用模糊集引导卷积神经网络增强博物馆藏品图像:一种利用模糊集理论的新方法

科学领域:

• 数字图像处理 数字图像处理
• 保护文化遗产 保护文化遗产
• 人工智能的人工智能

背景情况:

• 博物馆收藏的图像对于文化遗产和历史研究至关重要.
• 现有的图像往往质量差,清晰度差,阻碍了研究.
• 需要先进的技术来提高这些有价值的视觉资产的真实性.

研究的目的:

• 为博物馆藏品图像开发和评估一种新的图像增强技术.
• 利用模糊集合理论和卷积神经网络 (CNN) 来提高图像质量.
• 量化评估与既定方法相比的增强性能.

主要方法:

• 图像预处理,包括灰色化和通过细分和光滑降低噪音.
• 使用CNN的特征提取和自适应式直方图等级.
• 将灰度级别转换为模糊集,并使用等号相似性进行重建.

主要成果:

• 基于模糊集的增强实现了0.91.9的平均对比度.
• 这显著优于直方体等值 (0.81) 和波形变换 (0.79).
• 该方法有效地提高了图像的真实性和清晰度.

结论:

• 模糊集合理论为博物馆收藏品的图像增强提供了一个强大的方法.
• 拟议的技术显著提高了图像质量,有助于文化遗产研究.
• 进一步的研究对于充分实现先进图像增强技术的潜力至关重要.