新的模糊边缘检测算法及在煤车定位中的应用

针对煤车智能取样对车厢定位的要求,提出了一种改进的模糊边缘检测算法.该算法通过阈值计算分段定义隶属度函数模糊特征,使图像目标区域边缘的灰度级达到较大增强,适合对较大目标区域(车厢)的多级灰度图像边缘检测;另外,该算法根据边缘的一般特征及不同的灰度区域自适应地选取算法参数,实时性好.工程应用表明,该方法在车厢边缘检测中,精度高、实时性强,能满足实际需要.     

一种基于模糊逻辑的图像多层次增强算法

在分析图像传统单层次模糊增强算法（Pal算法）的基础上，为克服Pal算法仅增强图像阈值参数附近某一部分边缘的不足。提出一种新的基于模糊逻辑的图像多层次增强算法。新算法通过引入模糊熵，进行有目的选取不同灰度层次的阈值，同时增强图像中不同灰度层次的边缘信息，另外新算法对Pal算法中的复杂变换进行了简化，采用了新的增强算子，克服了Pal算法速度慢且损失图像部分灰度信息的缺陷。将新算法应用于图像边缘提取中，取得了优于基于传统单层次模糊增强算法进行图像边缘提取的效果。     

一种模糊增强图像边缘提取算法

在分析Pal模糊边缘提取算法的基础上,为克服Pal算法图像增强区域单一、图像增强后造成低灰度信息损失且没有做抑噪处理的缺陷,提出一种新的基于模糊增强的图像边缘提取算法.新算法通过引入模糊熵,进行有目的选取不同灰度层次的阈值,同时增强图像中不同灰度层次的边缘信息,通过定义新的隶属函数和一种新的模糊增强算子,结合图像平滑滤波处理进行图像边缘提取,有效地克服了Pal算法速度慢且损失图像部分灰度信息的缺陷,取得了优于基于传统Pal算法进行图像边缘提取的效果.     

基于局部最大方差比的自适应边缘检测算法

本文提出一种新的边缘检测算法。对子图像进行局部直方图计算。由最大方差比例阈值确定方法计算出子图像的最佳阈值。根据局部直方图中波峰数决定是否增强子图像中被最佳阈值划分出的低灰度区域和高灰度区的对比度。然后对已经选择性对比增强的图像进行边缘检测。实验证明图像的区域层次更清楚，提取的边缘细节也更丰富。自适应算法则最大限度地突出了边缘而同时保持了图像中相近灰度级的平滑性和连续性。     

一种模糊集图像增强的改进算法

图像增强是图像预处理中最重要的内容之一,本文通过对Pal模糊图像增强算法进行改进,提出一种改进的新的模糊图像增强算法。该算法采用简单的隶属函数,并且克服了Pal算法对图像中部分低灰度值边界信息损失的缺点。实验结果表明,该算法不但能够提高图像对比度,突出图像中不同层次的灰度信息和边缘信息,其运算速度也远远快于Pal模糊增强算法。     

基于分类器的图像模糊边缘检测快速算法

通过对Pal King边缘检测算法的分析,提出了一种新的模糊边缘检测快速算法。首先对图像进行模糊增强,然后依据当前像素及其8-邻域像素的灰度,设计了一个分类器,通过计算相对于该分类器的模糊隶属度函数值,对像素进行边缘分类;最后锐化所得的边缘像素,剔除噪声。算法抛弃了Pal King方法中复杂的迭代运算,同时也克服了Pal King算法中对图像低灰度值边缘信息的丢失,还可以通过设置不同的参数来检测不同细节的边缘。实验结果表明,该快速算法比Pal King算法的边缘检测能力更强,同时运算速度提高了约20倍。     

基于模糊和遗传算法的路况图像边缘检测

在路况监测中,常常需要得到路况图像的边缘轮廓线,以便诊断路面的病害情况。为适应这种需求,提出了基于模糊和遗传算法的路况图像边缘检测算法。针对用模糊算法构造相应隶属函数进行图像边缘检测中存在的低灰度图像信息丢失、边缘检测速度较慢等问题,利用遗传和模糊算法的优点构造边缘检测算法。这种方法使得模糊处理后丢失的低灰度信息得以恢复,提高了算法的效率,增强了算法的适应性。算法检测出的图像边缘与传统模糊算法提取的图像边缘相比较,结果更加清晰完整。     

一种广义的图像模糊增强算法

本文在模糊增强算法的基础上提出了广义迭代模糊增强算法,它由图像滤波、模糊增强和灰度变换三个步骤组成.在模糊增强阶段,提出了一种规范形式的隶属度函数,在保留了通常模糊增强算法和灰度变换优点的同时,将灰度隶属度函数变换到[0,1]区间.为了约束所提出算法的迭代过程,基于图像灰度直方图分布的统计特性,提出了一种新的客观图像质量评价指标.计算机仿真实例表明,这种新的算法比单一的模糊增强算法和灰度变换算法更适合于处理灰度级少、对比度低的图像的增强问题.     

