一种改进的基于模糊推理的边缘检测算法

针对基于模糊推理的边缘检测算法中存在的边缘模糊、未去除伪边缘、算法优化效果不佳的问题,提出一种改进的模糊边缘检测算法。给出一种模糊化规则,即利用方向灰度对比度确定边缘隶属度值,增加去除伪边缘的规则,使得边缘细化。实验表明,该算法效果优于模糊竞争算法、Pal King算法和其他一些改进的模糊边缘检测算法。     

改进的模糊推理规则图像边缘检测算法

图像边缘检测是数字图像处理领域的关键技术,边缘检测的结果决定了图像后续处理的质量。模糊推理规则边缘检测算法具有较强的边缘检测能力,并且具备一定的抗噪效果。但是,这种算法只在高斯噪声较小时有效,当高斯噪声较大时它的边缘检测效果甚至比Canny等算子的效果还差。针对模糊推理规则算法在强高斯噪声时效果较差的问题,提出一种改进的模糊边缘检测算法。该算法能够根据图像含噪情况调整边缘检测方案：当噪声较弱时,使用模糊推理规则边缘检测算法;当噪声较强时,为提高算法抑制噪声的能力,使用改进的模糊推理规则边缘检测算法。实验结果表明,该方法具有更好的抗噪性能和边缘检测能力。     

基于模糊理论的图像边缘检测

讨论了模糊理论在边缘检测中的应用,并给出了一种基于模糊理论的改进方法。实验结果表明,该算法不需要加额外的滤波器或图像降噪预处理,在抗噪性能方面明显优于其它方法。     

基于神经网络与模糊算法图像边缘检测方法*

针对传统图像边缘检测方法中出现毛边、噪边、边缘定位不精确等缺点,提出一种神经网络与模糊算法相结合的检测方法。根据图像特征,将图像分为高频和低频部分分别处理,高频部分适宜用双层网络结构,可以很好地减弱噪声;对于图像低频部分,将模糊理论引入到边缘检测中,能够检测出弱边。最后对检测出的两个图像边缘进行融合,实验结果证明得出的检测效果较好,比传统边缘检测算子所获结果有很大改善。     

基于模糊推理的噪声图像边缘检测

对于噪声感染的图像,提出一种基于模糊推理的图像边缘检测方法。该方法将像素点的基本梯度与关联梯度作为模糊推理系统的输入变量,根据确定的模糊规则,运用模糊推理方法得到该点属于噪声的程度,从而去除由噪声引起的伪边缘,实现边缘检测。实验结果表明,与其他边缘检测方法相比,该方法可以获得较好的边缘特性,具有较强的抗噪性能。     

一种基于GA优化模糊推理神经网络的新方法

通过对已有的一些基于遗传算法（GA）优化模糊系统方法的分析，指出了它们存在的一些缺陷，提出了一种新颖的基于GA优化模型推理神经网络的方法，并给出了相应的优化算法，这种方法可以对模糊推理系统中的所有结构和参数同时或分别进行优化。在此基础上，还讨论了模糊推理神经网络的精简问题，如无用模糊规则的删除，最后通过实例验证了该方法是一种很有效的方法，具有易理解，精度高，收敛快，泛化能力好且能全局收敛的优点。     

基于分类器的图像模糊边缘检测快速算法

通过对Pal King边缘检测算法的分析,提出了一种新的模糊边缘检测快速算法。首先对图像进行模糊增强,然后依据当前像素及其8-邻域像素的灰度,设计了一个分类器,通过计算相对于该分类器的模糊隶属度函数值,对像素进行边缘分类;最后锐化所得的边缘像素,剔除噪声。算法抛弃了Pal King方法中复杂的迭代运算,同时也克服了Pal King算法中对图像低灰度值边缘信息的丢失,还可以通过设置不同的参数来检测不同细节的边缘。实验结果表明,该快速算法比Pal King算法的边缘检测能力更强,同时运算速度提高了约20倍。     

