彩色遥感图像的一种边缘检测算法研究

针对彩色遥感图像的复杂性、模糊性和噪声强等特点,提出了一种基于多方向模糊形态学梯度的彩色遥感图像边缘检测算法.算法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以检测彩色遥感图像边缘,不但能检测出具有方向性的真实边缘,还能有效抑制无方向性的噪声.实验证明,该算法对彩色遥感图像进行边缘检测的有效性.     

一种区间型二型模糊集重心的快速解法

针对区间型二型模糊集,分析其上下隶属度函数转换点与重心区间的关系,推导出计算该转换点的闭合公式及相应的相向搜索算法,最终得到了一种计算区间型二型模糊集重心的新方法.并且证明了所求隶属度函数转换点随着采样率的增加,最终将收敛到重心端点的特性.实验结果表明,与常用的Enhanced Karnik-Mendel迭代方法相比,所提方法在不损失计算精度的条件下具有更快的计算速度.     

基于双搜索蜂群算法的四元数彩色遥感图像边缘检测

随着遥感图像大数据的出现,常见的彩色遥感图像边缘检测方法运算量大、速度慢、效果差等缺点越来越明显。以四元数表示彩色像素为基础,改进人工蜂群算法的单一搜索方程,加大雇主蜂搜索范围,加入跟随蜂莱维飞行因子,提出了基于双搜索方程的人工蜂群算法。实验结果表明,该算法具有计算量小、去噪能力强、边缘检测效果好等优点。该算法能有效地应用于从遥感图像中获取识别目标。     

区间二型模糊熵及其在图像分割中的应用

针对计算区间二型模糊熵存在的不足,构造一种新的区间二型模糊熵。新的区间二型模糊熵同时考虑了隶属度的均值和本身的模糊性对熵值的影响,而且满足四条公理,较为全面客观地测度了区间二型模糊集的不确性,并被应用于图像分割。数值实例和仿真实验表明了所提出区间二型模糊熵的合理性和实用性。     

二型直觉模糊集

二型模糊集和直觉模糊集都具有很强的实际应用背景.二型模糊集增强了系统处理不确定性的能力,直觉模糊集为解决人们判断问题所出现的犹豫信息提供了理论依据.本文在二型模糊集和直觉模糊集的基础上,给出了二型直觉模糊集的概念,证明了二型直觉模糊集是一型模糊集、直觉模糊集、区间值模糊集、区间值直觉模糊集的广义形式,讨论了二型直觉模糊集的基本运算和二型直觉模糊关系.最后,研究了基于二型直觉模糊理论的近似推理,并实例说明了二型直觉模糊集的实际应用背景.     

Contourlet概率分布的遥感图像边缘检测方法

提出一种新的基于Contourlet概率分布的边缘检测算法, 首先,对图像Contourlet系数概率分布的混合高斯分布特性进行分析,并建立图像Contourlet 系数大小状态的概率模型,同时对基于该模型的图像线状奇异信号进行分离;其次,改进最大类间方差的阈值选取方法,提出一种基于类间距离和类内方差的阈值选取方法,在保证类间距离最大的同时提高了类内聚合度;最后,利用所选阈值对分离的图像线状奇异信号进行二值化处理,并对边缘信息进行提取。实验结果表明,与传统经典边缘检测方法相比,所提出的边缘检测方法在有效检测出遥感图像中光滑边缘的同时可以对图像中次要的奇异信息进行有效的屏蔽,具有很好的实用性。     

基于边缘自相似特征的遥感图像边缘检测算法

据分形理论可知，物体或物体各组成部分的边缘应具有自似性，图像边缘上的像素应具有较大的灰度化值和自相似系数。本基于这种思想，提出了一种结合边缘自相似特征和图像灰度梯度变化进行边缘检测的新算法，并利用该算法对试验图像进行了边缘检测试验。试验结果表明，该算法有效地提取图像边缘，且对含有噪声的遥感图像仍能提取较为丰富的边缘细节，具有一定的抗噪声性能。这对于含有噪声的遥感图像边缘所取与检测，尤其是雷达遥感图像，具有一定的实用价值。     

