模糊2-划分熵阈值法的快速迭代算法

基于模糊划分熵的图像阈值化分割方法因具有良好的分割性能已成为图像分割广泛应用的方法之一.但是,随其需要确定的隶属函数参数个数的增加,导致其搜索空间快速增大,不利用模糊划分熵阈值法在诸如机器视觉、目标检测等众多实时性要求较高场合的应用.提出了搜索模糊2-划分熵最佳分割阈值的快速迭代算法,使其计算复杂性从O(L3)降低为O(L).大量实验结果表明,提出的模糊划分熵阈值法所对应的快速迭代是可行的.     

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。     

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。     

模糊熵应用于图象边缘检测

图象边缘检测在图象分析和识别中具有重要的意义作者将模糊子集理论＾１，２中的模糊熵概念引入图象边缘检测中支１，在图象的模糊特征平面上，用最大熵原则也确定边缘有阈值。实验结果表明了该方法具有良好的有效性。     

工业物料识别的一种快速模糊边缘检测算法

边缘检测技术是图像处理技术中的一个重要环节,在图像分析和识别等应用领域中有着广泛的应用前景。针对图像边缘由模糊性引起的不确定性问题,笔者在PalKing模糊边缘检测算法的基础上,提出了一种快速模糊边缘检测算法,针对不同的工业物料,确定Tr变换中最佳的隶属度阈值,减少了迭代次数,简化了Pal.King算法中G和G-1运算,实验表明,该算法具有很强的检测模糊边缘和细小边缘的能力,对提高工业物料的识别精度和系统的实时性起到了很好的作用。     

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.     

基于模糊梯度的微齿轮图像边缘检测算法

提出一种基于模糊梯度思想的微齿轮图像边缘检测算法.该算法采用正切归一化函数对灰度图像模糊化,并计算该模糊图像的梯度矩阵;采用正弦函数对梯度矩阵进一步模糊化得到模糊梯度矩阵;采用基于归一化实数编码的遗传算法来搜索最优的阈值λ对模糊梯度矩阵做截集,获取图像边缘点集合.实验中以不同微齿轮图像作为实验对象,测试了该算法性能.实验结果表明,该算法的检测精度优于10μs,检测时间基本为1s,整体性能优于Canny算法和Pal-King算法.     

一种基于网格划分的模糊聚类算法

提出了一种改进的模糊聚类算法GBFC(Grid—Based Fuzzy Clustering)．在定义隶属度函数前先做网格划分，形成数据簇的基本形状，并提供真实的参数信息参与此后的隶属度函数定义．隶属度函数综合考虑了影响簇形状的因素，具有合理直观的几何意义且形式简洁．算法通过网格划分加速聚类过程，通过模糊隶属度函数容忍噪声数据，克服了传统模糊聚类算法时间耗费量大的缺点．实验表明该算法具有良好的聚类性能．     

基于模糊熵和结构特征的边缘检测方法

为了使检测的图像边缘结核定位好,并且产生边续的精细边缘,同时能有效滤除边缘图像中的噪声,提出一种基于模糊熵与边缘结构特征相结合的新的图像边缘检测方法。该方法首先将图像的灰度值特征空间转换为模糊熵特征空间,计算出每个像素在模糊熵特征空间的相异测度,结合3×3 邻域内的12种有效的边缘结构,提取图像中每个像素的结构信息测度图像阵列和方向信息测度图像阵列,然后对结构信息测度图像阵列和方向信息测度图像阵列实施非极大抑制,确定最终的边缘像素图像。实验结果表明该方法所检测出的图像边缘细节丰富,单像素宽,定位准确,有较好的抗噪性。     

一种改进的核磁共振图像模糊边缘检测算法

文章针对模糊边缘检测传统算法即Pal算法的缺陷,提出了改进的边缘检测算法;通过定义有界函数作为隶属函数、采取更高效的模糊增强函数、引入P-M非线性扩散模型平滑图像噪声等措施,有效克服了传统Pal算法对低灰度、低对比度区域边缘检测效果差的缺陷;把改进算法用于对核磁共振图像的边缘检测,对比分析了不同边缘检测算法的边缘检测效果.     

一种双阈值熵算子边沿检测算法

分析了噪声点和边沿点局部熵的特点,提出了一种双阈值熵算子边沿检测算法,它具有良好的抗噪声能力,实验结果表明本文算法优于传统单一阈值熵算子边沿检测算法,它是一种很有效的边沿检测方法。     

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。     

基于去噪的熵算子边界检测法

图像的熵用来刻划图像的平滑性或均匀性 在图像的局部窗口中计算时 ,如果窗口中存在边界 ,则窗口中的图像不均匀 ,其灰度变化急剧 ,计算出的熵小 ;反之熵大 设定熵的阈值 ,即可判断是否存在边界 由于熵算子对噪声很敏感 ,直接用它进行边界检测 ,效果很差 文中针对这一缺陷 ,提出将熵算子与去噪相结合的边界检测法 ,如果计算出的熵大于阈值 ,要判断是噪声的出现所引起 ,还是边界的出现所引起 ,这样 ,边检测边界边去噪声 用该方法对信噪比较低的图像进行实验 ,得到了满意的效果     

梯度熵改进边缘检测的自适应阈值曲面分割算法

光照不均匀往往造成背景亮度不均和灰度分布范围较大,会导致图像分割困难和不准确.考虑图像的边缘信息受光线变化相对不敏感,引入梯度熵信息对Canny算法进行改进提取准确合适的边缘.采用最小二乘法的多项式曲面拟合获得阈值曲面,进而提出了基于梯度熵改进边缘检测的自适应阈值曲面分割算法.对多种背景灰度分布不均匀的图像进行算法验证...     

数字图像边缘检测的模糊聚类研究

数字图像的边缘检测实际上是一类聚类的问题,这些边缘由许多线段、曲线或平面和曲面所构成,组成了不同的类属和分割的区域,可以用在机器人视觉的模型识别、军事目标识别等领域。模糊聚类法（包括模糊均值聚类法和模糊球壳聚类法）具有不必事先对数据中的边界特征信息了解太清楚的优点,为此通过实验对其进行了有益的探索。     

递推人工蜂群的模糊划分熵多阈值分割算法

针对图像分割中模糊划分熵算法在多阈值选取时存在的效率低、计算重复的问题,提出了一种递推人工蜂群的模糊划分熵多阈值分割算法(RAFPEA).首先选择附加边界条件及灰度权重的隶属函数来构建图像的模糊熵模型,并将该模型中不同变量的组合计算转化为递推过程,进而保存此过程中不重复的瞬间递推值,然后引入人工蜂群算法,利用预存的递推结果来计算蜂群寻优时的个体适应度值,从而减少重复计算,达到快速寻优的目的.实验结果表明:RAFPEA的均一度与精确的穷举模糊划分熵法相同,但运行时间仅为穷举、遗传的模糊划分熵算法的5％;随着阈值数量的增加,运行时间稳定不变,在确保精度的前提下,可高效地对图像进行多阈值分割.     

一种基于模糊熵和遗传算法的图像分割方法

图像阈值分割技术在图像分析和图像识别中具有重要意义.作者将模糊数学理论和遗传算法结合在一起,利用最大模糊C组分类熵原则确定分割阈值.该方法可以将图分成两类或多类.实验结果表明该方法是有效的.