基于灰色关联分析和模糊推理的图像边缘检测

针对噪声图像,本文提出一种基于灰色关联分析和模糊推理的图像边缘检测方法。该方法利用灰色关联分析对图像进行边缘初提取,然后针对边缘和噪声特征的不同,确定模糊规则,利用模糊推理系统推理噪声隶属度,进而去除由噪声引起的伪边缘,获得真实边缘,实现边缘检测。实验表明,与其他边缘检测方法相比,本文的方法不但可以获得较好的边缘特性,而且具有较强的抗噪性能。     

改进的基于模糊集的边缘检测算法

传统的边缘检测方法对模糊边缘图像不敏感。改进了模糊边缘检测算法,用min-max重心法模糊推理该点的边缘隶属度,实现边缘检测。给出了应用本算法边缘检测的实例,并与传统的边缘检测算法进行了比较。结果表明,本算法比传统算法边缘检测效果好。     

一种改进型边缘检测的混合量子遗传算法

图像边缘包含非常重要的图像信息,针对图像处理中的模糊边缘检测存在的缺陷,将免疫学中的克隆选择理论引入量子遗传算法,利用这种新的混合量子遗传算法对图像阈值进行优化得到最佳阈值,改进模糊边缘的检测算法。通过测试图像的边缘检测结果表明,该算法具有较好的检测模糊边缘和抑制噪声能力,用于边缘检测能获得良好的效果。     

改进的模糊形态学边缘检测算法

提出了一种新的基于模糊形态学的边缘检测算法。算法结合模糊增强方法和模糊形态学边缘检测方法,使用简单隶属度函数将图像映射到模糊特征平面,利用滑动窗口技术进行模糊增强,增大边缘的灰度差,将增强后的模糊图像调整回原始区域,采用多方向模糊形态学进行边缘提取。实验结果表明该算法优于传统的边缘提取算法。     

基于模糊知识的混合推理技术研究与应用

针对模糊知识的内在联系,提出了一种模糊推理与逆向推理相结合的混合推理技术,介绍了该技术的设计思想,结合模糊知识实现了算法,重点论述了模糊推理与逆向推理相结合的推理过程,实现了一种较为理想的不确定性推理方法,有效地提高了推理机的执行效率。     

基于多尺度小波与模糊方法的图像边缘检测

提出了一种基于多尺度小波变换和模糊方法的图像边缘检测算法,它将图像分为高频和低频部分别进行处理,高频部分利用多尺度小波变换进行边缘检测,低频部分利用模糊方法进行边缘检测,并对两种方法得到的边缘图像进行融合,实验结果证明检测出的边缘与其它传统边缘检测算子所获结果得到了很大的改善.     

自适应多方向模糊形态学边缘检测算法*

提出了一种新的基于模糊增强的自适应多方向模糊形态学边缘检测算法。该算法可以适应多峰直方图分布图像的模糊边缘检测,结合了模糊增强方法和模糊形态学边缘检测方法,先使用隶属函数将图像转换为等效的图像模糊特征平面,在此基础上进行模糊增强,降低边缘模糊度,然后再转换到统一模糊区域中;最后进行多方向模糊形态学边缘提取。仿真实验证明该方法能够较好地去除椒盐噪声,并且能够检测出图像中模糊的边缘。     

多方向模糊形态学彩色图像边缘检测算法*

提出了一种多方向模糊形态学彩色图像边缘检测算法,并将灰度模糊形态学推广到彩色图像。首先采用隶属度函数将彩色图像映射到模糊域;然后采用多方向模糊形态学在R、G、B三个分量上进行边缘检测;最后合成各分量的边缘,得到最终彩色图像边缘。仿真实验证明,该算法能够较好地检测彩色图像边缘,检测结果优于传统的边缘检测算子,并能够检测出彩色图像中的模糊边缘。     

一种新的基于小波变换的图像边缘检测算法

传统小波分析对图像进行边缘检测时存在对方向特征不敏感的问题。在此基础上进行了改进,用一种新的小波变换检测出了图像的边缘。实验结果表明:与Canny算子检测法相比较,基于小波变换提取的图像其边缘完整,定位准确,能够保留更好的细节信息。