS_X(A_r)的模糊類別隸屬度且

其中，r＝1,2,…,N，N為煤粉塵圖像的圖像灰度特征空間中條件屬性的總個數(shù)；j＝1,2,…,k；

步驟202、比較煤粉塵圖像的圖像灰度特征空間中N個條件屬性對應的模糊依賴度，從{A₁,A₂,…,A_N}中選擇一個具有最大模糊依賴度的條件屬性作為第一個模糊屬性約簡的候選屬性，并將選出的第一個模糊屬性約簡的候選屬性定義為A′₁；

步驟203、選擇第2～λ個模糊屬性約簡的候選屬性，并將選擇出的第1～λ個模糊屬性約簡的候選屬性定義為模糊屬性約簡的候選屬性集B＝{A′₁,A′₂,…,A′_q}；其中，第q個模糊屬性約簡的候選屬性的選擇方法為：除去已選出的q-1個模糊屬性約簡的候選屬性后，在其余的條件屬性中選擇一個具有最大模糊依賴度的條件屬性作為模糊屬性約簡的候選屬性，并將選出的候選屬性定義為A′_q，q的取值為2～λ；

步驟204、判斷是否存在A_v，q<v<N，滿足A_v對應模糊依賴度大于各個模糊屬性約簡的候選屬性對應的模糊依賴度，當存在A_v時，將B′＝{A′₁,A′₂,…,A′_q,A_v}確定為模糊粗糙集X的模糊屬性約簡，得到去除了冗余屬性的煤粉塵圖像；否則，當不存在A_v時，將B＝{A′₁,A′₂,…,A′_q}確定為模糊粗糙集X的模糊屬性約簡，得到去除了冗余屬性的煤粉塵圖像；

步驟三、圖像處理器調(diào)用分割閾值確定模塊并根據(jù)最大熵的閾值確定方法確定出進行煤粉塵圖像分割的閾值，具體過程為：

步驟301、設定循環(huán)總次數(shù)C和用于存儲數(shù)據(jù)的數(shù)據(jù)位總數(shù)S；其中，C和S均為自然數(shù)且C>S；

步驟302、設定進行煤粉塵圖像分割的分割閾值s為并比較煤粉塵圖像中每一個像素的灰度值與分割閾值s；取rand()為均勻分布在(0，1)上的C個隨機數(shù)，每取一個隨機數(shù)，記錄循環(huán)次數(shù)h并比較循環(huán)次數(shù)h與用于存儲數(shù)據(jù)的數(shù)據(jù)位總數(shù)S，當h<C且h≤S時，循環(huán)執(zhí)行步驟303～步驟306以及步驟307；否則，當h<C且h>S時，循環(huán)執(zhí)行步驟303～步驟306以及步驟308；直到h＝C后停止循環(huán)；其中，x_max為X中元素的最大值且x_max＝max{x₁,x₂,…,x_n}，x_min為X中元素的最小值且x_min＝min{x₁,x₂,…,x_n}；

步驟303、圖像處理器對去除了冗余屬性的煤粉塵圖像進行目標區(qū)域的模糊下近似和模糊上近似，以及背景區(qū)域的模糊下近似和模糊上近似，分別表示為：

目標區(qū)域的模糊下近似：

目標區(qū)域的模糊上近似：

背景區(qū)域的模糊下近似：

背景區(qū)域的模糊上近似：

步驟304、當煤粉塵圖像中每一個像素的灰度值均大于分割閾值s時，目標區(qū)域的模糊下近似R_oX加1；當煤粉塵圖像中部分像素的灰度值大于分割閾值s時，目標區(qū)域的模糊上近似加1；

步驟305、當煤粉塵圖像中每一個像素的灰度值均小于等于分割閾值s時，背景區(qū)域的模糊下近似R_BX加1；當煤粉塵圖像中部分像素的灰度值小于等于分割閾值s時，背景區(qū)域的模糊上近似加1；

步驟306、根據(jù)公式計算煤粉塵圖像的信息熵Entr(X)；

步驟307、將步驟306中計算得到的煤粉塵圖像的信息熵Entr(X)和與信息熵Entr(X)對應的煤粉塵圖像分割的分割閾值s直接存儲在用于存儲數(shù)據(jù)的數(shù)據(jù)位上；

步驟308、比較已經(jīng)存儲在用于存儲數(shù)據(jù)的數(shù)據(jù)位上各個煤粉塵圖像的信息熵Entr(X)的大小，刪除用于存儲數(shù)據(jù)的數(shù)據(jù)位上最小的煤粉塵圖像的信息熵Entr(X)，并將當前計算得到的煤粉塵圖像的信息熵Entr(X)存儲在刪除了信息熵Entr(X)的數(shù)據(jù)位上；然后再比較所有數(shù)據(jù)位上的煤粉塵圖像的信息熵Entr(X)，找到最大的煤粉塵圖像的信息熵Entr(X)，并將最大的煤粉塵圖像的信息熵Entr(X)對應的煤粉塵圖像分割的分割閾值s確定為進行煤粉塵圖像分割的閾值；

步驟四、圖像處理器將去除了冗余屬性的煤粉塵圖像中每一個像素的灰度值與進行煤粉塵圖像分割的閾值做比較，并將像素的灰度值大于進行煤粉塵圖像分割的閾值的像素劃分為目標區(qū)域，將像素的灰度值小于等于進行煤粉塵圖像分割的閾值的像素劃分為背景區(qū)域。