区间直觉模糊集相似度构造

从直觉模糊集相似度出发,依据区间直觉模糊集隶属度和非隶属度上下确界转化成对应的2个直觉模糊集这一思路,提出一类构造区间直觉模糊集相似度的方法,并证明它们满足相似度公理。最后,分析了2个区间直觉模糊集相似度公式在模式识别中的应用实例。     

直觉模糊集合的相似度与包含度

定义了直觉模糊集合的相似度与包含度,并给出了一些直觉模糊集合的相似度与包含度的实例。     

从模糊集到直觉模糊集相似度的构造方法

直觉模糊集的相似度是直觉模糊集的一个重要研究内容。从模糊集相似度角度,提出直觉模糊集相似度的一些构造方法。基于模糊集的相似度得到直觉模糊集的隶属度与非隶属度的相似度,进而提出从模糊集相似度构造直觉模糊集相似度的方法;利用已有的模糊集相似度公式,得到了17个新的直觉模糊集相似度;通过一个例子演示新相似度在模式识别方面的应用。     

基于目标函数的直觉模糊聚类图像分割方法

针对模糊C-均值聚类分割算法易丢失图像细节的问题,提出一种改进的直觉模糊C-均值聚类算法.该算法将纹理特征和直觉指数引入到目标函数,并给出改进的聚类目标函数,对其聚类目标函数最优化推导并得到新的隶属度和聚类中心迭代表达式,并设计相应的图像分割算法,实验结果表明了算法的有效性.     

基于直觉模糊C-均值聚类算法的图像分割

基于直觉模糊集理论对模糊C-均值(Fuzzy C-Means,FCM)聚类算法进行改进。采用模糊补算子生成非隶属度,得出相对应的直觉模糊集犹豫度,用于更新模糊C-均值聚类算法中的模糊隶属度值。针对常用测试图像的仿真实验结果显示,在分割的视觉效果几乎一致的情况下,改进算法在迭代效率上相对于原FCM聚类算法有一定提高。     

基于模糊集和Otsu理论的PCB图像分割算法

针对印刷电路板(Printed Circuit Board,PCB)的图像分割问题,对Otsu法进行了改进.即首先用基于Otsu法的双阈值分割方法分割出所需的模糊区域;然后根据PCB图像的特点,运用模糊集理论描述不良问题的能力,构造出图像的隶属度函数;最终形成了基于模糊集和Otsu的分割算法.利用该算法对各种PCB图像进行了分割实验,实验结果表明:该算法对PCB图像具有良好的分割效果.     

基于包含度的区间直觉模糊粗糙集模型

利用区间直觉模糊包含度的概念建立区间直觉模糊粗糙集模型。首先,将直觉模糊集中的包含度拓展到区间直觉模糊集上,给出区间直觉模糊包含度定义和计算公式;其次,在区间直觉模糊等价关系下,基于区间直觉模糊包含度,建立了区间直觉模糊粗糙集模型,并对近似算子的重要性质进行了讨论。     

基于广义梯度矢量流模型图像分割算法的研究

梯度矢量流模型(GVF)是引导主动轮廓模型形变的有效外力,但不能分割细长凹陷区域,因此提出广义梯度矢量流(GGVF)模型。GGVF模型将GVF模型中的常数系数替换为两个变化的权重函数,虽然拥有较好的细长凹陷收敛能力,但仍然在进入复杂凹陷、保护弱边缘、抵抗噪音方面存在局限性。为了解决这些问题,在GGVF模型的基础上做了3点改进:1)在构建边缘图时引入双边滤波器用于平滑噪音;2)用散度算子替代拉普拉斯算子实现更好的凹陷收敛能力;3)添加方向约束函数用于保护弱边缘。实验结果表明,该算法具有较好的性能,且相对于传统GGVF模型,召回率提高15.6%,F1值提高8.7%。     

基于模糊理论的图像分割方法

利用边缘提取方法将边缘和噪声象素点从一维直方图中剔除,再对剩余象素点聚类,求出最优分割阈值,然后再求出各象素点隶属于目标和背景的模糊隶属度。根据背景和目标灰度的分布特征,分别选择适当的置信区间,对不在置信区间的象素点再利用其邻域象素点隶属度进行分类最终得到分割结果。实验结果表明效果良好。     

基于直觉模糊集相似度量的多属性决策方法

针对一个特定的由直觉模糊集刻划的决策问题进行研究。基于直觉模糊值的几何意义,提出一种新的直觉模糊值上的相似度量,并基于该度量提出一种直觉模糊集上的多属性决策方法。最后,以实例说明该决策方法的有效性。     

