基于遗传算法的图像模糊增强处理方法的研究

文章根据图像的模糊特性,将图像中象素的灰度等级作为模糊特征,采用模糊增强算法实现了图像的模糊增强,并且采用改进的遗传算法对图像模糊增强的灰度阈值进行了最优选择。实验结果表明,新算法比传统的图像增强方法获得了较高的清晰度;寻优后的灰度阈值显著地提高了图像的增强效果。     

模糊自适应遗传算法

针对标准遗传算法在实际应用中存在的早熟问题,设计了标准遗传算法的一种改进形式--模糊自适应遗传算法.该算法是利用种群的方差和熵来衡量种群多样性,并根据每代种群的方差和熵设计模糊推理系统来自适应控制交叉概率和变异概率.通过多峰函数优化问题的仿真实验,表明了该模糊自适应遗传算法的可行性和有效性.     

基于遗传算法的图像分割处理技术研究

旨在使用遗传算法对带有底部噪声的图像进行处理,并通过对遗传算法的改进实现处理效果的提升。结合图像分割阐述了遗传算法的工作机制,分析了适应度计算、选择、交叉和变异等主要模块的设计方法,阐明了代沟与优秀个体的关系、不同代间的个体替换关系、交叉点的选取方法与变异位置的选择、种群数量的保持等关键性问题,并给出了参数设置的具体值。使用该算法对带底部噪声的图片进行了处理,结果表明传统遗传算法可以将目标图像从存在噪声的背景中分离出来,但处理时间为7.416 s。为提高处理效率,利用进化代数和个体的适应度值自适应地调整种群的交叉概率和变异概率对传统算法进行了改进。使用改进的遗传算法对同一噪声图像进行了分割处理,结果表明改进后的遗传算法图像分割效果更佳,处理时间仅为0.751 s,效率提高了近10倍。     

基于模糊规则优化的改进模糊遗传算法

该文针对遗传算法的特点,提出了一种基于模糊规则优化的改进模糊遗传算法及其算法结构,即用模糊控制的方法来调整遗传算法中的交叉概率和变异概率,同时寻找与控制对象相匹配的最佳模糊规则。在数学函数上的仿真结果表明,此种模糊遗传算法不仅加快了解的收敛速度,而且大大提高了解的质量。     

模糊C均值聚类图像分割的改进遗传算法研究

基于模糊C均值（FCM）聚类算法,并利用遗传算法全局随机搜索的特点,提出了一种图像分割的改进遗传算法。该算法首先采用一种初值化算法确定合适的遗传算法的初始搜索范围,然后对遗传算法中的编码方式、交叉算子、变异算子等参数进行了一些适当改进,进而给出了该算法的理论推导和算法的具体实现步骤。该算法除了解决模糊C均值聚类算法在医学图像分割中容易陷入局部最优解的问题,而且采用的初值化算法比标准的遗传模糊C均值聚类算法能确定更合适的遗传算法的初始搜索范围,从而加速了遗传算法的收敛过程。实验表明,该方法相对于标准的遗传模糊C均值聚类算法,效果要好得多。     

基于改进遗传算法的交叉口模糊控制研究*

为了改善城市道路交叉口交通信号控制,降低交叉口车辆延误,提出了一种基于改进遗传算法优化的模糊控制方法。在优化模糊控制器的过程中,为避免出现“早熟”现象,采用改进的自适应遗传算法,在进化过程中动态调整种群中适应度值最大个体的交叉概率和变异概率,使种群进化不会处于一种近似停滞不前的状态。为了检验该控制方法的性能,以交叉口车辆平均延误作为性能评价指标,在相同交通条件下进行了仿真实验。结果表明,相对于普通模糊控制器,经过改进遗传算法优化的模糊控制器能有效减小交叉口车辆的平均延误,提高交叉口的通行能力。     

基于改进双种群遗传算法的模糊控制器的优化

遗传算法是一种自适应、启发式、群体型、概率性、迭代式全局收敛算法,利用遗传算法的良好的搜索特性来优化模糊控制器,可以取得很好的控制效果.本文对传统的双种群遗传算法进行了归纳和分析,在此基础上提出了一种改进的双种群遗传算法(CGDPGA).将此改进算法用于优化模糊控制器的隶属度函数、量化因子和比例因子来实现模糊控制器的全...     

