Mammogram image enhancement is very much necessary in diagnosing breast cancer or tumor at an early stage. Nonuniform illumination and low contrast images are commonly encountered in mammogram images. Conventional enhancement algorithms produce either some artifacts or cannot highlight minute details present in the images, particularly when dealing with mammogram images. In this article, we propose a new mammogram image enhancement scheme using Atanassov's intuitionistic fuzzy set (IFS) theory. IFS considers two uncertainties—membership and nonmembership degree apart from membership degree as in fuzzy set theory. As mammogram images are low contrast images and many of the image definitions are vague/unclear, so IFS theory may be suitable for better image enhancement. Initially, the image is transformed to an intuitionistic fuzzy image using a novel intuitionistic fuzzy generator. Hesitation degree is computed and using the hesitation degree, two membership levels are computed to form an interval type 2 fuzzy set. These two membership functions are then combined using Zadeh's fuzzy t‐conorm to form a new membership function. Threshold of interval type 2 fuzzy image is obtained using restricted equivalence function. Using the threshold, modified fuzzy hyperbolization is carried out. Real data experiments demonstrate that the proposed algorithm has better performance on contrast and visual quality of the images both quantitatively and qualitatively when compared with different existing methods.

中文翻译：

---

用于增强低对比度乳房 X 光照片图像的直觉模糊方法

乳房 X 光图像增强对于早期诊断乳腺癌或肿瘤非常必要。不均匀照明和低对比度图像在乳房 X 光照片中很常见。传统的增强算法要么产生一些伪影，要么无法突出图像中存在的微小细节，尤其是在处理乳房 X 光照片时。在本文中，我们使用 Atanassov 的直觉模糊集 (IFS) 理论提出了一种新的乳房 X 线照片图像增强方案。除了模糊集理论中的隶属度之外，IFS 还考虑了两个不确定性——隶属度和非隶属度。由于乳房 X 光图像是低对比度图像，并且许多图像定义模糊/不清晰，因此 IFS 理论可能适用于更好的图像增强。原来，使用新颖的直觉模糊生成器将图像转换为直觉模糊图像。计算犹豫度，利用犹豫度计算两个隶属度，形成区间类型2模糊集。然后使用 Zadeh 的模糊 t-conorm 将这两个隶属函数组合起来，形成一个新的隶属函数。区间类型2模糊图像的阈值是使用受限等价函数获得的。使用阈值，进行修正的模糊双曲线化。真实数据实验表明，与现有的不同方法相比，所提出的算法在图像的对比度和视觉质量方面具有更好的定量和定性性能。计算两个隶属度以形成区间类型 2 模糊集。然后使用 Zadeh 的模糊 t-conorm 将这两个隶属函数组合起来，形成一个新的隶属函数。区间类型2模糊图像的阈值是使用受限等价函数获得的。使用阈值，进行修正的模糊双曲线化。真实数据实验表明，与现有的不同方法相比，所提出的算法在图像的对比度和视觉质量方面具有更好的定量和定性性能。计算两个隶属度以形成区间类型 2 模糊集。然后使用 Zadeh 的模糊 t-conorm 将这两个隶属函数组合起来，形成一个新的隶属函数。区间类型2模糊图像的阈值是使用受限等价函数获得的。使用阈值，进行修正的模糊双曲线化。真实数据实验表明，与现有的不同方法相比，所提出的算法在图像的对比度和视觉质量方面具有更好的定量和定性性能。进行了修正的模糊双曲线化。真实数据实验表明，与现有的不同方法相比，所提出的算法在图像的对比度和视觉质量方面具有更好的定量和定性性能。进行了修正的模糊双曲线化。真实数据实验表明，与现有的不同方法相比，所提出的算法在图像的对比度和视觉质量方面具有更好的定量和定性性能。