一种改进的快速模糊边缘检测算法

在介绍Pal模糊边缘检测算法的基础上，提出了一种改进的模糊边缘检测算法，采用该快速算法，不仅简化了Pal虎法中复杂的G和G^-1运算，而且提出了改进的模糊增强Tr变换，并减少了迭代次数。实验证明，采用该改进算法，不但提高了边缘检测的效率，而且检测效果优于Pal算法，并且有较好检测模糊边缘和抑制噪声干扰的能力。     

一种改进的Sobel图像边缘检测算法

在经典Sobel算法的基础上，介绍了一种改进算法。该算法能检测八个方向的图像边缘，并能抑制噪声对边缘检测的影响。     

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。     

图像模糊边缘检测算法的Delphi实现

针对传统的模糊图像增强图像分割算法(主要是Pal算法)不能很好的抑制噪声的缺点，通过定义新的隶属函数和模糊增强算子，并结合图像平滑滤波处理，提出一种较好抑制噪声的模糊边缘提取思想。并采用具有可视化的程序设计语言Delphi进行可视化的图像边缘提取，充分体现了Delphi应用于图像处理的简单、快捷性。     

基于遗传算法的图像模糊边缘检测快速算法

全面分析了Pal.King模糊边缘检测算法的缺陷,提出了一种新的快速模糊边缘检测算法。该算法简化了Pal.King复杂的变换和逆变换,并采用了新的增强算子,针对Pal.King算法中对隶属度阈值的设置存在的不足,提出了利用遗传算法确定最佳隶属度阈值的方法。仿真表明,该算法检测的边缘细、连贯,适用面广,很有实用价值。     

一种改进的基于模糊增强的Canny边缘提取算法

边缘检测是图像处理领域中的基本课题之一,广泛应用于图像分割和模式识别等领域.提出的基于改进模糊增强的Canny边缘检测方法是在快速模糊增强的基础上,用模糊增强代替Canny算法中的高斯滤噪,用最大类间方差法改良Canny算法中双阈值中高阈值的设定.试验表明,改进算法有较高的信噪比,能达到比较理想的边缘检测效果.     

一种基于模糊理论的图像边缘检测算法

提出了一种基于模糊理论的图像边缘检测算法,首先采用Otsu算法求出图像的阈值,然后通过新定义的隶属函数对图像进行模糊增强,最后运用Canny算子进行图像的边缘检测;实验结果表明,该方法在速度和准确性方面都达到了令人满意的效果.     

模糊域的图像边缘检测算法分析

提出一种基于模糊域的图像边缘检测算法,结合自适应模糊增强和多方向模糊形态学来检测模糊图像的边缘。自适应模糊增强采用滑动窗口对模糊图像进行分块增强,避免了全图单阈值增强引起的真实边缘损失,具有较强的适应图像区域变化的能力;多方向模糊形态学用多个不同方向的结构元素对增强图像进行运算,以提取具有方向性的真实边缘,并抑制无方向性的噪声。实验证明算法能够有效地检测出模糊图像边缘,抗噪能力强。     

一种基于模糊熵划分的边缘检测算法

基于信息论中最大熵原理,提出了一种基于梯度图像的模糊划分边缘检测算法。该算法首先根据图像边缘的特点和类型构造出新的梯度算子,再根据梯度图像自然划分以及2-划分的关系得到模糊2-划分条件熵,基于最大模糊条件熵原则实现梯度图像划分中最优阈值的自动选取,实现图像的边缘检测。仿真实验结果比较表明,该算法用于边缘检测能获得较好的效果。     

基于阈值优化的图像模糊边缘检测快速算法

全面分析了Pal.King模糊边缘检测算法的缺陷,提出了一种新的快速模糊边缘检测算法。该算法简化了Pal.King复杂的变换和逆变换,并采用了新的增强算子,针对Pal.King算法中对隶属度阈值的设置存在的不足,提出了利用粒子群算法确定最佳隶属度阈值的方法。仿真表明,该算法检测的边缘细、连贯,适用面广,很有实用价值。     

模糊k-prototypes聚类算法的一种改进算法

模糊k-prototypes算法是当前聚类分析中最有效算法之一．简述了模糊k-prototypes算法的发展进程和主要性质；并在此基础上．指出它在处理数值型和分类型混合数据时的不足，进而提出一种改进算法；最后，将算法应用到英语借词之中，给出计算结果．结果表明，改进算法具有较好的稳定性和较高的精确度．     

一种改进的模糊聚类算法

针对现有聚类算法在参数输入、停机条件等方面存在诸多人为控制因素的问题,采用信息熵理论使聚类标准客观化,同时结合模糊聚类的思想,以隶属度作为信息熵计算的基础,并采用谱系的方法确定聚类数目,从而改进模糊聚类算法.研究表明,提出的基于信息熵的算法能够比较客观、科学地反映实际聚类情况.     

