基于直方图的图象去噪滤波器

滤除图象噪声时，虽然利用的先验知识越多，其滤波效果越好，但是一般情况下，由于只能得到一幅被污染的图象，无法获得这些先验知识，因而滤波效果较差。为了解决该问题，提出了一种去除图象中椒盐噪声的新型滤波器。该滤波器首先给出了一种有效的估计原图象直方图的方法，进而利用估计直方图的信息来进行滤波；然后对滤波窗口中的像素进行一种排除最大和最小灰度值的操作，以滤除椒盐噪声点。实验表明，该方法滤波效果优于传统的滤波器和其他模糊滤波器，特别是当噪声概率超过0．3时，这种优势尤为明显。     

模糊加权均值滤波器

主要研究了受混合噪声污染图象的降噪滤波问题,运用模糊数学思想提出了一种基于模糊隶属度的加权均值滤波器。该算法利用模糊隶属度函数的概念,对均值滤波器的权值加以优化,使其不仅在降低高斯噪声的能力方面较均值滤波有所提高,而且对于脉冲噪声及混合噪声也有很好的抑制能力。     

基于均值操作的快速自适应滤波器

为了满足图象实时处理对算法速度和高斯噪声,脉冲噪声混合的噪声环境对算法鲁棒性的要求,以及适应能够同时抑制高斯噪声和脉冲噪声的需要,提出了一种可以有效滤除混合噪声（高斯噪声和正负脉冲噪声）,而且可以快速实现的自适应滤波器－－ＡＢＡ滤波器,ＡＢＡ滤波器,ＡＢＡ滤波器应用了自适应的滤波结构,它将以脉冲噪的结果充分利用在自适应处理中,实验仿真所得的数据显示,在脉冲噪声的密度小于１０％的情况下,与其它一些滤     

基于区间类型2模糊系统的高斯噪声新滤波器

基于区间类型2模糊系统(interval type-2 FLS)，通过分别引入输入与输出空间的合理划分，建立了一类新的反馈选择型模糊神经网络结构，在此基础上提出了FLS滤波器．实验结果表明，与其他滤波器(如均值滤波器、Wiener滤波器等)相比，FLS滤波器在滤除高斯噪声、保持图像原有结构方面效果更好．     

基于噪声调节主成分分析法的彩色图象融合滤波

彩色图象滤波是图象处理领域中的经典命题之一.由于滤波算子选择的不同,滤波后影像的质量也不尽相同.为此在分析经典滤波算子的滤波器特性的基础上,将含噪彩色图象的亮度分量分别经过中值滤波与小波软门限滤波,形成亮度滤波结果图象,而后利用基于噪声调节的主成分分析法对彩色图象与亮度滤波结果影像进行融合处理,得到融和滤波图象.同矢量中值滤波器和α-TMF滤波结果影像相比,融合滤波后影像与原始影像具有更好的峰值归一化均方误差,能够更加真实地反映原始景物的色彩信息.实验证明,该融合滤波方法能有效地滤除高斯噪声、脉冲噪声及其混合噪声.     

彩色图像脉冲噪声的模糊检测和滤波

提出了一种新的彩色图像脉冲噪声滤除的方法。该方法充分考虑彩色图像的颜色信息,结合模糊规则进行检测。实验结果显示,此方法不论对椒盐脉冲噪声还是均匀分布的随机值脉冲噪声都有较好的滤波效果,比VMF更好地保护了图像边缘细节。     

单一链接PCNN自适应脉冲噪声滤波

为有效滤除灰度图像中的脉冲噪声并保留图像的细节信息,提出了单一链接脉冲耦合神经网络（Single-Linking Pulse-Coupled Neural Network,SL-PCNN）模型。SL-PCNN简化了传统的PCNN参数,可自适应选取滤波阈值,SL-PCNN对原图像和反转图像进行两次点火过程即可定位出噪声点而无需进行PCNN循环,然后用中值滤波器滤除噪声。实验结果表明,在噪声强度不大于60%时,SL-PCNN的性能优于经典的脉冲噪声滤波算法;在噪声强度较大时SL-PCNN的性能优于常见的PCNN脉冲噪声滤波算法,主观及客观评价证明该算法的有效性。     

用于图像恢复的基于正则化可能性线性模型的自适应滤波器

中值滤波器在有效抑制脉冲噪声的同时,会模糊图像细节.为克服这一缺陷,文中对中值滤波器进行改进,提出一种基于正则化可能性线性模型的自适应滤波器.该滤波器的输出是原始输入信号和经典中值滤波器的加权和,而权值则根据输入的信号序列由建好的正则化可能性线性模型来决定.实验表明,该滤波器在有效滤除脉冲噪声的同时能较好地保留图像的细节信息,且针对不同比例的脉冲噪声,表现出较好的鲁棒性.     

