基于模糊增强信息的图像边缘检测改进算法

针对经典的Pal和King模糊增强算法存在的固有缺陷,提出改进的模糊增强算法;为增强图像的对比度而获取更多的图像边缘细节信息,提出基于模糊对比度的图像增强算法;结合全局模糊增强与局部模糊对比度增强两种算法思想,提出基于模糊增强信息的图像边缘检测改进算法,由于该算法在增强图像边缘细节信息的同时也增强了噪声,因此,采用中值平滑滤波方法消除噪声.实验证明,该算法取得了良好的边缘检测效果.     

基于熵变分的图像放大模型

针对传统图像放大处理过程中出现的边缘模糊和噪声干扰问题,分析了Tikhonov正则化模型对带噪图像放大处理的缺陷.在最大后验估计(MAP)和熵理论基础上,提出了一种基于熵变分的带噪图像放大模型及其算法.该算法利用图像像素点梯度信息自适应的各向异性滤波处理,在较好的保持图像边缘锐度的同时有效地克服了图像噪声的影响,理论分析和实验结果皆表明此算法的有效性.     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

基于多方向模糊形态学的彩色遥感图像边缘检测算法

彩色遥感图像具有复杂、模糊和噪声强等特点,在模糊域中用多个不同方向的结构元素,对彩色遥感图像进行模糊形态学梯度运算,既能检测出具有方向性的模糊边缘,还能有效抑制无方向性的噪声,实验证明了算法对彩色遥感图像进行边缘检测的有效性.     

基于Contourlet变换和模糊理论的红外图像增强算法

红外图像具有噪声大、对比度低等特点,针对该特点,提出了一种基于Contourlet变换与模糊理论的红外图像增强算法。首先对图像进行Contourlet变换,得到多尺度多方向的低通子带和带通子带。对低通子带,进行基于子带系数最大最小值的线性变换,提高图像的整体对比度;对于带通子带,先估计噪声阈值,对子带系数进行抑制噪声处理,然后通过模糊增强算法,对高频系数进行非线性增强,增强目标边缘纹理的特征,抑制背景信号。最后经过Contourlet逆变换得到对比度增强,噪声被抑制的图像。经过算法仿真,与几种现有的图像增强算法相比,该算法更能有效地抑制噪声,增强图像的对比度,突出图像的边缘与细节纹理信息。     

模糊迭代边缘检测器

该文主要研究了受不同噪声污染图像的边缘提取问题,提出了一种基于模糊理论的边缘检测算法。该算法将滤波窗内的像素看成模糊集,根据其不同的隶属度将窗内像素分成两个子集,在两个子集内进行模糊均值迭代运算,然后将收敛后的两个值通过差分运算来提取边缘。计算机模拟表明,此种方法对于高斯噪声、脉冲噪声及混合噪声都有较好的抑制能力。     

太赫兹成像三维块匹配自适应Canny边缘检测算法

针对传统Canny算子在滤波时会模糊边缘且需要人工设置高低阈值的缺点，提出了一种基于三维块匹配的改进自适应阈值Canny边缘检测算法，并用于太赫兹三维层析成像。该算法一方面对滤波方法进行了改进，用三维块匹配(BM3D)滤波算法结合引导滤波算法代替高斯滤波算法以减少图像边缘信息的丢失；另一方面，针对传统人工设定阈值的不确定性，将梯度图进行块匹配后对三维图像块组使用最大类间方差法(OTSU)以自适应确定高低阈值。最后利用该算法对含有噪声的图像进行边缘检测处理，发现在高斯噪声方差为20时滤波后的峰值信噪比(PSNR)从22.202提升至27.151，验证了该算法去除噪声的有效性。三维块匹配改进自适应阈值Canny边缘检测算法(BM-OTSU-Canny)减少了错误边缘的数量，同时保留了连接性较好的边缘点，改善了边缘细节信息的提取效果。     

