基于模糊Havrda-Charvát熵与混沌PSO算法的红外人体图像分割

针对红外人体图像成像质量较差的问题,提出一种基于模糊Havrda-Charvát熵的快速阈值分割方法.首先应用Z形及S形隶属度函数把图像灰度直方图信息转换到模糊域,定义图像背景与目标的模糊Havrda-Charvát熵;然后提出一种基于Tent映射的混沌粒子群优化算法,把隶属度函数参数组合作为粒子,根据最大熵原理确定参数的最佳组合,再由最佳隶属度函数参数计算得到图像的最佳分割阈值.在真实红外人体图像集上与几种经典的图像阈值方法进行对比实验的结果,说明了该方法的有效性和鲁棒性.     

基于模糊熵的两种图像增强技术

基于模糊数学的图像处理技术是图像处理中的重要技术。文中基于模糊熵的概念,提出了两种新的图像增强算法:一种是基于模糊熵的图像滤波器,另一种是改进的模糊松弛迭代增强算法。前者将图像分为若干窗口,分别计算每个窗口关于不同模糊集的模糊熵,根据最小模糊熵原则,确定该窗口中心灰度的大小,该方法充分利用了图像窗口中像素的区域信息;后者对图像依次进行模糊熵滤波去除噪声,最大模糊熵阈值确定分层和模糊隶属度松弛迭代增强,该方法能够实现对图像不同层次的内容实现可控式模糊增强,提高算法的自适应性并且能够增强算法的抗噪性能。通过与传统算法的实验结果对比,验证了文中算法能够取得较好的图像增强效果。     

基于图像像素间空间信息的加权模糊阈值分割算法

模糊理论对处理模糊不确定性的事件具有得天独厚的优势,而阈值分割算法是一种简单有效的算法,因此基于模糊理论的阈值分割在图像分割领域中得到广泛的应用。但是多数的阈值分割算法对于灰度图像的处理往往仅利用图像的灰度水平值而未考虑像素的空间邻域信息,大大地增加了灰度图像的目标和背景的误分比率。针对此问题提出一种引入空间信息的加权模糊阈值分割算法,在考虑像素的灰度水平值的同时,将像素与其邻域像素的空间关系作为权重来共同对该像素作用,设计出新的模糊分割函数。实验证明该算法具有较好的稳定性和鲁棒性,对多数图像的梯度的灰度直方图接近单峰的图像和灰度峰值分布距离较远、两峰数量悬殊的双峰图像,均能得到很好的分割效果。     

模糊Renyi熵与QGA结合的快速图像分割

针对非模糊熵的阈值分割方法不能较好地反映数字图像本质上具有的模糊特性,提出一种新的基于模糊熵的图像阈值分割方法。通过模糊隶属度函数将图像直方图信息转换到模糊域,利用模糊Renyi熵计算目标与背景的信息熵。根据最大熵原理,引入量子遗传算法对隶属度函数参数进行寻优,进而得到图像的最佳分割阈值。与典型的阈值法进行对比实验,表明该方法能获得更好的分割结果,满足实时性需求。     

基于二维模糊熵和遗传算法的图像阈值分割

针对目标和背景两类图像分割,考虑二维灰度直方图,采用了一种更符合图像空间分布特点的隶属函数,建立了对应的二维图像模糊熵,分别采用标准遗传算法和改进的自适应遗传算法对二维图像模糊熵的各个参数进行优化,根据最大模糊熵准则,确定目标和背景的最佳分割阈值。实验结果表明,基于改进的自适应遗传算法的二维最大模糊熵阈值分割法具有较好的分割性能和较快的分割速度,且对噪声具有一定的抑制能力。     

模糊隶属度加权的KFCM脑MRI的组织分割方法

医学图像受成像机制的影响不可避免地会引入噪声.为解决传统医学图像分割算法对噪声敏感的问题,提出一种模糊隶属度加权的KFCM分割方法.该方法在传统KFCM算法基础上引入局部空间信息,定义了局部隶属度函数,并结合传统KFCM算法得到的全局隶属度函数构造加权隶属度函数,为每个像素计算隶属度值;进一步地,结合邻域信息,使用迭代聚合方法为每个像素重新分配隶属度值.选取Simulated Brain Database数据集,对加入不同噪声的图像进行实验的结果表明,该方法在保证对噪声鲁棒的同时,能够提高分割精度.     

