改进的模糊增强算法

对S.K.Pal和R.A.King提出的模糊增强算法进行了分析,给出了一个自适应的选择参数的模糊增强算法,可进一步改进图象增强的效果和边缘检测的精度。     

针对荧光图象的自适应模糊增强算法

针对在紫外线激发下的荧光图象，详细分析了其噪声模型，并利用信号检测理论得出了最佳门限的选取方法，同时提出了一种自适应的模糊对比度增强算子，从而使强噪声荧光图象的噪声削弱，图象增强．通过实验证明，基于模糊集的图象自适应增强算法的物理概念清晰，实现容易，对于荧光图象有较好的处理效果．最后通过对模糊度的比较，在理论上验证了算法的有效性．     

模糊逻辑在图像增强算法中的研究及应用

提出了基于模糊逻辑和纹理分析的图像增强算法,通过图像模糊化、提取纹理信息和纹理信息模糊化、定义局部对比度、根据全局和局部信息来进行对比度的变换等措施,提高了增强算法的效果.测试结果表明该算法能很好地增强图像的边缘等细节信息,同时避免放大噪声和过增强的出现.     

基于模糊域奇异值分解的语音增强方法

提出了一种遵循语音非平稳特性的增强方案。它不同于以往语音增强惯用的前提。首先,使用时频表征中的模糊函数描述被高斯白噪声恶化的语音信号;其次,对其进行奇异值分解后。采用尺度因子矩阵调整模糊函数矩阵的奇异值达到抑制与噪声相关成份的目的;最后,将模糊域下经过处理的余留成份变换为时域信号。仿真实验表明,这种消噪方法具有良好的性能。     

基于PSO的图像自适应模糊增强算法

在介绍常规图像自适应模糊增强算法和粒子群优化算法的基本原理的基础上,针对常规图像模糊增强算法中自动获取模糊控制参数耗时较长,执行效率低的问题,提出了一种应用粒子群优化算法结合图像灰度直方图特征进行图像自适应模糊增强的新方法.实际图像增强实验的结果表明方法效率比常规图像自适应模糊增强算法有很大的提高.     

基于奇异值分解的模糊模型结构分析和精简

研究用矩阵奇异值分解方法分析一类模糊模型的结构、奇异值分布与模糊规则的关系,用模糊规则的累积贡献率指导规则的精简,以求模型的拟合精度和结构简单之间的平衡,从理论分析和仿真研究表明方法的可行性和实用性。     

指纹图象的模糊增强

阐述了图象模糊增强的原理及实现方法,提出了模糊增强两种类型隶属函数的概念,将其分别用于指纹图象处理,取得了满意的增强效果。通过对实验结果的分析与比较,说明了两种隶属函数在图象增强中的区别以及每种参数对增强效果的影响。     

模糊解释结构模型

将解释结果模型推广到模糊系统。首先定义了模糊可达矩阵、模糊邻接矩阵、缩减系统和骨干矩阵,对它们的性质作了说明。接着讨论了可达矩阵和邻接矩阵的截矩阵,并给出了骨干矩阵的一个构造方法。经典情况的许多结果是本文结论的特款。     

模糊变分原理和模糊有限元法

通过在弹性梁的结构总势能泛函中引入参数的模糊性,建立了模糊变分原理,进而导出了模糊里兹 法和模糊有限元法的计算格式,分析了具有模糊参数的弹性梁在模糊荷载下的响应特性．算例表明,模糊 有限元法和模糊里兹法具有较高的计算精度,且具有模糊特性的薄板在模糊荷载下的响应,其相对幅值与 确定性边界的支撑条件无关．     

一种基于模糊增强的图像边缘提取改进算法

分析了Pal的模糊边缘提取算法的缺陷,即图像增强区域单一、图像增强后造成低灰度信息的损失、没有做抑噪处理,并针对Pal的模糊增强算法的缺陷提出一种改进的基于模糊增强的边缘提取算法,通过定义新的隶属函数和一种新的模糊增强算法,结合图像平滑滤波处理进行图像边缘提取,有效地增强了边缘信息且抑制了噪声的干扰,并给出了该方法在图像边缘提取中的应用实例。     

基于模糊逻辑的雾天图像增强改进算法

针对传统模糊增强算法的缺陷,提出了一种基于正弦函数变换的模糊增强算法.该算法首先对雾天图像进行规范化,降低不同雾况对图像灰度级分布范围的影响;其次通过一种改进的模糊化算法将图像从灰度域变换到模糊域,在模糊域内对低灰度区域进行衰减运算,对高灰度区域进行增强运算;最后将图像从模糊域变换到灰度域.试验表明,该算法可以有效提高...     