区间二型模糊集和模糊系统: 综述与展望

一型模糊集可以建模单个用户的语义概念中的不确定性, 即个体内不确定性. 一型模糊系统在控制和机器学习中得到了大量成功应用. 区间二型模糊集能同时建模个体内不确定性和个体间不确定性, 因而在很多应用中显示了比一型模糊系统更好的性能, 是近年来的研究热点. 本文首先介绍了区间二型模糊集的重要概念和理论研究进展, 总结了其在决策和机器学习中的成功应用, 然后介绍了区间二型模糊系统的基本操作和理论研究进展, 并回顾了其在控制和机器学习中的典型应用. 最后, 对区间二型模糊集和模糊系统未来的研究方向进行了展望.     

基于置换群的遥感图像边缘检测

遥感图像在成像过程中会产生噪声,进行滤波去除噪声、从中恢复出有用图像,成为遥感图像进一步研究和应用的基础。在数学形态学的基础上引入置换群的相关理论,提出了一种结构元素变换算法,由传统形态学中单一固定结构元变换出多个形态结构元,不同形状的图像信息可选择不同形态的结构元来处理,适用于含噪遥感图像边缘检测,结果表明,算法与传统算法相比能取得较好的图像边缘处理效果。     

基于Tsallis熵差的遥感图像边缘检测方法

基于Tsallis熵差和百分位形态变换,提出了一种改进的遥感图像边缘检测方法。该方法通过构造基于百分位形态变换的边缘检测算子和选择不同方向结构元素进行变换来增加图像的边缘信息,并且该方法在百分位形态变换的基础上还改进了百分位变换的评价准则。它利用图像Tsallis熵差来选择边缘检测算子的百位变换值,将选择Tsallis熵差最大的百分位变换作为变换结果。实验结果表明,与传统的基于数学形态学的边缘检测方法相比,该方法可以最大程度上抑制噪声,有效地提高图像的边缘检测效果。     

Optimization of interval type-2 fuzzy systems for image edge detection

This paper presents the optimization of a fuzzy edge detector based on the traditional Sobel technique combined with interval type-2 fuzzy logic. The goal of using interval type-2 fuzzy logic in edge detection methods is to provide them with the ability to handle uncertainty in processing real world images. However, the optimal design of fuzzy systems is a difficult task and for this reason the use of meta-heuristic optimization techniques is also considered in this paper. For the optimization of the fuzzy inference systems, the Cuckoo Search (CS) and Genetic Algorithms (GAs) are applied. Simulation results show that using an optimal interval type-2 fuzzy system in conjunction with the Sobel technique provides a powerful edge detection method that outperforms its type-1 counterparts and the pure original Sobel technique.     

对区间二型模糊集的EKM降型法的改进

二型模糊集的质心计算称为降型,目前的降型方法大多计算成本较高,其中EKM (Enhanced Karnik-Mendel)法可计算区间二型模糊集的质心。然而,由于EKM算法中求取切换点的初始化方法还不完善,计算时间较长,使其在实际应用中受到一定限制。对此,提出一种新的改进EKM法,对原有方法进行了两处改进：更改切换点的初始化条件和改进查找切换点的方法。所提出的方法可实现向上和向下搜索,计算量大大减小,降型更有效。仿真结果验证了新的改进EKM法的有效性。     

Distinguishability of interval type-2 fuzzy sets data by analyzing upper and lower membership functions

In this paper, we deal with the problem of classification of interval type-2 fuzzy sets through evaluating their distinguishability. To this end, we exploit a general matching algorithm to compute their similarity measure. The algorithm is based on the aggregation of two core similarity measures applied independently on the upper and lower membership functions of the given pair of interval type-2 fuzzy sets that are to be compared. Based on the proposed matching procedure, we develop an experimental methodology for evaluating the distinguishability of collections of interval type-2 fuzzy sets. Experimental results on evaluating the proposed methodology are carried out in the context of classification by considering interval type-2 fuzzy sets as patterns of suitable classification problem instances. We show that considering only the upper and lower membership functions of interval type-2 fuzzy sets is sufficient to (i) accurately discriminate between them and (ii) judge and quantify their distinguishability.     

