基于Mamdani型直觉模糊推理的图像融合算法

提出了一种基于Mamdani型直觉模糊推理的图像融合算法,该算法首先根据融合目标设定推理规则,并根据推理规则建立直觉模糊推理系统,并将待融合图像的每个像素点直觉模糊化并输入系统,经过推理得到输出图像每个像素点的隶属、非隶属程度,最后通过解模糊计算输出图像的灰度值得到融合图像。实验结果证明,该算法的有效性,且由于直觉模糊集更加精确地描述了客观事物的不确定性,其融合结果优于基于模糊推理系统图像融合算法得到的结果。     

引入图像特征的直觉模糊推理医学图像融合方法

针对现有的直觉模糊推理在医学图像中的应用展开研究,在直觉模糊推理有局限的情况下,引入图像的特征参数作为融合判断条件,提出新的图像融合算法。该算法以直觉模糊推理作为基础,加入新的判定参数再进行融合,采用新的算法进行实验仿真,结果显示新方法具有一定的改进和优势。     

基于多尺度变换的直觉模糊推理图像融合算法

提出了基于多尺度变换的直觉模糊推理医学图像融合方法,针对4种多尺度变换对图像融合的影响进行了分析。文中融合算法是利用4种多尺度变换对待融合图像进行分解,并对得到的低频分量和高频分量采用直觉模糊推理融合规则进行处理,最后将融合后的低频分量和高频分量经逆变换得到融合图像。实验结果表明本文算法优于传统的模糊推理图像融合算法,并且在变换域中,Contourlet变换下的融合结果要优于其它3种变换。     

基于直觉模糊集的多波段图像融合

为解决微光探测条件下多波段图像融合效果差、信息丢失的问题,提出了基于直觉模糊集的多波段图像融合方法.首先利用最大化熵准则对源图像分别进行直觉模糊处理,其次对隶属度图像进行去模糊后进行非下采样剪切波变换(NSST),得到各自的高频图像和低频图像,然后对高频图像用绝对值取大融合,对低频图像用清晰度取大融合,最后对高频融合图像和低频融合图像进行NSST 逆变换得到最终融合图像.实验结果表明,本方法可对微光探测条件下多波段图像自适应处理,融合结果目标显著,对比度和清晰度大,主观和客观评价指标均优于其他方法.     

基于直觉模糊推理的威胁评估方法

该文针对威胁评估问题,提出一种基于直觉模糊推理的评估方法。首先,分析了联合防空作战中空天来袭目标影响威胁评估的主要因素、威胁评估的不确定性,以及现有威胁评估方法的特点与局限性,建立了威胁程度等级划分的量化模型。其次,设计了系统状态变量的属性函数,讨论了在模糊化策略方面对输入变量进行的量化和量程变换方法。再次,建立了系统推理规则,设计了推理算法和清晰化算法,分析了规则库中所包含规则的完备性、互作用性和相容性,给出了规则库的检验方法。最后,以20批典型目标的威胁评估实例,验证了方法的有效性。     

基于直觉模糊推理的态势预测方法

在作战辅助决策系统中,针对战场态势预测问题,提出一种基于直觉模糊推理的战场态势综合预测方法.分析了当前态势预测方法的特点与不足;建立了直觉模糊推理规则,设计了推理合成算法和解模糊算法,检验了推理规则的完备性,并引入态势指标的权重向量;最后通过态势预测中的一个具体仿真实例验证了该方法的有效性与合理性.     

基于云计算及图像内容分析的医学图像融合方法

提出了一种使用云计算实现基于图像内容分析的医学图像融合方法.为了设计云计算推理规则,对两幅输入图像--CT和MRI图像进行灰度直方图分析.并基于CT与MRI图像的灰度直方图与融合目的设计推理规则.将CT与MRI图像作为推理系统的两个输入,进而得到融合图像.实验结果表明,使用云推理方法得到的融合图像较之模糊推理得到的融合...     

基于自适应直觉模糊推理的威胁评估方法

将直觉模糊集理论引入信息融合领域,提出一种基于自适应直觉模糊推理的威胁评估方法。首先,分析了现有威胁评估方法的特点与局限性,建立了基于自适应神经-直觉模糊推理系统(ANIFIS)的Takagi-Sugeno型威胁评估模型。其次,设计了系统变量的属性函数和推理规则,确定了各层输入输出的计算关系,以及系统输出结果的合成计算表达式。再次,分析了模型的全局逼近性,设计了网络学习算法。最后,以20批典型目标的威胁评估为例,给出相应的评估结果,验证了方法的有效性和模型的正确性。实践结果表明,该方法可以提高威胁评估的可信度,改进评估质量,提高推理结果综合值的精度。     