一种新的基于PCNN的图像脉冲噪声滤波算法

为了更好地滤除图像中的脉冲噪声,在分析脉冲耦合神经网络(PCNN)的工作机理的基础上,在PCNN中引入了点火映射图的概念,并提出了一种新的基于PCNN点火映射图的图像脉冲噪声滤波器。该方法首先通过运行PCNN把噪声图像转化为点火映射图,然后利用点火映射图对图像中的脉冲噪声进行定位,最后仅对定位的噪声进行自适应滤波。计算机仿真实验表明,该方法的去噪效果优于传统方法,从而验证了该方法的有效性、合理性。     

模糊加权中值滤波器

本文介绍了一种模糊加权中值滤波器，该滤波器由模糊布尔函数和滤波加权确定。本文用S型函数逼近模糊布尔函数。此外，用模糊理论领域中使用的S型函数逼近所滤波的加权。模糊加权中值滤波器只由4个参数确定。所提出的滤波在均方误差准则下能够由最小均方算法导出。图像复原的实验结果表明，本文介绍的模糊加权中值滤波方法既能去除脉冲噪声和平滑高斯噪声，又能同时有效地保持边缘和图像细节，漠糊加权中值滤波器明显优于加权中值滤波器，也优于Wiener滤波器。     

Image restoration techniques based on fuzzy neural networks

By establishing some suitable partitions of input and output spaces, a novel fuzzy neural network (FNN) which is called selection type FNN is developed. Such a system is a multilayer feedforward neural network, which can be a universal approximator with maximum norm. Based on a family of fuzzy inference rules that are of real senses, a simple and useful inference type FNN is constructed. As a result, the fusion of selection type FNN and inference type FNN results in a novel filter-FNN filter. It is simple in structure. And also it is convenient to design the learning algorithm for structural parameters. Further, FNN filter can efficiently suppress impulse noise superimposed on image and preserve fine image structure, simultaneously. Some examples are simulated to confirm the advantages of FNN filter over other filters, such as median filter and adaptive weighted fuzzy mean (AWFM) filter and so on, in suppression of noises and preservation of image structure.     

改进的动态模糊神经网络及其在人脸识别中的应用

结合动态模糊神经网络和补偿模糊神经网络,提出一种改进的动态模糊神经网络。首先介绍动态补偿模糊神经网络的结构和学习算法,然后将其用于人脸识别。对Weizmann人脸数据库和ORL人脸数据库的人脸图像识别实验表明,动态补偿模糊神经网络分类器算法性能优于一般的动态模糊神经网络。     

基于FNN的覆冰机器人越障机械臂轨迹跟踪控制

覆冰机器人除冰时要跨越各种障碍物。采用卡尔曼滤波学习算法,将自适应模糊神经网络控制器用于覆冰机器人越障时的机械臂轨迹跟踪控制,解决了BP算法实时性差的问题。经过仿真实验论证,该方法对覆冰机器人越障时的机械臂轨迹跟踪控制具有很好的效果,表明控制策略和理论分析的可行性。     

基于结合自适应步长布谷鸟搜查算法的模糊神经网络的软件可靠性增长模型

针对现有的软件可靠性增长模型(SRGM)适用性较差、预测精度波动大的问题,使用自适应步长布谷鸟搜查(ASCS)算法对模糊神经网络（FNN）的权重和阈值进行寻优,利用得到了最优权重和阈值的FNN建立SRGM。在使用缺陷数据对FNN训练的过程中,利用ASCS来调整FNN的权重和阈值,以此提高在预测过程中的精度,同时采用多次预测结果取均值的方式来减小FNN预测的波动性,以此建立基于结合自适应步长布谷鸟搜查算法的模糊神经网络（ASCS-FNN）的软件可靠性增长模型。利用3组软件缺陷数据,以误差比均值和误差平方和作为衡量标准,对基于ASCS-FNN、结合模拟退火算法的动态模糊神经网络（SA-DFNN）、FNN、BP网络（BPN）建立的SRGM的一步向前预测能力进行比较。预测结果表明,在四组模型中,基于ASCS-FNN建立的SRGM相对于SA-DFNN、FNN、BPN建立的SRGM的平均预测精度相对提高率RI(AE)和RI(SSE)分别为-1.48%、54.8%、33.8%和14.4%、76%、35.9%,并且该模型比FNN、BPN建立的SRGM在相同缺陷数据下的预测波动性小,而且网络结构比SA-DFNN的网络结构简单。因此该模型具有预测精度较高、预测稳定和具有一定的适用性等优点。     

