灰度图像的模糊Renyi熵多级阈值分割方法

为克服Renyi熵阈值化方法在处理图像固有模糊特性上的不足,基于模糊集理论,提出一种有效的图像多级阈值化方法。把图像转换到模糊域,定义分割区域的模糊Renyi熵,然后应用最大熵原理对图像实施阈值分割。另外,在方法实现中采用差分演化算法搜索最佳阈值,以提高计算效率。在合成及真实图像上的实验结果表明了提出方法的有效性,同时,运用差分演化算法使方法满足图像分割时间性能需求。     

基于概率犹豫-直觉模糊熵和证据推理的多属性决策方法

针对专家决策带有犹豫性和偏好性的多属性决策问题,提出一种基于概率犹豫-直觉模糊熵和证据推理的决策方法。在概率犹豫模糊集和犹豫直觉模糊集的基础上,考虑专家偏好,提出一种新的概率犹豫-直觉模糊集,对混合型属性的决策信息进行统一描述;基于犹豫熵和直觉模糊熵,提出概率犹豫-直觉模糊熵对决策信息的犹豫性和不确定性进行测度,并确定属性权重;采用证据推理算法进行属性信息的集结,并基于效用理论对方案进行排序。通过算例对比分析验证了所提方法得到的决策结果更为科学、准确。     

基于直觉模糊集的多属性模糊决策方法

针对模糊条件下的多属性决策问题,提出了一种新的基于直觉模糊集的多属性模糊决策方法。首先,给出了直觉模糊集的几何解释,定义了两个直觉模糊集之间的距离,确定了各候选方案指标值在直觉模糊集中的表示形式。其次,针对在信息不完全确定的模糊环境下,建立了基于直觉模糊集的多属性模糊决策模型,给出了适合这种模型的相应定义,提出了理想方案和负理想方案的概念,并结合信息不完全确定性处理来保证方案的唯一性。最后,通过比较各方案的直觉模糊集与理想和负理想方案的距离来确定方案集的排序。通过实例验证了方法的正确性和有效性。     

三参数区间值模糊集上的TOPSIS决策方法

考虑到区间值模糊集中代表元在决策分析中的重要作用,提出三参数区间值模糊集和三参数区间值模糊值的概念,给出了三参数区间值模糊值之间的运算关系,定义了三参数区间值模糊值之间一种新的距离. 基于这种距离, 针对三参数区间值模糊集上的一个多属性决策模型, 提出了一种TOPSIS决策方法.最后以实例说明该方法的有效性.     

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。     

基于模糊积分的图像分割算法融合

提出了一种基于多分类器融合的阈值分割方法,采用模糊积分将多种阈值分割算法的结果进行融合,其区别于现有分类器融合算法之处在于,融合过程不仅取决于各个分类器(分割算法)的判决输出,而且与各个分类器的判决能力有关。各个分类器的判决能力用模糊测度表示,它可以解释为单个分类器判决对最终融合判决的重要程度。通过使用一组手工分割的测试图像进行算法评估,结果表明,所提出的融合算法性能不仅优于单个阈值分割算法,而且优于基于多数表决和算术平均的分类器融合算法。     

最大模糊能量图像阈值分割法

最小模糊熵阈值法是一个常用的图像分割方法。依据模糊熵的对偶概念：模糊能量,提出了对应的最大模糊能量阈值法。考虑到最大模糊能量阈值法在有些情况下不能有效找到直方图的谷点,通过融入阈值点的概率信息,提出了一种改进的加权最大模糊能量阈值法,改进方法能够使得分割阈值点更接近图像直方图的谷底。实验结果表明,改进的最大模糊能量阈值法对单峰直方图和小目标图像有更好的分割效果。     

粗糙度量和模糊信息颗粒化

信息是由对象、属性、值组成的三元组，当对属性值用较粗的标度去度量时就得到了其论域上的粗糙度量。据此构造了模糊集合理论的基础概念，即模糊集合是不确定标度下的粗糙度量，隶属函数是粗糙程度不同的度量间的转换函数，模糊集合将信息模糊颗粒化，这些信息颗粒之间的相互关系就是模糊映或模糊计算，基于这些概念的模糊系统具有可理解性。     

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。     

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。     

基于模糊集的神经网络景象匹配算法

将神经网络思想引入到景象匹配,提出了基于模糊集的神经网络景象匹配算法。该算法将图像模糊集作为特征空间,尝试了在模糊域中采用神经网络学习算法进行精确寻优。实验结果表明,设计的算法不但较好的满足了景象匹配系统对算法的性能要求,而且比传统算法具有更高的抗干扰能力。     

基于模糊相容关系下的相容模糊粗糙集

本文针对模糊信息系统,提出了一种基于模糊相容关系的相容模糊粗糙集。文中给出了模糊相容类的定义,相容模糊粗糙集的表达形式,相容模糊粗糙隶属函数的定义及性质,相容模糊粗糙集的属性约简及模糊性测量方法.最后通过一个例子来说明了这种相容模糊粗糙集.     

拓展模糊集之间的若干等价变换

系统研究了模糊知识处理技术发展引起的各种模糊集拓展理论及其等价变换问题。首先给出了模糊集理论的各种拓展,如直觉模糊集、L 模糊集与L 直觉模糊集、区间值模糊集与区间值直觉模糊、Vague集等的定义与描述。重点研究了直觉模糊集到一般模糊集的变换,直觉模糊集与Vague集的等价关系,证明了利用D K算子可实现L 直觉模糊集到L 模糊集,区间值直觉模糊集到L 模糊集,区间值直觉模糊集到直觉模糊集,直觉模糊集到区间值直觉模糊集的等价变换。最后,给出了各种模糊集理论拓展形式之间联系的图示。     

双枝模糊集模糊性度量

利用双枝模糊集概念,提出了双枝模糊集、上枝模糊集、下枝模糊集的模糊度概念。通过双枝模糊集模糊度的理论定义,给出了有限论域上双枝模糊集、上枝模糊集、下枝模糊集模糊度的构造性定理,利用这些定理进一步给出了双枝模糊集、上枝模糊集、下枝模糊集模糊度的几种具体计算公式。通过讨论得出单枝模糊集的模糊度是双枝模糊集模糊度的特例。     

2-D mini mumfuzzy entropy method of image thresholding based on genetic algorithm

1 .INTRODUCTIONI mage thresholding[1]which extracts the object fromthe backgroundin an input i mage is one of the mostcommon applicationsini mage analysis .For example ,in automatic recognition of machine printed or hand-written texts ,in shape recognition of objects ,and ini mage enhancement ,thresholding is a necessary stepfori mage preprocessing.If the object is clearly distin-guishable from the background, the gray-level his-togram will be bi modal andthe thresholdfor segmen-tation can…     

基于时序模糊软集的群决策方法

研究了时序模糊软集环境下的群决策问题.针对实际问题中模糊软集信息随时间动态变化的情形,定义了时序模糊软集等概念,并讨论了其相关运算及性质. 考虑不同时刻模糊软集信息对最终决策的不同影响,分别从连续和离散时间建立基于指数衰减模型的权重确定公式. 然后,利用集成思想定义模糊软集间的运算并给出了算术加权平均算子的计算公式,将时序模糊软集集成为综合模糊软集. 利用水平软集等工具计算各对象的机会值,得出最优决策. 最后,给出了基于时序模糊软集的群决策途径并通过实例验证了决策方法合理、可行.