基于局部隶属度和邻域信息的GIFP-FCM图像分割算法

基于一般化的模糊划分GIFP-FCM聚类算法是模糊C均值算法(FCM)的一种改进算法,一定程度上克服了FCM算法对噪声的敏感性,但由于其没有考虑图像的邻域信息,对含有较大噪声的图像分割效果不理想。为此,提出将局部隶属度和局部邻域信息等引入到GIFP-FCM算法的目标函数中,通过重新计算每个像素的局部隶属度和邻域信息,较好地克服了噪声影响。利用该算法对合成图像、脑图分割的实验结果表明,对于含有高斯噪声、椒盐噪声和混合噪声的图像,新算法得到的划分系数值最大,划分熵最小,是一种去噪效果较好的图像分割算法。     

基于改进Random Walk算法的磁共振图像脑组织分割

在Random Walk算法中,边的权重对算法分割性能有着重要的影响,针对原算法在计算权重时仅使用相邻像素灰度值变化信息的局限性,通过引入图像局部熵,使得权重函数同时反映相邻像素灰度变化信息和图像局部灰度离散度信息,增强算法对目标内容和边界的识别能力。同时通过Fisher评价函数构造最佳分类阈值的选取法则,增强了算法的判别能力。实验表明改进后的算法对目标内容和边界的识别能力有较大提高,且对噪声具有更好的鲁棒性。     

结合[k]-means的自动FCM图像分割方法

针对图像分割中模糊C均值算法（FCM）无法自动确定聚类中心,不考虑像素邻域信息的问题,提出一种结合[k]-means的自动FCM图像分割方法。该方法先由图像的灰度直方图确定聚类数目,使用一种改进的快速FCM方法产生初始聚类中心。即通过一步[k]-means算法对大隶属度灰度更新模糊聚类中心,同时仅对小隶属度灰度使用快速FCM?方法进行隶属度更新,迭代后得到初始聚类中心。利用改进隶属度的FCM算法进行最终聚类。实验表明,该方法获取初始聚类中心接近最终值,加速图像分割,并对噪声具有一定的鲁棒性。     

基于模糊最大熵的红外图像增强算法

针对红外图像整体亮度偏暗、对比度较低、目标与背景区分不明显的特点,论文提出了一种基于模糊最大熵和改进的S函数的图像增强算法。该方法首先通过模糊最大熵准则求取最佳阈值,再使用改进的S函数对阈值两侧的像素灰度进行模糊域的非线性拉伸,从而得到增强后的红外图像。实验结果表明,该算法能明显提高红外图像对比度,突出目标并降低背景噪声。     

基于灰色Tsallis熵的SAR图像快速分割*

针对SAR图像斑点噪声及分割速度慢的问题,提出一种基于灰色理论和Tsallis熵的SAR图像快速分割方法。该方法首先对待分割图像进行小波变换,将表征图像概貌信息的低频部分重构为概貌图像,表征图像细节和边缘的高频部分重构为细节图像,并建立了相应的概貌—细节共生矩阵模型;然后利用灰色理论和Tsallis熵设计了基于该共生矩阵的灰色Tsallis熵模型,用于求解最优分割阈值;同时,为加快阈值搜索速度,引入群体智能中的粒子群优化算法。实验结果显示,新方法在抗噪性、分割速度和灵活性三个方面均有明显提高。     

一种基于粒子群算法的模糊隶属函数优化方法

在分析图像模糊增强算法对于隶属函数及其模糊区域选择方法不足的基础上,提出一种新的基于粒子群算法的模糊隶属函数优化方法。该方法给出一个新模糊熵的定义,这个新模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时又考虑到图像在空域中划分区域时随隶属函数变化而变化的情况。这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息。另外,根据图像增强算法中使用double型数据类型的特点,采用改进粒子群优化算法寻求隶属函数的最优参数。将新算法应用于图像增强中,取得了优于现有大多数模糊增强算法的效果。     

模糊互信息及其在图像分割中的应用

针对基于互信息的图像分割方法对噪声干扰或光照不均匀的图像不能获得满意分割效果的不足,该文提出模糊化互信息的图像分割新方法。该方法将现有互信息进行模糊修改,得到了模糊互信息,在图像分割中给出模糊隶属度函数的定义方法,获得了模糊互信息参数的选取办法。实验结果表明了该模糊互信息图像分割方法的有效性。     

一种C-均值聚类图像分割的模糊熵后处理方法

提出了一种结合C-均值聚类算法和模糊熵的图像分割方法,该方法先采用C均值聚类算法对含噪图像进行初步分割,再利用模糊熵准则作后续处理。该方法一方面能够继承C-均值聚类算法的优点,可以灵活地用在基于多特征和多阂值的图像分割中,另一方面充分考虑了图像的区域信息,利用模糊熵最小作为准则,对c均值聚类算法初步分割结果的错分类点作了进一步的处理,克服了C-均值聚类算法对噪声敏感的缺点。实验结果表明,本文方法在运算开销上只比C-均值聚类算法多4～6S,对于低信噪比的图像能够取得优于C-均值聚类算法的分割效果。     