基于模糊遗传算法的神经模糊控制器的综合优化

针对遗传算法的特点，提出一种用模糊控制的方法来调整交叉概率和变异概率的改进模糊遗传算法及其算法结构，并将其应用于神经模糊控制器的综合优化设计。在以二阶模型为控制对象的仿真结果表明，此种模糊遗传算法不仅加快了解的收敛速度，而且大大提高了解的质量。     

变焦遗传算法优化变增益模糊ARX模型研究

针对传统ARX模型对非线性系统模型辨识精度比较低的问题,进行了模糊模型和ARX模型相关优化算法的调查,介绍了遗传算法优化模糊模型的现状,提出采用改进变焦遗传算法优化变增益模糊ARX模型参数的方法以提高模型的辨识精度。改进的变焦遗传算法能在不同前代种群情况下更新不同数量基因,以提高搜索速度;用不同的概率选择交叉位置,可避免早熟现象,并能在较短时间内达到最优或次优解。变增益模糊ARX模型可根据非线性系统的变化改变其增益,使模型的辨识精度提高。利用改进变焦遗传算法的优点,对变增益模糊ARX模型的参数进行优化,并通过两入两出多时滞离散非线性系统进行试验仿真。试验结果证明了改进变焦遗传算法优化变增益模糊ARX模型参数的方法能提高模型辨识精度,表明了提出的优化方法的有效性,为变焦遗传算法与模糊模型的结合提供了一种途径。     

基于模糊规则优化的改进FGA算法

针对多目标遗传算法的特点，基于模糊集理论，提出一种基于模糊规则优化的改进模糊遗传算法及其算法结构，即用模糊控制的方法来调整遗传算法中的交叉概率和变异概率，同时寻找与控制对象相匹配的最佳模糊规则．在数学函数上的仿真结果表明，此种模糊遗传算法不仅加快了解的收敛速度，而且大大提高了解的质量．     

模糊集与非线性增益相结合的自适应图像增强算法*

提出了一种模糊集增强与非线性增益相结合的自适应图像增强算法,使用双正交小波变换对原始图像进行分解,低频子带系数采用改进的模糊集增强算法,以提升图像的整体对比度;对高频子带,先采用贝叶斯萎缩法估计噪声与信号的阈值,再使用一种非线性增益函数增强图像细节并抑制噪声。对算法中影响增强效果的关键参数进行了研究,并提出了一种模糊集增强算子的阈值选取算法,能够实现不同图像自适应参数选择;将信息熵作为非线性增益函数的参数选取准则,并针对算法中排序算法运算量过多导致算法时间过长的情况,提出了一种替代求解方法,极大地提高了算法效率。对算法进行仿真,结果表明：算法能够有效提升对比度、增强图像细节并抑制噪声,可以明显改善图像的视觉效果,具有参数自适应、算法效率高等优点。     

A rank ordered filter for medical image edge enhancement and detection using intuitionistic fuzzy set

This paper gives a novel scheme using intuitionistic fuzzy set theory to enhance the edges of medical images. Medical images contain lots of uncertainties, as they are poorly illuminated and fuzzy/vague in nature. So, direct segmentation techniques will not produce better results. There are lots of researches on edge enhancement starting from non-fuzzy to fuzzy set, but proper enhancement (highlighting important structures) is not obtained. Enhancement of edges helps in recovering the important structures that are not visible properly. Even minute pathological blood vessels/cells are not visible properly and in that case edge enhancement will enhance these blood vessels/cells. Intuitionistic fuzzy set theory is found suitable in medical image processing as it considers more (two) uncertainties as compared to fuzzy set theory. In the processing phase, image is initially converted to intuitionistic fuzzy image and intuitionistic fuzzy entropy is used to obtain the optimum value of the parameter in the membership and non-membership functions. Then it computes the total variation of the pixels with respect to the median value of the image window (rank order filtering). This enhances the borders or the edges of the image. The resulting image is then segmented (edge detected) using standard Canny's edge detector, when simply using Canny's edge detector does not give better result. From the result it is observed that on comparing with non-fuzzy and fuzzy methods, the proposed method gives better information about the images, which is helpful to the pathologists in accurate diagnosing of diseases.     

