一种改进的模糊熵红外图像分割方法

提出了一种改进的模糊熵图像分割算法,该算法定义了一种新的模糊隶属度函数,该模糊隶属度函数只包含一个参数,即所要寻找的最优分割阈值,采用简单的穷举法便可得到最优分割阈值。实验结果表明,此方法的分割效果与传统的模糊熵方法效果相当,但计算时间大大减少,使得分割更加快速。     

基于模糊指数熵和模拟退火的图像分割

为了有效分割照度不均匀的网格图像，提出了一种基于模糊指数熵和模拟退火算法的阈值分割方法。基于模糊集合理论，根据像素灰度值把原始图像中的像素分为黑和亮两个模糊集，利用最大模糊熵准则确定模糊区间的范围，寻找模糊参数的最优组合，确定最优分割阈值，实现图像分割。由于使用穷举法搜索模糊参数的最优组合存在计算复杂度高、占用存储空间大的弱点，因此采用模拟退火算法确定最优阈值，从而减少了计算量。实验结果表明，此方法能够自动、有效地选取阈值，运算时间约为使用穷举法寻求最优阈值所需时间的1／3，并且分割效果明显优于最大类间方差法、迭代法和一维最大熵法。     

图像分割中的交叉熵和模糊散度算法

本文将交叉熵和模糊散度应用于图像分割中,提出了中最优灰度值选取算法,其一是基于均匀分布假设的最小交叉熵算法,其二是利用后难概率的最大类间交叉熵算法,其三是类间最大模糊散度的改进算法,其四是最小模糊散度算法,针对图像阈什化分割的要求,在后两种算法中构造一种新的模糊录改度函数,本文采用均匀测试和开头测试比较各算法的性能,利用多种类型测试 是到的分割结果,显示了所筛算法的有效性和通用性。     

基于克隆选择算法的最大模糊熵图像分割

为了分割照度不均匀的图像,提出了一种基于最大模糊熵和免疫克隆选择算法的阈值分割方法.该方法利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,确定区分目标和背景的最佳阈值,实现图像分割.为了验证该方法的有效性,对其进行了图像分割实验,并与遗传算法进行了比较.实验结果表明,该算法能够自动、有效地选取阈值,分割效果优于遗传算法,并能保留原始图像的主要特征.     

基于局部模糊熵与Otsu的图像阈值分割

传统的图像阈值分割方法对噪声和灰度不均匀敏感,且阈值的确定主要依赖于灰度直方图,未考虑图像中像素的空间信息。通过对含噪声图像像素属性的深入分析,提出了一种基于局部模糊熵和Otsu的图像阈值分割方法。局部模糊熵的滤波作用提高了算法的抗噪性,Otsu的自动阈值选取则提高了算法的可靠性。实验结果表明,该方法能自动、有效地选取阈值,分割效果优于传统的阈值分割方法。     

模糊划分熵的新定义及其在图像分割中的应用

介绍了模糊划分的原理,提出用条件概率与条件熵定义模糊划分的熵,并基于最大熵原理设计了一种新的灰度直方图阈值选取算法。比较可见ＫＳＷ熵法是本文方法的一个特例,本文方法是ＫＳＷ熵法在模糊集上的推广,对几例真实目标图像的对比分割实验结果表明本文方法性能优越。     

基于小波变异本质粒子群和模糊熵的图像分割

针对本质粒子群(BBPSO)算法存在易陷入局部最优以及过早收敛的缺点,提出了一种基于小波变异(WM)BBPSO(WMBBPSO)和模糊熵的图像分割算法,利用WMBBPSO搜索使图像模糊熵最大的参数值,得到模糊参数的最优组合,进而确定图像的分割阈值。通过与其它两种BBPSO算法的分割结果比较表明,该算法取得了令人满意的分割结果,算法运算时间较小,能够满足对煤尘浓度实时精确测量的要求。     

一种新的模糊熵图象分割方法

图象阈值分割技术在图象分析和图象识别中具有重要的意义。本文将模糊子集理论中的模糊熵概念引入到阈值分割技术中去，在图象的模糊特征平面上采用最大熵原则确定分割阈值。实验结果表明了该方法的有效性。     

基于模糊熵聚类和改进粒子群的MRI脑图像分割研究

现有医学图像生成过程中无法回避噪声的引入,而目前还未有较好的算法对高噪声的MRI医学图像进行分割,分割归属于聚类问题,聚类常用的方法是模糊聚类,但模糊聚类需要解决对噪声和初始化敏感的问题,提出了一种基于模糊熵聚类和粒子群优化算法的MRI脑图像分割算法。首先在模糊熵聚类算法的基础上进行改进,设计了一种利用邻域空间信息的核化模糊熵聚类的新目标函数,然后提出一种基于改进粒子群优化的新算法,最后通过最优化目标函数对MRI图像的白质、灰质和脑脊液进行分割。选取蒙特利尔神经学研究所数据库中的MRI脑图像,将所提出的算法与现有的几种聚类分割算法进行比较,仿真实验结果表明,所提出算法能够解决模糊聚类对噪声和初始化敏感的问题,实现了对高噪声MRI图像的精确分割。     