改进的核空间直觉模糊C-均值聚类分割算法

针对鲁棒模糊局部信息C-均值聚类分割算法易丢失图像细节的问题,提出一种改进的核空间直觉模糊C-均值聚类算法。将像素空间邻域信息和直觉指数引入到鲁棒模糊局部信息C-均值聚类目标函数,给出改进的像素空间邻域信息约束的聚类目标函数,对其聚类目标函数最优化推导并得到新的隶属度和聚类中心迭代表达式,并设计相应的图像分割算法,以便提高图像局部信息的有效分割能力。实验结果表明,改进的核空间直觉模糊聚类分割算法相比现有鲁棒模糊局部信息C-均值聚类分割算法能获得更好的分割效果。     

基于局部相似性测度的SAR图像多层分割

针对谱聚类算法计算复杂度高,不适用于合成孔径雷达图像分割的问题,利用谱聚类算法与权核k均值之间的等价性,提出一种基于局部相似性测度的SAR图像多层分割算法．首先提取图像中每个像素的小波纹理特征,利用每个像素点的纹理特征计算各自的局部尺度参数,进而构造像素点之间的邻接关系,然后利用最近邻规则对此邻接关系进行逐层合并,进行基础聚类和逐层细化实现像素点聚类,最终得到图像的分割结果．对人工纹理图像和SAR图像的分割结果表明了新算法避免了传统谱聚类算法对尺度参数的敏感性,获得了更优的分割性能．     

一种基于模糊聚类的快速图像分割算法

提出一种基于二维直方图加权的模糊c均值图像快速分割算法.通过将原图像和它的平滑图像相结合,构造一个二元组的“广义图像”,广义图像的直方图就是原图像的二维直方图.然后对此二维直方图进行塔形分解得到金字塔的上一层——顶层,相应地称原二维直方图为底层.最后,利用加权模糊c均值聚类算法分别对顶层和底层进行模糊聚类,从而实现对原图像的分割.实验结果与性能分析表明,该算法具有较高的分割速度和良好的抑制噪声的能力.     

一种基于特征区域分割的图像拼接算法

针对图像采集和测量时需要将多幅图像拼接成一幅大图像的问题，提出了一种图像拼接算法，利用特征区域块分割技术来实现图像的拼接。用灰阶Sobel算子通过引入衰减因子对图像进行边缘检测得到不失真的灰阶边缘图，然后将灰阶边缘图进行三次样条插值处理，使特征区域块边缘的定位达到亚像素级，提高了图像边缘检测的精度，有利于图像的高精度拼接。实践结果表明，该算法简单易行，定位较准确，拼接效果好，能有效地克服图像质量的影响，当图像灰度值相差较大并且图像具有旋转时，该算法也能实现对图像无缝平滑拼接。     

Neutrosophic fuzzy clustering segmentation algorithm based on HMRF

Considering neutrosophic C-means clustering algorithm with weak ability of suppressing noise, a neutrosophic C-means clustering segmentation algorithm based on the hidden Markov random field is proposed. First, the hidden Markov random field is used to describe the prior information of the arbitrary pixels classification. Second, information divergence between the prior information and sample classification membership is taken as a regular term and embedded into the existing neutrosophic C-means clustering objective function. Third, the samples in the European Space is mapped into the high-dimensional space through the kernel function, and the iterative expression for the neutrosophic C-means clustering segmentation algorithm based on the hidden Markov random field is obtained by the optimization method. Many standard, actual, and synthetic images corrupted by noise are used to validate the segmentation performance of the improved clustering segmentation algorithm. Experimental results show that the anti-noise performance of the proposed segmentation algorithm is improved significantly than the fuzzy C-means clustering algorithm based on the hidden Markov random field, and other fuzzy clustering segmentation algorithms.     

一种基于交互式快速水平集的阴影图像分割算法

因受光源等条件的影响,采集的原始图像常常存在着阴影,用传统的水平集方法分割图像,常把阴影误认为是目标．以带阴影的栗属（板栗）果实图像为例,提出一种交互式快速水平集方法实现图像分割．实验结果表明：该算法能够得到正确的阴影图像的分割结果,具有更佳的图像分割性能．     

一种改进的模糊聚类图像分割算法

为了提高强噪声污染图像分割的鲁棒性,给出一种改进的非局部模糊聚类图像分割算法。改进算法将模糊因子的局部邻域值替换为非局部均值滤波图像的像素值,并加入局部空间信息,产生新的目标函数。借助拉格朗日乘子法,从最小化目标函数得出隶属度和聚类中心的迭代公式,进而完成图像分割。对合成图像、医学图像和自然图像添加高斯噪声、莱斯噪声和椒盐噪声,用于分割测试,结果显示,改进算法对强噪声图像具有更高的正确分割率和较小的模糊性。