基于直方图的自适应高斯噪声滤波器

图像滤噪时,利用原图像的信息越多滤波效果越好,但这通常是不可行的或不可能的。为此提出了一种图像恢复的新方法。该方法通过输入图像估计出原图像的直方图,并从该直方图得到一个包含原图像信息的模糊隶属度函数,以此隶属度函数构建一个模糊加权平均滤波器。该滤波器能够根据图像区域特性差异及噪声强弱自适应地采用不同的滤波尺度。实验结果表明,该滤波器滤波效果优于传统的滤波器和其它模糊滤波器,特别是当噪声发生概率超过0 3时,其滤波效果更加明显。     

自适应线性核时频信号分析

分析了多元Chirp信号在模糊域的交叉项分布特点,提出了一种自适应线性核时频表示方法.该方法在模糊域采用巴特沃什型核函数,依据信号的模糊函数自适应地选取核函数的参数.仿真实验对比了自适应线性核时频表示与其它时频表示方法的性能,说明本方法在提高分时频分辨力、消除交叉项,以及抑制噪声方面有较高的性能.理论分析和仿真实验证实了本方法的有效性.     

各向异性扩散相干斑抑制改进算法

原有相班抑制偏微分方程方法在扩散迭代次数较大时,会严重模糊图像的边缘和细节。在用稳健统计方法研究算法中偏微分方程“边界停止函数”的特性的基础上,提出采用基于Turkey’sbiweight范数的“边界停止函数”的新的偏微分方程算法。对原偏微分方程方法的改进,使得相干班抑制后的图像能够更好地保持边界,并且有利于扩散的自动中止     

Fuzzy熵在环境优序评价中的应用

根据环境系统的可分性原理和环境状况分析的模糊性,提出了系统分解模糊优序评价的新模型.该模型反映了评价系统中各因素间相互制约的关系,分析了环境质量优序评价二级模型的要素,对其特征进行了综合,提出了用模糊熵评定二级模式不确定性的方法.文中建立熵函数的方法是对已有文献的改进.通过实例说明模糊熵模式的应用.本文提出的模糊熵模式用于含有随机性和模糊性的模型的评定.     

基于模糊随机概率的电子产品寿命分析方法

电子产品失效过程是一种兼有随机性和模糊性的模糊随机现象,电子产品的寿命应为一个模糊随机变量。应用模糊随机概率的相关理论,对传统随机概率寿命分析进行改进,建立了一种模糊随机概率寿命分布函数,并且根据寿命的特点提出了选择模糊变量隶属函数的标准。在此基础上,研究了产品失效的可能性分布,以确定产品在某一时刻可能失效的可能性大小。通过实例分析对比,新的寿命分布函数能够反映出更多的寿命信息,且表达更为直观具体,所建立的可能性分布能够真实地反映实际产品失效的可能性大小。     

改进的PCNN与Otsu的图像增强方法研究

提出了基于改进脉冲耦合神经网络(PCNN)与Otsu的图像模糊增强方法，该方法即可有效地去除噪声，又能根据图像灰度性质自动选取最佳阈值，并采用模糊集理论实现了图像的增强。计算机仿真表明，该方法可得到优于传统方法去噪和增强效果，从而验证了该方法的有效性、合理性。     

基于混沌优化的模糊聚类分析方法

提出了基于混沌优化的模糊聚类方法(COFCM).COFCM将混沌优化策略与传统的模糊C-均值算法(FCM)相结合,用混沌变量搜索对模糊聚类目标函数进行全局寻优,同时结合梯度算子,使方法能有效收敛到极值点.以六组人工数据集和真实数据集作为实验数据,对聚类目标函数值、聚类有效性函数指标值进行对比实验,其结果表明COFCM能得到比FCM更好的目标函数值,从而有更好的聚类效果.最后将该方法应用于Lena图像进行图像分割,验证了方法的有效性.     