印制电路板光电图像边缘信息提取

针对印制电路板(printed circuit board, PCB)光电图像模糊且含噪声的具体情况,提出了改进的边缘信息提取算法。首先分别对自适应模糊集增强算法与数学形态学边缘检测算法(edge detection algorithm of mathematical morphology, EDAMM)实施改进,并分析了其基本原理。然后结合这两种算法对PCB光电图像进行预处理及边缘信息提取。最后对两幅由不同成像系统获取的PCB光电图像进行了边缘信息提取实验。结果表明：用本文算法获得的PCB光电图像明暗对比度较高,并提取了精确且清晰的图像边缘信息,明显减少了噪声,所得图像的优质系数较高,两幅图像的优质系数分别是0.885 2、0.874 9,均高于本文中所提到的另外4种算法的结果。可见,采用本文算法可以更好地去除PCB光电图像中的模糊与噪声,并精确地提取出PCB光电图像的边缘信息。     

低信噪比红外图像的快速统计法边缘提取

现代成像制导中所使用的红外图像往往存在着噪声大、目标一背景间灰度差较小、边缘较模糊的特点。这些特点会增加边缘提取的难度，因此必须建立更有效的红外图像边缘提取算法以满足需要。针对这些问题，以噪声Gauss分布模型和噪声特征为基础，建立了新型统计学意义下的红外图像边缘检测法。通过对此方法的概率模型进行分析，可以证明在有较大噪声的情况下，只要边缘处的差分值大于一定的值。就能以较大的概率提取出图像边缘。通过在不同情况下与梯度法的抑噪能力进行对比和分析发现，统计边缘提取法的噪声抑制能力要高于梯度法。在与Sobel模板算子法的红外图像边缘检测结果进行仿真和对比后发现，统计法能对红外图像的目标边缘检测取得良好的结果，并且算法具有快速简单的优点。     

基于改进Canny算子的图像边缘检测方法

针对传统Canny边缘检测算法采用高斯滤波处理图像不能有效消除椒盐噪声的问题,提出改进Canny算子用于检测图像边缘.首先利用双滤波设计-融合自适应模糊中值滤波和双边滤波去除图像椒盐噪声,降低图像噪声同时保证图像边缘.然后在研究过程中遇到边缘检测人工阈值选取自适应不足的问题,采用最大类间方差(Otsu)算法计算得到高低...     

强噪声背景下确定性谐波信号的模糊滤波

文章提出了一种在强背景噪声环境下对被淹没的谐波信号进行模糊滤波，从而恢复微弱目标信号的方法。在MATLAB环境下，先利用相干平均法，除去被测信号中的随机白噪声，对于有色噪声运用自适应神经模糊推理系统（ANFIS）的方法，对被测信号进行模糊滤波，在较低信噪比下，能较好的恢复出原始微弱信号。     

CASCADED FUZZY SYSTEM AND ITS ROBUST ANALYSIS BASED ON SYLLOGISTIC FUZZY REASONING

Syllogistic fuzzy reasoning is introduced into fuzzy system, and the new Cascaded Fuzzy System(CFS) is presented. The thoroughly theoretical analysis and experimental results show that syllogistic fuzzy reasoning is more robust than all other implication inferences for noise data and that CFS has better robustness than conventional fuzzy systems, which provide the solid foundation for CFS‘s potential application in fuzzy control and modeling and so on.     

基于模糊域的红外图像自适应降噪增强技术

将图像邻域相关性与模糊理论相结合，定义了一种新的模糊映射方法。以此方法为基础，对映射后图像的高频和低频分量分别用模糊增强算子进行动态自适应增强。实验结果表明该方法可以有效地滤除噪声和保持目标的细节成分。     

正则模糊联想记忆

本文提出了一种特殊的模糊联想记忆系统（ＦＡＭ）一正则数据联想记忆及其学习算法－正则学习算法，正则模糊联想记忆具有比一般方法所设计的模糊联想记忆更好的性能，且其性能受训练数据不足和训练数据噪声的影响很小，最后，举例说明了正则模糊联想记忆在模糊控制器的应用。     