基于云的多光谱遥感影像边缘检测研究

提出一种基于云的多光谱遥感影像边缘检测算法。该算法依据矢量角相似性准则并结合邻域关系进行图像区域生长,在此基础之上根据影像的波段建立多维云模型,将待处理对象映射到多个云空间,通过逻辑运算生成边界云并进行多维向量的综合。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,该算法在多光谱遥感影像中能取得较好检测效果。     

基于区间二型模糊粗糙集的连续属性约简算法

一型模糊粗糙集可以直接处理连续属性集,但不能处理高度不确定性数据,而区间二型模糊集可以增强系统处理不确定性的能力。为了提高处理噪声数据的精确度,在一型模糊粗糙集的基础上,定义区间二型模糊粗糙集。基于区间二型模糊粗糙集模型研究了连续域决策信息系统的属性约简,通过紧计算域给出了新的约简算法。由于拒绝变量集合的存在,提出的约简算法可在有限时间内收敛,并且得到了更加合理的结果。数值仿真验证了约简算法的可行性与有效性。     

图像分割质量评价的二型模糊集方法

图像分割质量的评价是图像分割技术和算法研究的重要环节,在图像分析和计算机视觉中有着重要应用。依据二型模糊集在不精确性描述方面的独特优势,提出一种图像分割评判指标的二型模糊集表示方法,引入两种二型模糊集的模糊性度量作为图像分割质量的评判标准,构建图像分割质量评价模型。模拟实验验证了该模型的有效性和实用性。     

二型模糊集的模糊熵研究

研究基于质心的二型模糊集的模糊熵和加权模糊熵,构造了两个二型模糊集的模糊熵度量.针对二型模糊集的特殊情形,提出一种新的区间值模糊集的模糊熵度量,既弥补了现有区间值模糊集退化为普通模糊集时熵为零的不足,又克服了两个明显不同的区间值模糊集熵相等的缺点.数值实例和仿真实验表明了所提出模糊熵的合理性和实用性.     

基于模糊熵和BP神经网络的彩色图像边缘检测

在RGB颜色空间中,分别提取R、G、B三个分量并计算R、G、B三个分量的组合V,通过引入模糊熵,构造出4个基于模糊熵的信息测度分量来定量描述彩色图像的边缘特征,并将4个测度分量组成一个整体的特征向量,计算训练图像的特征向量作为样本对BP网络进行训练,然后将训练的BP网络直接用于边缘检测。该方法充分考虑了颜色空间中各颜色分量以及它们之间的相关性;BP网络的结构和训练都比较简单;实验表明,改进方法具有较强的细节保持能力,对弱边缘具有较强的检测能力。     

Conceptual design evaluation using interval type-2 fuzzy information axiom

Concept selection is the most critical part of the design process as it determines the direction of subsequent design stages. In addition, it is a difficult task because available information for decision-making at this stage is imprecise and subjective. This necessitates the need for fuzzy decision models for selecting the best conceptual design among a set of alternatives. Although ordinary fuzzy sets cover uncertainties of linguistic words to some extent, it is recommended to use interval type-2 fuzzy sets (IT2FS) to capture potential uncertainties of words. This paper presents a new concept selection methodology that extends the fuzzy information axiom (FIA) approach to incorporate IT2FSs. The proposed methodology is called interval-type-2 fuzzy information axiom (IT2-FIA). IT2-FIA method is also enriched by using ordered weighted geometric aggregation operator to include the decision maker's attitude during the aggregation process. A case study is given to demonstrate the potential of the methodology.