一种改进的多用户检测算法

针对串行干扰消除算法和并行干扰消除算法的不足,提出一种将串行干扰消除检测算法和部分并行干扰消除检测算法的基本思想结合起来的新的干扰消除多用户检测算法.该算法相对于串行干扰消除算法和并行干扰消除算法性能在某些方面有所改进:克服了串行干扰消除算法时延大、不能实时实现的缺点,并对功率分布均匀时系统的误码率性能有所改善;改善了并行干扰消除算法在系统中没有严格功率控制时的误码率特性;同时具有合理的计算复杂度和简单的实现结构等特点.理论分析和仿真结果都验证该算法具有较好的性能.     

改进的基于层次聚类的模糊聚类算法

针对FCM算法的缺陷,文章提出了一种基于层次聚类的模糊聚类算法(HFCM)。该算法采用凝聚的层次聚类方法,可快速地发现高度聚集的数据区域,并对这些高密度区域进一步进行分析与合并,通过评估函数的评估,找到最优的聚类方案。试验结果表明,该算法具有较高的分类精确度和较高的排除噪声的能力。     

基于约束的模糊分类算法改进研究

针对基于约束的模糊数据归类算法的不足,构建模式自学习调节模型,并提出基于约束规则的模式微调算法CIP、基于自学习的分类规则优化更新算法OCRS。新算法基于模式间相关性、距离和支持度等因素,建立模式自主更新标准和算法协调机制。实验研究表明:新算法在准确度相同的情况下,增加了算法的识别率、自学习能力和鲁棒性。     

改进的球形检测器入侵检测算法

提出了一种基于球形检测器的改进型入侵检测算法,并对其有效性进行了实验验证.为提高self和non-self之间界线划分的精确度,提出了可变半径self球体模型,在训练检测器过程中,加入对self集合数据点分布特性的考虑.模型在高斯分布的基础上估计数据点的分布密度,并据此计算各训练点相应的球体半径.实验显示:在Wine数据集和DARPA99网络数据集上,改进算法的检测能力都获得了提高;在提高DARPA99网络数据集检测率的同时,降低了误报率.结果表明:DARPA99网络数据集的分布特性符合模型的假设,而Wine数据集不符合这种假设.     

模糊非线性规划问题的改进算法

对带有模糊目标和约束的模糊非线性规划问题．给定了一个基于合力搜索方向的遗传算法．并通过数值例子。验证算法的有效性和实用性。     

一种改进边缘连接的Canny边缘检测算法

针对Canny边缘检测算法中需要手动设置固定阈值而出现边缘间断或伪边缘的问题,设计了一种基于边缘对比特征和边缘方向的边缘连接方法。该方法是基于视觉感知实验总结的一组边缘对比阈值数据比较强边缘点和待连接边缘点的对比特征判断其相似性,通过保持一定的边缘方向确保边缘连接方向的正确性,待连接点只有满足相似性且连接后新旧边缘方向一致,才能被连接为新边缘点。结果表明,改进边缘连接的Canny边缘检测算法具有很好的边缘连接能力,且能获取完整干净的边缘。     

一种改进的PCB板缺陷检测分割算法

针对PCB板缺陷检测分割中存在分割效果差、运行速度慢以及适用范围小的问题,提出一种改进的基于遗传算法的二维最大类间方差法的快速迭代算法。首先利用改进的遗传算法来确定分割中的最优阈值,再将这个最优阈值应用到二维最大类间方差法快速迭代算法中来确定最终的阈值最优解,从而完成分割。仿真实验表明,该算法分割的PCB图像,更加接近于人工标注的结果,最终的精度和Kappa系数达到了98.68%和0.9706。具有广泛的应用前景。     

一种改进的KAZE特征检测算法

特征点检测算法是图像匹配的基础,在机器视觉、飞机导航、图像拼接、三维重建等领域中得到了广泛的应用.其中基于非线性扩散的KAZE特征检测算法鲁棒性强、匹配率高,但实时性明显低于其他算法.针对以上问题,提出一种简单有效的改进KAZE算法.该算法通过改进特征点搜索策略、利用圆改进M-SURF特征向量描述方法并降维、引入余弦相似性度量等步骤来提高算法实时性.实验结果表明:改进后的KAZE算法在保证原算法鲁棒性、匹配率的基础上,减少了运行时间,增强了算法的实时性.