基于随机集理论的模糊观测多目标跟踪方法

为解决传感器观测数据具有不确定性和模糊性的多目标跟踪问题, 首先给出了模糊观测的随机子集表示及其似然函数构造方法; 然后利用所构造的似然函数, 并结合概率假设密度(PHD)滤波器来实现模糊观测的多目标跟踪. 仿真结果显示, 标准PHD滤波器在模糊观测下会出现目标数目估计不准确的问题. 针对这一问题, 在分析了该问题产生原因的基础上, 通过改进PHD滤波器的更新过程, 提出了一种单量测独立更新的PHD滤波方法. 仿真结果表明, 在模糊观测下, 改进算法能得到比标准PHD滤波方法更准确的目标数目估计和更高的跟踪精度.     

基于最大模糊熵原理的多阈值图像分割新算法

基于最大模糊熵准则,提出了一种新的多阈值图像分割算法。该算法通过定义一种简单的线性模糊隶属度函数,将图像模糊划分为若干个不同的区域;同时采用自适应遗传算法搜索最大模糊熵准则下图像的一组最佳分割阈值,并对遗传算法中的编码方式及交叉算子、变异算子进行了一些有益的改进,极大地减少了计算量和存储空间,加快了算法的搜索速度。通过仿真实验证明该算法对复杂图像良好的分割效果和较强的实时处理能力。     

基于改进模糊熵的区间直觉模糊多属性决策

充分考虑区间直觉模糊决策问题的直觉性和模糊性因素,提出改进的融合隶属度、非隶属度和犹豫度的区间直觉模糊熵计算公式,运用改进的模糊熵公式计算决策属性指标的权重值,提高决策指标权重的客观性。首先,在以上改进熵公式基础上,运用区间直觉模糊混合几何算子和新的得分函数计算各决策方案的综合指标值,以保证决策信息的全面性;然后,再利用新的得分函数对方案进行排序得到最优决策结果。最后,以实际案例验证提出的决策方法的有效性和实用性。     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.     

基于自适应分割与偏移场估计的活动轮廓模型

针对传统活动轮廓模型无法快速、准确、强鲁棒性地分割灰度不均匀图像的问题,提出了偏移场估计与图像分割相结合的新型混合活动轮廓模型。首先,通过对图像进行模糊聚类分析,提出带有模糊隶属度函数的新型偏移场估计模型,提高了模型对图像灰度信息的估计与提取能力。其次,利用图像信息熵构造了自适应尺度算子(adaptive scaling operator, ASO),改善了模型的分割效率及对初始轮廓和噪声的鲁棒性。最后,通过将偏移场估计模型和ASO融入到能量泛函中,提出新型混合活动轮廓模型。实验结果表明,该模型不但对初始轮廓和不同种类噪声具有较强的鲁棒性,而且对不同程度的灰度不均匀图像具有较高的分割准确度与分割效率。     

基于超模糊集的多属性图像阈值分割算法

传统的分割方法往往是根据图像单一的属性标准对图像进行分割,很难满足图像的多方面分割要求。由于许多外界干扰因素的存在,使得基于经典模糊集方法进行的分割,结果也常常不令人满意。针对这些问题,介绍了一种基于超模糊集合理论的多属性图像阈值分割方法（F2ES）,在超模糊集的基础上,结合模糊熵和模糊相似性两种截然不同的属性刻画待分割图像,构造综合评价函数,得到最佳阈值。针对多幅不同类型图片进行分割仿真实验,得到较好的结果,证明该算法是切实可行的。     

广义模糊熵的构造及其在图像分割中的应用

针对现有的模糊熵阈值法对噪声干扰、光照不均匀图片的分割不能获得满意分割效果的不足,提出了模糊熵公式的参数化修改并用于图像分割,获得了选取最佳分割阈值的模糊熵新算法。首先将Sugeno广义否定算子替代二次型模糊熵公式的Zadeh标准否定算子,得到了参数型的广义模糊熵表达式;其次,将其应用于构造图像阈值化分割的准则函数;最后,给出了图像阈值化分割新算法中的广义模糊熵参数自动选取方法。实验结果表明,给出的广义模糊熵图像分割方法对光照不均匀图像相比传统模糊熵分割方法更有效。     

