一种基于模糊集的灰度图像阈值分割算法

提出了一种新的基于模糊集理论的图像直方图阈值分割算法。该算法首先把图像的直方图预分成目标参考区,背景参考区和模糊区。然后对位于模糊区的灰度级,逐一比较其与目标和背景区的相似度,以决定该灰度级的归属,并最终确定灰度阈值。仿真结果表明：此方法不但能不有效地对灰度图像进行分割,且与传统方法相比更具灵活性。     

改进的区间值模糊集交互式遗传算法

区间值模糊集的交互式遗传算法,能有效缓解用户的疲劳,同时避免用户因一时无法给出确定值而浪费掉的时间,大大加快了收敛速度。首先采用区间值模糊集的方法表示对个体进行评价的适应度值,即为区间适应度值,然后对其进行排序,按照排序结果采用交互式遗传算法进行全局搜索。整个过程符合人的思维过程,能有效搜索到用户满意的个体。将该方法应用于图像检索系统中,结果表明该方法有效地提高了检索速度,并且取得了较好的检索结果。     

变参数区间值直觉模糊集在模式识别中的应用

提出了带参数区间值直觉模糊集的概念,构造了一系列带参数的区间值直觉模糊集。从已知隶属度和非隶属度出发,重点分析了激励惩罚型变参数区间值直觉模糊集的构造。运用模式识别与医疗诊断案例进行对比。仿真实验结果表明,带参数区间值直觉模糊集方法比传统的直觉模糊集方法更具灵活性。     

一个改进的基于区间值模糊集的双向模糊推理算法

本文引入有序权聚类算子(OWA)到区间值模糊集合的相似度度量中,提出了一种改进的双向模糊推理 算法。为采用此算法,文中给出了区间模糊集的加权匹配方向函数,最后通过一个实例说明算法如何灵活地 体现决策者的决策倾向。     

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。     

带参数区间值直觉模糊集及其在模式识别中的应用

首次提出了带参数区间值直觉模糊集的概念,并构造了一系列带参数的区间值直觉模糊集。接着,从已知隶属度和非隶属度出发,重点分析了单参数区间值直觉模糊集的构造。最后,构造了模式分界点的参数方程,并从理论上证明了临界值对模式识别结果有影响。模式识别实验结果表明,带参数区间值直觉模糊集方法比传统的直觉模糊集方法更具灵活性。     

模糊集阈值分割水印算法

近年来出现了大量的变换数字水印算法,特别是基于小波变换的数字水印算法,而其中大部份算法或者把水印嵌入在小波低频系数,或者嵌入在中频域系数。本文将根据灰度特征对水印图像进行阈值化分割,然后同时分别嵌入到原始图像小波变换后的低频以及中频系数,并根据视觉系统的照度掩蔽等特性实现强度自适应调节的水印嵌入。另外引入最佳置乱度方法,对水印进行二维混沌映射的最佳置乱度置乱,达到提高水印抗剪切攻击能力的目的。     

基于区间值模糊集的柔性工作车间调度模型

论文首先描述了现实柔性工作车间调度中的时间参数不确定性问题,并阐述了模糊理论中α截集、区间值模糊集等相关概念;然后给出了以遗传算法为框架的基于区间值梯形模糊数的柔性工作车间调度模型,并且通过实例验证了模型的可行性和有效性。     

基于严格等价函数的区间二型模糊熵及其图像阈值分割方法

文中利用严格等价函数提出一种基于区间二型模糊熵的图像阈值分割方法.首先基于公理化定义,利用严格定价函数提出一种区间二型模糊熵的构建方法,由此可以得到多个不同的模糊熵计算表达式;然后通过理论分析给出了利用最小化模糊熵准则选取最优阈值的方法.实验结果表明,与现有的其他模糊阈值分割法和改进的2维Otsu法等相比,该方法的分割更加准确,运行时间更少,具有更广泛的适应性.     

基于模糊集理论的医学图像分割的应用

图像分割是医学图像处理、分析、研究的基础。由于人的视觉特性和数字图像本身所具有的模糊性,使得图像分割问题是典型的结构不良问题。而模糊集合论具有描述不良问题的能力,模糊集理论应用于图像分割是针对图像模糊性非常有效的方法。对近年来基于模糊集理论的医学图像分割技术的应用和发展进行了综述和讨论,展望了基于模糊集理论的医学图像分割技术的前景和面临的挑战。     

基于区间值模糊集的理想化软BCK代数

将Zadeh提出的区间值模糊集概念应用于理想化软BCK代数问题的研究。借助于BCK代数的区间值模糊理想、区间值[(∈,∈∨q)]-模糊理想和区间值[(∈,∈∨q)]-模糊理想的概念,获得了一个给定的BCK代数上的几类特殊的理想化软BCK代数的若干等价刻画。     