Interactive Image Enhancement by Fuzzy Relaxation

In this paper,an interactive image enhancement(IIE)technique based on fuzzy relaxation is presented,which allows the user to select different intensity levels for enhancement and intermit the enhancement process according to his/her preference in applications.First,based on an analysis of the convergence of a fuzzy relaxation algorithm for image contrast enhancement,an improved version of this algorithm,which is called FuzzIIE Method 1,is suggested by deriving a relationship between the convergence regions and the parameters in the transformations defined in the algorithm.Then a method called FuzzIIE Method 2 is introduced by using a different fuzzy relaxation function,in which there is no need to re-select the parameter values for interactive image enhancement. Experimental results are presented demonstrating the enhancement capabilities of the proposed methods under different conditions.     

Color image enhancement by fuzzy intensification

A Gaussian membership function to model image information in spatial domain has been proposed in this paper. We introduce a new contrast intensification operator, which involves a parameter t for enhancement of color images. By minimizing the fuzzy entropy of the image information, the parameter t is calculated globally. A visible improvement in the image quality for human contrast perception is observed, also demonstrated here by the reduction in ‘index of fuzziness’ and ‘entropy’ of the output image.     

系数型指数模糊熵在图像增强中的应用

在研究已有模糊熵的基础上,提出了一种系数型指数模糊熵的图像增强方法。先将图像进行模糊划分后变换到模糊域,然后利用提出的模糊熵计算图像的模糊熵,并且在最大熵准则下用模拟退火算法求取最佳阀值,利用增强算子进行图像增强。实验结果表明,该算法对图像有一定的增强效果。     

基于二维直方图的图像模糊聚类分割新方法

基于二维直方图的模糊聚类分割算法可以有效地抑制噪声的干扰。但是,FCM算法用于图像数据聚类时的最大缺陷是运算的开销太大,这就限制了这种方法在图像分割中的应用。该文根据FCM算法和灰度图像的特点,提出了一种适用于灰度图像分割的抑制式模糊C-均值聚类算法(S-FCM)。通过调节抑制因子α来提高分割速度和分类的正确率。实验结果表明,新算法对小目标灰度图像的分割效果优于FCM算法。     

医学B超图象的模糊增强处理方法

本文根据B超图象的灰度特性,选用象素的相对灰度等级作为模糊特征#在对图象作灰度线性变换和中 值滤波的基础上#采用模糊算法实现B超图象的模糊增强处理.实验表明通过调节模糊参数可显著提高图象的增 强效果.     

一种基于粒子群算法的模糊隶属函数优化方法

在分析图像模糊增强算法对于隶属函数及其模糊区域选择方法不足的基础上,提出一种新的基于粒子群算法的模糊隶属函数优化方法。该方法给出一个新模糊熵的定义,这个新模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时又考虑到图像在空域中划分区域时随隶属函数变化而变化的情况。这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息。另外,根据图像增强算法中使用double型数据类型的特点,采用改进粒子群优化算法寻求隶属函数的最优参数。将新算法应用于图像增强中,取得了优于现有大多数模糊增强算法的效果。     

基于参数型模糊熵的图像分割新方法

直方图阈值法因其简单性和抗噪性在图像处理中得到了广泛应用。针对传统模糊熵阈值法对图像分割最佳阈值选取缺乏鲁棒性的问题,提出了参数型模糊熵图像分割新方法。该方法对图像分割最佳阈值选取具有良好的鲁棒性,适当调整参数可获得满意的视觉分割效果。实验结果表明,提出的方法是可行的。     

基于模糊增强的彩色边缘检测研究

针对灰度图像易丢失有用信息,以及边缘较模糊的图像其边缘检测结果不准确等问题,本文提出基于模糊增强的彩色边缘检测方法。该算法首先将彩色图像转换到YUV,空间 ,然后在图像的模糊特征平面上进行模糊增强,并合理使用亮度、色度等信息进行彩色边缘检测,最后二值化。实验结果表明,该算法是有效的。