基于模糊径向基神经网络和稀疏表示的毫米波图像恢复

针对毫米波（MMW）图像包含大量未知噪声、图像分辨率较低的问题,考虑模糊径向基函数神经网络(F-RBFNN)的非线性滤波特性和基于K-奇异值分解（K-SVD）稀疏表示（SR）的自适应消噪特性,提出了一种级联消噪的毫米波图像恢复方法。F-RBFNN将模糊逻辑的知识表达和推理能力与RBFNN的快速学习能力和泛化能力结合起来,可根据实际问题调整网络结构参数,对MMW图像达到非线性滤波的目的。进一步利用K-SVD稀疏表示具有人眼视觉特性,在保持目标特征的同时可有效消噪的优点,对FRBFNN的训练结果再次进行局部图像降噪,得到分辨率较高的MMW图像。采用相对信噪比（RSNR）作为消噪图像的评价标准,实验结果表明,与F-RBFNN、K-SVD消噪、小波消噪等方法相比,基于F-RBFNN和SR的降噪方法能够获得较好的MMW图像恢复质量。     

基于模糊粗神经网络的图像脉冲噪声滤除

为了获得在图像噪声滤除和细节保留两方面更好的兼顾与平衡,提出了一种兼有模糊化神经元和不可微粗神经元的模糊粗神经网络。采用融合了爬山法的遗传学习算法,增强了网络在学习过程中,特别是进化后期阶段对最优解的局部搜索能力。仿真表明,融合了模糊信息和粗糙集信息处理能力的模糊粗神经网络在图像融合滤波方面比BP网络和粗集神经网络具有更好的性能,是一种性能很好的混合智能神经网络。     

基于PSO算法的模糊神经网络的网络异常检测

在网络异常检测中,为了提高对异常状态的检测率,降低对正常状态的误判率,提出一种基于粒子群优化算法训练模糊神经网络进行网络异常检测的新方法。在对模糊神经网络训练中采取PSO算法和梯度下降算法相结合的方法,充分发挥PSO全局寻优的能力和梯度下降局部细致搜索优势。实验数据采用KDD CUP99数据集,实验结果表明,该学习算法与传统的梯度下降法（GD）相比,收敛速度快,具有更好的全局收敛性,提高了异常检测的准确性,同时该方法对于新的异常也有较高检测率。     

模糊神经网络算法在倒立摆控制中的应用

本文利用一种可以进行结构和参数学习的模糊神经网络成功地控制一级倒立摆，该网络是一种多层前馈网络，它将传统模糊控制器的基本要件综合到网络结构中。从而使该网络既具备神经网络的低级学习能力，从而还具备模糊逻辑系统类似人的高级推理能力。因而，给定训练数据后，该网络不仅可以学习网络参数，同时还可以学习网络结构。结构学习确定了表示了模糊规则和模糊分段数的连接类型以及隐节点数目。对一级倒立摆的实际控制效果可以证明该算法的性能和实用性。     

Integrated Biometric Verification System Using Soft Computing Approach

Among various biometric verification systems, fingerprint verification is one of the most reliable and widely accepted. One essential part of fingerprint verification is the minutiae extraction system. Most existing minutiae extraction methods require image preprocessing or post processing resulting in additional complex computation and time. Hence, direct gray-scale minutiae extraction approach on the image is preferred. One of these approaches is the use of Fuzzy Neural Network (FNN) as a recognition system to detect the presence of minutiae pattern. Currently, the development of FNN as a tool of recognition has shown a promising prospect. Some researchers have proposed several types of FNN. In particular, a Generic Self Organizing Fuzzy Neural Network (GENSOFNN) has been shown to excel in comparison with other FNN. Therefore, a new approach to perform direct gray-scale minutiae extraction based on GENSOFNN is proposed in this paper. Experimental results show the potential of using GENSOFNN for real-time point of sale (POS) terminal for verification.     

新型模糊神经网络模型

分析了已有模糊神经网络模型结构与学习算法的特点,针对它们收敛速度慢、全局逼近能力差等不足,提出了一种新型的模糊神经网络模型,其在模糊化层实现了隶属函数的合成,且结构简单、推理层只有两个节点。实验结果表明该模型具有收敛速度快、全局逼近能力强的优点,具有一定的实用价值。