区间模糊谱聚类图像分割方法

近年来谱聚类算法在模式识别和计算机视觉领域被广泛应用,而相似性矩阵的构造是谱聚类算法的关键步骤。针对传统谱聚类算法计算复杂度高难以应用到大规模图像分割处理的问题,提出了区间模糊谱聚类图像分割方法。该方法首先利用灰度直方图和区间模糊理论得到图像灰度间的区间模糊隶属度,然后利用该隶属度构造基于灰度的区间模糊相似性测度,最后利用该相似性测度构造相似性矩阵并通过规范切图谱划分准则对图像进行划分,得到最终的图像分割结果。由于区间模糊理论的引入,提高了传统谱聚类的分割性能,对比实验也表明该方法在分割效果和计算复杂度上都有较大的改善。     

基于OWA算子的区间值加权模糊推理

针对如何对区间值模糊产生式规则赋予合理权值的问题,将OWA算子引入到区间值模糊推理中。介绍一种基于OWA算子的区间值赋权方法,根据此方法给出区间值模糊集上的加权模糊产生式规则的推理算法。在采用该算法的过程中,为合理地计算输入事实与规则前件的匹配程度,引入基于OWA算子的区间值模糊匹配函数值和总体贴近度的计算方法。实例分析表明了所给出的区间值模糊推理算法的有效性和可行性。     

基于期望最大化的水平集分割算法

针对经典的水平集算法(比如Chan-Vese模型算法)在迭代过程中要重新初始化和容易受噪声和模棱两可的边界的影响的缺点,增加一项内部能量泛函达到不需重新初始化的目的,并结合贝叶斯决策理论,利用图像先验知识,提出了一个改进的能量函数,根据符号距离函数来不断调整水平集函数的偏差。该函数是利用期望最大化算法来得到的。实验结果表明,该算法分割精度和运行准确率上都优于经典算法。     

基于改进模糊C均值的海面目标图像分割算法

提出一种图像分割算法,解决水面无人艇在执行目标跟踪与识别任务过程中的图像快速准备分割问题。首先使用均值滤波算法对彩色的海洋背景图像进行滤波,同时利用其非参数性得到图像的聚类中心和类别数,并以此作为初始化参数进行图像的模糊C均值聚类,在此基础上进行大津法Otsu二值化处理实现目标提取。使用BSDS500标准数据集和海洋背景图像对算法的分割效果及效率进行验证,与传统的模糊C均值算法、脉冲耦合神经网络算法、自适应遗传算法以及马尔科夫随机场算法进行对比的结果显示了该算法的有效性。     

基于核模糊聚类的变分水平集医学图像分割方法

针对现有无须重新初始化的变分水平集分割模型, 存在对边缘模糊、对比度差等图像不是很敏感、分割效果不理想的问题, 提出了一种基于核模糊聚类的变分水平集医学图像分割方法。将原始图像进行核模糊C-均值聚类, 把得到的聚类结果带入初始化水平集函数得到初始轮廓, 最后利用李模型的分割方法实现最终的图像分割。实验结果表明, 该方法具有良好的分割质量, 适应性强, 同时可减少迭代次数。     

基于模糊属性和BP神经网络的彩色图像分割方法

近年来,模糊技术和神经网络经常被用于图像分割并取得了不错的效果,本文尝试综合这。两种理论,发挥各自的特长,对一些传统方法无能为力的图像也能起到不错的效果。     

用于图像分割的粗糙集改进模糊聚类方法

采用一种新的基于粗糙集理论的图像分割算法。通过提取直方图的外层,以及计算像素点周围的局部模糊程度来更新粗糙度。使用局部模糊粗糙度和待定算子来更新FCM算法中的隶属度函数。从粗糙集理论意义上来说,直方图的外层与上近似有关,而直方图取值与下近似有关。该方法通过对比传统的聚类分割算法和刘华军的改进算法,大大降低了时间复杂度,聚类效果显著。实验证明,该方法收敛性较强,运行时间较短,且具有良好的分割效果。     

一种融入局部信息的直觉模糊C-均值聚类图像分割算法

模糊C-均值(FCM)算法对图像噪声敏感,聚类过程中只考虑图像的数值特征信息而忽略像素间空间约束关系,同时单一隶属度并不能充分描述图像的不确定性,这使得基于FCM的图像分割不够准确.融入局部信息的改进FCM算法虽然对图像噪声有一定鲁棒性,但对图像细节保持不够,难以分割微小区域.针对上述问题,提出一种基于直觉模糊集的改进模糊C-均值(IFS_FCM)图像分割算法.该方法将直觉模糊集理论融入到FCM中,充分考虑图像的不确定性,同时在目标函数中引入空间邻域信息,使得该分割算法对噪声鲁棒性增强的同时还能保持图像细节信息.实验结果表明,IFS_FCM能获得更加理想的图像分割效果.