基于模糊增强的彩色边缘检测研究

针对灰度图像易丢失有用信息,以及边缘较模糊的图像其边缘检测结果不准确等问题,本文提出基于模糊增强的彩色边缘检测方法。该算法首先将彩色图像转换到YUV,空间 ,然后在图像的模糊特征平面上进行模糊增强,并合理使用亮度、色度等信息进行彩色边缘检测,最后二值化。实验结果表明,该算法是有效的。     

改进的模糊形态学边缘检测算法

提出了一种新的基于模糊形态学的边缘检测算法。算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取。实验结果表明该算法优于传统的边缘提取算法。     

模糊智能决策树模型与应用研究

决策问题是计算智能最核心的问题之一.基于模糊数学理论建立了一个普适的模糊决策树模型;用节点刻画决策前提和控制信息,用树上的边形式化推理规则;并在节点和边上定义合理的模糊决策算子,进行多级综合决策.工程决策考虑不同方案的成本、可行性和收益,将这些信息进行融合作为决策方案优劣的测度;建立加权模糊智能决策模型,并给出了基于该...     

On edge detection of x-ray images using fuzzy sets

The effectiveness of the theory of fuzzy sets in detecting different regional boundaries of X-ray images is demonstrated. The algorithm includes a prior enhancement of the contrast among the regions (having small change in gray levels) using the contrast intensification (INT) operation along with smoothing in the fuzzy property plane before detecting its edges. The property plane is extracted from the spatial domain using S, ? and (1 ?) functions and the fuzzifiers. Final edge detection is achieved using max or min operator. The system performance for different parameter conditions is illustrated by application to an image of a radiograph of the wrist.     

改进的多层次模糊增强算法应用研究

在工业上由CCD相机拍摄的图像,因一些不利的因素,会产生斑点噪声且使待检测的目标间强度对比比较明显。对这一问题,目前常用的传统边缘检测和基于模糊理论的边缘检测方法存在着各种缺陷,由此提出了一种多层次模糊增强边缘检测算法。该算法首先使用Valley-emphasis算法来计算阈值参数,根据阈值定义的凸非线性隶属函数对待测灰度图进行模糊特征平面映射,再对模糊域进行平滑处理和模糊增强。在此基础上,提出了基于模糊熵的边缘检测方法。实验结果表明该算法有效,检测结果为工业上质量控制提供了重要依据。     

一种新的遥感影像边缘检测方法

提出一种针对于遥感影像的边缘检测方法。该方法首先利用多个尺寸的邻域结构对图像进行平滑，然后根据图像灰度进行对象云化处理，构建对象云。通过云运算生成边界云并构建边缘模糊特征平面，在条件概率和模糊划分熵的基础上，通过最大模糊熵原则确定最优阈值，对图像模糊边界进行提取。试验结果表明，该算法能保留大量低灰度信息，并有效地去除了次要边缘对主边缘的干扰。     

自适应模糊边缘减宽增强算法

针对形态边缘减宽增强算法的不足,提出了一种自适应模糊边缘减宽增强算法。它对非边缘区采用局部均值滤波来抑制噪声;对于边缘区域,根据梯度方向及当前点在斜坡边缘的位置,自适应的采用边缘方向均值、边缘梯度方向的高灰度均值和低灰度均值来代替当前像素灰度值,从而缩短斜坡边缘的宽度来达到增强图像边缘的目的。采用模糊策略决策,推理合成得到增强结果,在增强的同时,抑制噪声。实验结果表明,该算法能有效地增强边缘并平滑噪声,明显地改善视觉效果。     

基于模糊逻辑的雾天降质图像对比度增强算法

提出一种新颖的雾天降质图像增强算法。该算法通过对降质图像进行规范化预处理,降低不同雾况对灰度级分布范围的影响,并对规范化后的图像,根据大气散射对对比度衰减的影响规律,在模糊域内实现对比度增强处理。实验结果表明,该算法可以有效提高雾天降质图像的对比度,视觉效果改善明显。     

基于交互式图论的目标边缘检测算法

针对传统边缘检测算法无法准确提取目标及其边缘的问题,基于交互式图论的最大流/最小割理论提出了一种新的边缘检测算法,设计了一种新的代价函数OE_COST 目标边缘代价函数;通过建立图割模型,能够在分割出目标的同时提取出目标边缘。算法通过交互式选择背景及目标像素集合作为硬性约束,通过图像特征（如灰度级、空间信息等）建立代价函数作为软性约束,同时施加软硬约束达到提取目标边缘的目的。实验结果表明,本算法可以准确提取出目标及其边缘轮廓。     

基于视觉感知的双层次阈值边缘连接方法

边缘是图像目标的重要特征，但通常边缘检测得到的边缘存在不连续现象，为此在分析传统边缘连接方法的基础上，利用人类视觉系统对边缘连接的多层次感知机理，提出了一种基于视觉感知的双层次边缘连接方法。该方法首先利用大、小阈值产生相应的大、小阈值图像计算其差值以确定模糊边缘点;然后利用人类视觉系统对边缘连接的感知特性系数判别模糊边缘点中真正的边缘点，并将真正的边缘点添加到大阈值图像，使大部分重要的区域边缘能够形成完整的封闭轮廓。仿真实验结果表明，该方法能够有效地改善边缘检测后的边缘不连续现象，相比一些传统的边缘连接方法，运算速度较快，连接效果较好，能满足边缘检测的轮廓封闭性要求。