基于FHT似然比检验的CRN协作频谱感知方案

针对认知无线电网络中由于噪声功率不确定性而影响频谱检测性能的问题,提出了一种基于模糊似然比检验的协作频谱检测方法。首先,将每个次用户(SU)中的噪声不确定性均建模为模糊假设检验(FHT);然后,在FHT上利用似然比检验构建带有阈值的模糊能量检测器,该阈值依赖于噪声功率不确定性边界;最后,在融合中心结合SU的局部硬决策并做出最终决策,从而检测主用户是否存在。通过Monte Carlo模拟受试者ROC曲线及检测概率/SNR曲线验证了本文方法的有效性,仿真结果表明,相比其他几种较新的能量检测器,本文方法获得了更好的检测性能。     

结合脉冲耦合神经网络与模糊算法进行四值图像去噪

该文研究了如何将模糊算法用于脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN),进行四值图像去噪,提出了基于模糊PCNN的图像去噪算法.计算机仿真结果表明,将模糊算法与PCNN相结合,可有效地去除被噪声污染的四值图像的噪声,且恢复图像的视觉效果明显地好于用另两种常用的图像去噪方法(中值滤波和均值滤波)得到的结果.在医用图像和军事图像处理方面,四值图像的去噪恢复是非常有价值的,故本文对于PCNN的理论研究和实际应用均有重要的意义。     

A novel fuzzy clustering algorithm with non local adaptive spatial constraint for image segmentation

Generalized fuzzy c-means clustering algorithm with improved fuzzy partitions (GIFP_FCM) is a novel fuzzy clustering algorithm. However when GIFP_FCM is applied to image segmentation, it is sensitive to noise in the image because of ignoring the spatial information contained in the pixels. In order to solve this problem, a novel fuzzy clustering algorithm with non local adaptive spatial constraint (FCA_NLASC) is proposed in this paper. In the proposed method, a novel non local adaptive spatial constraint term is introduced to modify the objective function of GIFP_FCM. The characteristic of this technique is that the adaptive spatial parameter for each pixel is designed to make the non local spatial information of each pixel playing a different role in guiding the noisy image segmentation. Segmentation experiments on synthetic and real images, especially magnetic resonance (MR) images, are performed to assess the performance of an FCA_NLASC in comparison with GIFP_FCM and fuzzy c-means clustering algorithms with local spatial constraint. Experimental results show that the proposed method is robust to noise in the image and more effective than the comparative algorithms.     

基于小波域模糊阈值算法的脉冲星微弱信号消噪

脉冲星辐射信号具有极低的信噪比,传统降噪算法难以在抑制噪声的同时保留细节信息。为此,提出一种模糊阈值小波降噪算法。该算法通过引入模糊理论,建立隶属度函数,计算信号每个采样点的隶属度,再利用小波阈值消噪算法设定门限,将隶属度大于门限的采样值划归为信号,反之为噪声,从而达到降噪的目的。实验结果表明:与小波"db6"和小波"sym4"软阈值消澡算法相比,该算法能有效提高脉冲星辐射信号的信噪比,能保留较多的有用细节信息,避免脉冲累积轮廓过于光滑。     

Pilot Contamination Suppression Based Coordination in Multi-cell Massive MIMO Systems

The conventional millimeter wave systems are mostly designed to operate only for the Gaussian noise model. In many physical channels, such as urban and indoor radio channels, the ambient noise is known through experimental measurements to be non-Gaussian. Hence, recent research findings state that a mixture noise model with additive impulsive noise is a more realistic approximation for millimeter wave channels. In this paper, we propose a novel approach to suppress the impulsive noise effects on single-user millimeter wave massive multiple-input-multiple-output system using an adaptive fuzzy logic filter. Hence, a fuzzy median filter is applied to the system and it is aimed to minimize the effects of the impulsive noise by ordering samples based on fuzzy rank. Simulation results show that the proposed filter successfully suppresses the impulsive noise effects and achieves a better bit error rate and spectral efficiency performance than the competing methods in the literature while also working efficiently in Gaussian noise.

     

基于模糊逻辑推理的室外移动机器人视觉导航方法

本文提出了一种基于模糊推理的室外移动机器人视觉导航的新方法。