基于一种新模糊增强算子的图像边缘检测算法

借鉴广义模糊集的特性,提出了一种新的模糊边缘检测算法:利用一个简单的隶属度函数将空域图像转换到[0,1]的普通模糊域;然后通过一个简单的增强算子先将其扩展到[-1,2];由于一般情况下物体域(物体内部区域)主要以高灰度为主,背景域(物体背景区域)主要以低灰度为主,而过渡域(物体边缘区域)则以高梯度为主,本算法目的是对图像进行边缘检测,先不对它进行转换或截断,而将其转换到图像准灰度域,相当于把图像的物体域和背景域放到了[0,255]的区域以外;然后采用"min"或"max"算子进行所谓的边缘提取,最后将提取的"边缘"数据进行截断处理,从而将图像数据转换到图像的空间域,即图像的灰度域。从边缘检测结果来看,本算法更适合于低对比度、含有较精细部分以及纹理丰富的图像检测,且耗时较小。     

一种新的模糊对比度增强算法

提出了一种新的基于模糊集合理论的图像模糊对比度增强算法．首先将图像从灰度域变换到模糊域;在预先设定图像空间像素模糊隶属度基础上引入了模糊对比度概念,而后在模糊域对模糊对比度进行非线性变换,得到增强后的模糊隶属度,最后将图像从模糊域变换到灰度域．由算法分析可知,利用模糊隶属度可以对图像的细节进行增强,图像的层次更加分明．通过对几例图像增强对比实验结果的分析,表明该算法是有效的．     

一种基于模糊系统的语音增强方法

语音增强是解决噪声污染的有效方法,它的首要目标是在接收端尽可能从带噪语音中恢复纯净的语音信号.讨论强背景噪声下的基于模糊系统的语音增强方法,并与减谱法语音增强算法进行比较.计算机仿真结果表明,该方法在大大消除背景噪声的同时,消除了音乐噪声,同时保持语音信号较好的可懂度.     

基于多层次模糊增强的图像边缘检测

在图像边缘检测中,往往需要提取不同灰度层次的边缘,而图像的边缘通常具有不确定性．多层次模糊增强可以较为有效地确定图像的边缘,使得不确定的边缘变成确定．对于多层次模糊增强,各层次灰度级的选取直接关系到边缘提取的有效性．文章提出的算法可以有效地确定图像各层次灰度级．     

基于变分结构引导滤波的低照度图像增强算法

针对低光照条件下获取的图像存在亮度低、可见性差等缺陷,提出了基于变分结构引导滤波的低照度图像增强算法。首先在输入图像的每个像素点处计算R、G、B三通道的最大值,并使用最大值滤波获取亮通道图。其次,创新性地构建基于变分模型的引导滤波器对亮通道图进行精炼从而估计出照射分量,并根据Retinex理论,去除照射分量得到反射分量。最后,采用同态滤波和线性拉伸进一步提高反射分量的对比度以输出清晰的图像。综合实验表明,该算法能快速有效地增强低照度图像的亮度和对比度,且能较好地保持图像细节。     

一种基于遗传算法的模糊聚类

对模糊c均值聚类算法（FCM算法）进行了讨论，说明FCM算法一般得不到全局最优分类，因此结合FCM算法提出了用遗传算法进行寻优求解，从而将遗传算法用于模糊聚类分析，最后的实例表明，遗传算法在处理多样本、多属性、多类别问题时，是一种有效的方法。     

基于多阈值模糊增强的手指静脉图像分割

根据手指静脉图像的特点,针对经典阈值方法难以满足图像多属性分割要求的不足,文章在单层次模糊图像增强算法的基础上,提出了一种改进的手指静脉图像分割算法,讨论了该算法的基本原理和具体计算步骤.实验结果表明：与传统的方法相比,该算法方法简单、容易实现,对低质量手指静脉的分割达到了令人满意的效果,分割结果不但准确而且纹路具有明显方向性.     

基于模糊理论的关键词识别算法

针对关键词发音相似易混淆及反词模型难确定、难训练等问题,提出一种结合模糊理论的方法,利用模糊C均值聚类算法对候选关键词进行2次聚类,同时将新的聚类中心作为反词模型进行最后确认.实验结果表明,这种方法使识别率得到了显著的提高.     

基于奇异值分解和引导滤波的低照度图像增强算法

针对现有低照度图像增强算法在处理图像后容易出现色彩失真、细节丢失、过度增强等问题,提出一种基于奇异值分解和引导滤波的低照度图像增强算法.首先通过Max-RGB模型获得初始光照分量,使用奇异值分解和引导滤波对初始光照分量进行优化,得到最终光照分量.利用Retinex模型,将原低照度图与光照分量图逐点相除,得到增强图像,并使用原始图像的绿色分量图作为引导图像,使用引导滤波对增强图像进行去噪处理.实验结果表明,提出的算法能够得到色彩更加真实、视觉效果更好的图像,同时能够避免过度增强、出现光晕等问题.