基于熵权-可拓理论的高炉软熔带位置状态模糊综合评判方法

针对高炉(Blast furnace, BF)软熔带位置状态影响因素复杂多样且具有层次性和模糊性的特点, 提出了基于熵权--可拓理论的高炉软熔带位置状态两级模糊综合评判的新方法. 首先,在对高炉生产过程参数进行整理、分类的基础上, 采用可拓理论和熵权法确定第一级评判的隶属矩阵和模糊权向量, 进行一级模糊评判. 其次,以一级评判结果矩阵构成第二级评判的隶属矩阵, 并结合层次分析法(Analytic hierarchy process, AHP)确定的第二级模糊权向量, 进行二级模糊评判. 利用物元的可拓性定性分析和可拓集合论的关联函数定量计算相结合的方法, 实现对高炉软熔带位置状态的两级模糊综合评判. 最后,以某钢铁厂2650m3高炉为实例对其软熔带位置状态进行综合评判, 所得结果与现场实际情况吻合良好.     

基于熵和相关系数的直觉模糊多属性决策方法

针对决策信息为直觉模糊信息且属性权重完全未知的多属性决策问题,提出了一种基于直觉模糊熵和得分函数的决策方法。为了准确度量直觉模糊集的直觉性和模糊性,首先提出了一种新的直觉模糊熵,并讨论其相关性质。其次为了减少不确定信息对决策的影响,结合直觉模糊熵建立规划模型,从而确定属性权重。 同时从隶属度,非隶属度和犹豫度三方面构建论域对象与理想对象之间相关系数,并在此基础上根据决策者的决策态度定义得分函数进而得到最优决策。 最后给出一种基于直觉模糊信息的多属性决策方法,并通过候选人评估实例验证了该方法的可行性和有效性。     

基于相似度测量和模糊熵的矿井图像增强方法

为了提高煤矿井下图像的视觉效果,提出一种改进的基于相似度测量的增强算法和模糊熵理论相结合的方法.根据煤矿井下图像的特点,引入模糊熵,建立基于模糊熵测度的判别准则,尽量去除噪声干扰.改进隶属度函数的计算方法,充分提取图像中的分形维特征信息.通过改进对比度变换因子的计算方法,进一步增强图像局部对比度.实验结果表明,处理后的图像不会出现增强过度现象,具有较好地噪声抑制、明暗对比和保持图像细节,是一种有效地矿井图像增强方法.     

基于多特征的SAR图像的无监督分割

针对合成孔径雷达(SAR)图像灰度变化大、纹理复杂及边界模糊等特点提出了一种基于多特征的sAR图像的无监督分割方法。首先提取了SAR图像的局部矩特征与灰度共生矩阵的统计量(对比度、相关度、嫡、同质性)特征;然后利用主元分析(PCA)的方法对这些有用的特征进行降维处理以得到含有足够类别信息的2维特征;最后使用Mcan Shift方法对具有2维特征信息的像素进行自动聚类。由于Mcan Shift聚类过程中无需提供类别数,因此,这种处理是一个无监督的自动分割过程。采用了多幅SAR图像和13rodatz纹理合成图像做分割实验,结果证明:本方法与单一利用灰度共生矩阵或矩特征的方法相比,分割的准确性明显提高。     

An improved medical image enhancement scheme using Type II fuzzy set

A contrast enhancement of medical images using Type II fuzzy set theory is suggested. Fuzzy set theory considers uncertainty in the form of membership function but to have better information on uncertainty on the membership function, Type II fuzzy set is considered. Type II fuzzy set considers fuzziness in the membership function. Hamacher T co norm is used as an aggregation operator to form a new membership function using the upper and lower membership function of Type II fuzzy set. The image with the new membership function is an enhanced image. As medical images contain lot of uncertainties, Type II fuzzy set may be a good tool for medical image analysis. To show the effectiveness of the proposed method, the results are compared with fuzzy, intuitionistic fuzzy, and existing Type II fuzzy methods. Experiments on several images show that the proposed Type II fuzzy method performs better than the existing methods. To show the advantage of the proposed enhancement method, detection or extraction of abnormal lesions or blood vessels has been carried out on enhanced images of all the methods. It is observed that the segmented results on the proposed enhanced images are better.