流量异常检测中的直觉模糊推理方法

针对网络流量特征属性不确定性和模糊性的特点,将直觉模糊推理理论引入异常检测领域,该文提出一种基于包含度的直觉模糊推理异常检测方法。首先设计异常检测中特征属性的隶属度与非隶属度函数,其次,给出基于包含度的强相似度计算方法并生成推理规则库,再次给出多维多重式直觉模糊推理规则,最后建立异常检测中的直觉模糊推理方法。通过对异常检测标准数据集KDD99的实验,验证该方法的有效性,与常见经典异常检测方法对比,该方法具有更良好的检测效果。     

多波段图像融合的直觉模糊化处理方法比较

为了在多波段图像融合中选用合适的直觉模糊化方法来处理不确定性问题,对5种常用的直觉模糊集方法在多波段图像融合中的应用进行了比较.首先将多波段图像进行直觉模糊化处理,对隶属度图像进行去模糊化得到直觉模糊图像;然后,将直觉模糊图像进行非下采样轮廓波变换(Nonsubsampled contourlet transform,NSCT),对低频图像进行直觉模糊化处理,所得隶属度作为权重进行加权融合,高频使用取大规则进行融合;最后通过逆变换得到融合图像.对融合结果采用主观人眼视觉观察和客观评价指标体系进行分析比较,得到较好的直觉模糊集方法的优势性能.实验结果表明,与Sugeno、Yogita、Yager及Chaira四种直觉模糊化方法相比,Bala直觉模糊化方法可以有效提高融合结果的亮度和对比度,而且融合结果边缘清晰,纹理特征明显,具有更好的视觉融合效果和客观质量评价.     

基于直觉模糊Petri网的知识表示和推理

针对模糊Petri网存在隶属度单一的问题,将直觉模糊集理论与Petri网理论相结合,构建直觉模糊Petri网(Intuitionistic Fuzzy Petri Nets,IFPN)模型,用于知识的表示和推理.首先构建了IFPN模型,并将其应用于知识的表示,通过在模型中引入抑止转移弧,解决了否命题的表示问题.其次提出了基于矩阵运算的IFPN推理算法,通过修改变迁触发后token值的传递规则,解决了推理过程中的事实的保留问题;通过修改变迁的触发规则,抑制了变迁的重复触发.最后对推理算法进行了分析,并举例验证了提出的IFPN模型及其推理算法的可行性,结果表明IFPN是对FPN的有效扩充和发展,其对推理结果的描述更加细腻、全面.     

基于直觉模糊Petri网的混合推理方法

针对现有的基于模糊Petri网(Fuzzy Petri Nets,FPN)和直觉模糊Petri网(Intuitionistic Fuzzy Petri Nets,IFPN)的推理方法在求解只涉及知识库中部分规则的问题时存在推理过程复杂、效率不高,而且不能对问题产生的原因进行分析等缺陷,提出一种基于IFPN的混合推理方法.该方法将反向推理与正向推理相结合,首先把所要求解的问题转化为目标库所,并引入关联库所、关联变迁和子模型等概念;其次运用反向推理寻找目标库所的关联库所和变迁并构建推理子模型,从而获取问题产生的潜在原因并简化推理模型;最后以子模型作为推理模型,运用正向推理求解目标库所的token值,解决了直接运用原模型进行推理时过程复杂且效率不高的问题.与此同时,通过在模型中引入阈值以及"路径"和"有效路径"等定义,排除无效关联库所,从而找出了问题产生的真正原因.实例验证表明该方法可行且有效,与现有方法的对比分析表明该方法克服了现有方法的缺陷.     

基于遗传算法的直觉模糊多目标规划

提出了一种基于遗传算法的直觉模糊多目标规划模型.首先,定义了目标函数和约束函数的隶属和非隶属函数;其次,通过直觉模糊"最小-最大"算子,提出直觉模糊多目标规划模型;然后,用遗传算法进行求解,使之适应线性和非线性的情况,具有通用性;最后,通过一个算例表明,直觉模糊多目标规划的性能优于模糊多目标规划.     

基于核距离的直觉模糊c均值聚类算法

针对现有直觉模糊c均值聚类算法无法发现非凸聚类结构的缺陷,提出了一种基于核化距离的直觉模糊c均值聚类算法。算法在定义了基于核的直觉模糊欧式距离基础上,通过把聚类样本映射到高维特征空间,使原来没有显现的特征突现出来,从而能够更好地聚类。实验选择一组人工数据集及一组UCI数据集测试了本文算法,并将其与五种经典的聚类算法进行了比较。实验结果充分表明了该算法的有效性及优越性。     

基于模糊逻辑与NSCT的彩色图像融合

针对灰度融合图像色彩单一,视觉效果不佳的问题,提出了一种基于NSCT变换与模糊逻辑的多聚焦彩色图像融合算法。首先对彩色图像进行IHS变换,然后对亮度分量I进行NSCT分解,采用高斯隶属度函数确定低频分量自适应加权系数,对高频系数采用"模值取大"的融合准则进行融合,再通过NSCT逆变换,得到融合后的亮度分量,并由此计算融合后的色度分量和饱和度分量,实现彩色图像的融合。实验结果表明,该方法得到的融合图像色彩鲜明、边缘细节清晰、更加符合人眼视觉。