基于Sugeno补的广义模糊熵阈值分割方法

鉴于传统的基于模糊熵的图像阈值分割方法对于光照不均匀图像的分割结果很不理想,该文提出了基于Sugeno补的广义模糊熵图像阈值分割方法。首先按照Sugeno补函数不动点的变化,对一幅图像产生9个阈值,然后利用图像分割质量评价指标对这9个阈值进行评价,最后选择使得评价指标最大的阈值作为最优的阈值。与传统的模糊熵阈值分割方法相比,新方法增加了选择更好的分割结果的机会,对于光照不均匀的图像能够获得比传统模糊熵方法更好的分割效果。     

图象多通道小波分析的实现

小波变换是近年来兴起的一种时频城信号分析理论，是信号分析处理的一种强有力的新工具．本文根据小波变换的特点，在Mallat多分辨分析的基础上，将小波的“多通道”多分辨分析，推广到了“多通道”多分辨分析、讨论了多通道小波分析的理论和实现方法，并将这一理论应用到了图象处理，实现了图象的多通道小波分析．     

共轭梯度法训练小波神经网络

将小波神经网络运用到故障诊断系统中。并根据小波网络构造原理，给出一种新的小波网络训练算法——共轭梯度法。实验证明小波网络比传统的BP网络收敛速度快、抗干扰能力强和对模糊边界数据识别性能优越。     

基于小波分维的红外图像边缘检测

根据小波变换与分形理论在认识事物的本质上都是基于从总体向局部、从宏观向微观的自相似原理,提出一种以小波作为标尺来定义分维数的思想,将小波变换看作是用小波标尺对信号进行度量,建立一种以信号的细节分量之和作为度量参数的小波分维数.应用小波分维数对红外图像进行边缘提取,实验结果表明该方法简单有效、优于传统的几种边缘提取算子.     

一种结合Contourlet和小波变换的图像编码算法

该文提出了一种Contourlet变换和小波变换相结合,使用新的空间方向树的类似SPIHT编码算法。该算法先对图像进行Contourlet变换,再对变换后的低频子带进行多级小波变换,然后根据变换后系数的结构特性,借鉴小波SPIHT编码思想,构造了一种新的空间方向树,实现了对变换后系数的类似SPIHT编码。仿真实验结果表明,该算法与小波变换,Contourlet变换和基于小波的Contourlet变换的SPIHT算法相比,重构图像保留了更多的纹理和细节信息,并且在低比特率下具有较高的峰值信噪比。     

M带小波变换在图象中的应用

小波变换是近年来兴起的一种时频域信号分析理论,是信号分析处理的一种强有力的新工具.本文根据小波变换的特点,在Mallat二带多分辨分析的基础上,讨论分析了信号的多带多分辨分析的理论和实现算法,并将这一理论和算法应用于图象处理,取得了满意效果.     

基于小波包变换的多载波调制解调算法及其DSP实现

小波包调制(WPM)是基于小波包理论的一种新型多载波调制方式。国内外以往的研究主要集中在方案研究和性能仿真方面,本文提出了DSP实现小波包调制的方案并用高速DSP芯片实现了小波包调制的快速算法及代码优化。实时运行结果表明:用高速DSP芯片可以满足WPM所需的大计算量和高速移动通信的要求。     

基于整数小波变换和改进嵌入零树编码的图像压缩

整数小波变换(IWT)具有输入输出都是整数、只需进行位内运算、便于硬件实现等优点,特别适于图像的无损压缩;而在有损压缩方面,其效果通常稍逊于传统的离散小波变换(DWT)。为了提高IWT图像有损压缩的性能,该文采用基于提升格式的IWT,结合基于形态膨胀运算的改进嵌入零树小波编码(EZW)方法。实验结果表明,在没有增加运算复杂度的情况下,此算法与传统的DWT相比,提高了峰值信噪比(PSNR),具有较好的有损压缩效果。     

传输图像的子波域插值恢复算法

在丢包信道中传输子波编码图像时,存在图像重构问题.本文提出了一种新的图像恢复算法—树恢复子波域插值算法,可以用于恢复丢失的子波树系数.该算法利用二维子波变换具有的水平和垂直方向边缘检测能力,采用数学形态学膨胀运算,恢复已丢失的表示边缘信息的高频系数.为了保持图像边缘的尖锐性和方向性,本文采用了高频系数指导下的低频系数恢复技术.文章最后给出的仿真结果验证了该算法的有效性.     

基于小波变换的酉ESPRIT波束赋形技术研究

为了解决酉旋转不变子空间波束赋形算法在低信噪比环境下性能急剧下降的问题,提出了基于小波变换的酉ESPRIT算法。该算法在分析运算特点后有效调整运算顺序以控制计算量,利用小波变换去噪原理,能在低信噪比及阵元数有限的条件下正确估计来波方向。仿真结果表明,与传统ESPRIT算法及酉ESPRIT算法相比,该算法在低信噪比且不增加阵元数的情况下能更加准确地分辨来波方向。     

基于仿生小波的阈值语音增强算法

人耳对于声音信号的分辨率是非线性的,而仿生小波变换正是由非线性的耳蜗听觉模型发展而来。文章提出一种基于仿生小波变换的语音信号去噪方法,同时针对软硬阈值函数的不足,采用一种修正的硬阈值函数进行处理。仿真结果表明,该方法具有较好的增强效果。