[发明专利]基于多属性约简的模糊粗糙集煤粉尘图像分割方法

摘要

本发明公开了一种基于多属性约简的模糊粗糙集煤粉尘图像分割方法，包括步骤一、模糊类别隶属度的确定；二、确定模糊粗糙集X的模糊属性约简，得到去除了冗余属性的煤粉尘图像；三、图像处理器调用分割阈值确定模块并根据最大熵的阈值确定方法确定出进行煤粉尘图像分割的阈值；四、图像处理器将去除了冗余属性的煤粉尘图像中每一个像素的灰度值与进行煤粉尘图像分割的阈值做比较，并将像素的灰度值大于进行煤粉尘图像分割的阈值的像素划分为目标区域，将像素的灰度值小于等于进行煤粉尘图像分割的阈值的像素划分为背景区域。本发明方法步骤简单，提高了煤粉尘图像分割的效率和精度，有效性和鲁棒性好，使用灵活方便，可扩展性好，推广应用价值高。

主权项

一种基于多属性约简的模糊粗糙集煤粉尘图像分割方法，其特征在于，该方法包括以下步骤：步骤一、模糊类别隶属度的确定：图像处理器将获取到的煤粉尘图像作为模糊粗糙集X＝{x1,x2,…,xn}来处理，在模糊粗糙集X＝{x1,x2,…,xn}中构造k个聚类m1,m2,…,mk，并确定出xi对应于wi的模糊类别隶属度其中，xi为煤粉尘图像中第i个像素点的灰度值，i＝1,2,…,n，n为像素点的个数，k为非0的自然数，wi为模糊粗糙集的论域U内的像素；步骤二、确定模糊粗糙集X的模糊属性约简，得到去除了冗余属性的煤粉尘图像，具体过程为：步骤201、图像处理器将煤粉尘图像的图像灰度特征空间中多个图像灰度特征看作多个条件属性，根据公式求取条件属性Ar对应的模糊依赖度γX(Ar)，其中，POSX(Ar)为条件属性Ar对应的模糊粗糙集X的正域，且为xi对应于POSX(Ar)的模糊类别隶属度且其中，r＝1,2,…,N，N为煤粉尘图像的图像灰度特征空间中条件属性的总个数；j＝1,2,…,k；步骤202、比较煤粉尘图像的图像灰度特征空间中N个条件属性对应的模糊依赖度，从{A1,A2,…,AN}中选择一个具有最大模糊依赖度的条件属性作为第一个模糊属性约简的候选属性，并将选出的第一个模糊属性约简的候选属性定义为A′1；步骤203、选择第2～λ个模糊属性约简的候选属性，并将选择出的第1～λ个模糊属性约简的候选属性定义为模糊属性约简的候选属性集B＝{A′1,A′2,…,A′q}；其中，第q个模糊属性约简的候选属性的选择方法为：除去已选出的q‑1个模糊属性约简的候选属性后，在其余的条件属性中选择一个具有最大模糊依赖度的条件属性作为模糊属性约简的候选属性，并将选出的候选属性定义为A′q，q的取值为2～λ；步骤204、判断是否存在Av，q<v<N，满足Av对应模糊依赖度大于各个模糊属性约简的候选属性对应的模糊依赖度，当存在Av时，将B′＝{A′1,A′2,…,A′q,Av}确定为模糊粗糙集X的模糊属性约简，得到去除了冗余属性的煤粉尘图像；否则，当不存在Av时，将B＝{A′1,A′2,…,A′q}确定为模糊粗糙集X的模糊属性约简，得到去除了冗余属性的煤粉尘图像；步骤三、图像处理器调用分割阈值确定模块并根据最大熵的阈值确定方法确定出进行煤粉尘图像分割的阈值，具体过程为：步骤301、设定循环总次数C和用于存储数据的数据位总数S；其中，C和S均为自然数且C>S；步骤302、设定进行煤粉尘图像分割的分割阈值s为并比较煤粉尘图像中每一个像素的灰度值与分割阈值s；取rand()为均匀分布在(0，1)上的C个随机数，每取一个随机数，记录循环次数h并比较循环次数h与用于存储数据的数据位总数S，当h<C且h≤S时，循环执行步骤303～步骤306以及步骤307；否则，当h<C且h>S时，循环执行步骤303～步骤306以及步骤308；直到h＝C后停止循环；其中，xmax为X中元素的最大值且xmax＝max{x1,x2,…,xn}，xmin为X中元素的最小值且xmin＝min{x1,x2,…,xn}；步骤303、图像处理器对去除了冗余属性的煤粉尘图像进行目标区域的模糊下近似和模糊上近似，以及背景区域的模糊下近似和模糊上近似，分别表示为：目标区域的模糊下近似：目标区域的模糊上近似：背景区域的模糊下近似：背景区域的模糊上近似：步骤304、当煤粉尘图像中每一个像素的灰度值均大于分割阈值s时，目标区域的模糊下近似RoX加1；当煤粉尘图像中部分像素的灰度值大于分割阈值s时，目标区域的模糊上近似加1；步骤305、当煤粉尘图像中每一个像素的灰度值均小于等于分割阈值s时，背景区域的模糊下近似RBX加1；当煤粉尘图像中部分像素的灰度值小于等于分割阈值s时，背景区域的模糊上近似加1；步骤306、根据公式计算煤粉尘图像的信息熵Entr(X)；步骤307、将步骤306中计算得到的煤粉尘图像的信息熵Entr(X)和与信息熵Entr(X)对应的煤粉尘图像分割的分割阈值s直接存储在用于存储数据的数据位上；步骤308、比较已经存储在用于存储数据的数据位上各个煤粉尘图像的信息熵Entr(X)的大小，删除用于存储数据的数据位上最小的煤粉尘图像的信息熵Entr(X)，并将当前计算得到的煤粉尘图像的信息熵Entr(X)存储在删除了信息熵Entr(X)的数据位上；然后再比较所有数据位上的煤粉尘图像的信息熵Entr(X)，找到最大的煤粉尘图像的信息熵Entr(X)，并将最大的煤粉尘图像的信息熵Entr(X)对应的煤粉尘图像分割的分割阈值s确定为进行煤粉尘图像分割的阈值；步骤四、图像处理器将去除了冗余属性的煤粉尘图像中每一个像素的灰度值与进行煤粉尘图像分割的阈值做比较，并将像素的灰度值大于进行煤粉尘图像分割的阈值的像素划分为目标区域，将像素的灰度值小于等于进行煤粉尘图像分割的阈值的像素划分为背景区域。