基于支持向量回归机学习的机械臂视觉反馈模糊控制

针对于机器人无标定视觉伺服问题,提出一种基于支持向量回归机(Support Vector Regression, SVR)学习的模糊控制(Fuzzy Logic Control, FLC)方法。FLC直接用于构建图像特征与机器人关节运动之间的非线性映射关系。FLC的模糊基函数用作SVR的核函数,建立FLC与SVR的数学等价关系。SVR从数据中学习的支持向量构建FLC的规则。所有规则来自于数据,因此无需人工设计规则。本文所提出方法充分利用了SVR针对小数据量学习具有较好的泛化性能优势,实验结果表明该视觉伺服控制器在精度上及收敛上均具取得较好性能。     

多元判断偏好集结的混合群决策过程研究

针对评价过程中出现的不同偏好表达,提出了两阶段集结的群体决策方法:个人偏好转换和多专家集结。个人偏好转换把不同专家做出的模糊偏好关系、效用函数、部分选择、偏好排序、语言偏好关系等表达方式,转换为归一化的数值绝对偏好,并在专家相对偏好的权重表达中,采用模糊有序加权平均(ordered weighted averaging,OWA) 算子和语言有序加权平均(linguistic ordered weighted averaging,LOWA)算子;多专家集结则根据等差数的专家权重排列,并将权重做归一化处理,得出总分后即从可行方案中选出最优的方案,分数越高表明专家群体越为偏好,从而获得多元偏好表达的混合专家群体的民主选择结果。将该两步集结的方法用于某公司的人才综合评估中。与以往传统的选择方法相比,突出了决策者偏好表达的自由、民主的特征。     

基于SVM的模糊推理在图像降噪中的建模与仿真

针对图像上的脉冲曝声，用基于支持向量机的模糊推理方法建立噪声检测模型。该建模方法应用支持向量机的学习机制从训练样本中提取支持向量，由支持向量确定模糊基函数，产生相应的模糊规则，建立起模糊推理模型。并依据此设计了一套噪声检测系统。该系统由基于支持向量机的模糊推理子系统和决策子系统组成。其中，推理子系统分别在纵向和横向上检测噪声信息：决策子系统综合纵向横向的信息，做出决策。仿真实验结果表明，所提出的方法可有效地检测并去除噪声，同时保留了图像的细节信息。     

模糊值函数的对偶µ-可积性及其应用

针对K-拟可加模糊测度空间上的一类µ-可积模糊值函数.一方面,应用拟加和拟乘两种运算定义了对偶K-拟可加模糊值积分,通过诱导算子K获得这种新型模糊积分的转换定理;另一方面,在引入拟可减算子定义基础上研究了一类模糊值函数的对偶µ-可积性问题,进而获得可积性判定条件及有界模糊值函数和闭区间上连续模糊值函数构成对偶µ-可积的充分条件．最后,通过一个具体的实例阐释这种积分在生产预测中的实际应用.     

结合模糊C均值聚类和曲线演化的心脏MRI图像分割

提出了结合模糊C均值聚类和曲线演化的MRI图像分割算法。由于心脏的变形和血液的流动，MRI图像中出现了弱边界、局部梯度极大值区域、伪影等现象。分析了使用水平集方法分割此类图像时出现的问题，提出了两阶段分割算法：结合先验知识和直方图，对心脏MRI图像进行模糊C均值聚类，再根据聚类的结果定义窄带中像素点的速度函数，通过曲线演化获取左心室的粗边界；然后使用梯度向量流构造另一速度函数对边界进行细化。心脏MRI图像的分割实验证明了算法的有效性。