基于一种新模糊增强算子的图像边缘检测算法

借鉴广义模糊集的特性,提出了一种新的模糊边缘检测算法:利用一个简单的隶属度函数将空域图像转换到[0,1]的普通模糊域;然后通过一个简单的增强算子先将其扩展到[-1,2];由于一般情况下物体域(物体内部区域)主要以高灰度为主,背景域(物体背景区域)主要以低灰度为主,而过渡域(物体边缘区域)则以高梯度为主,本算法目的是对图像进行边缘检测,先不对它进行转换或截断,而将其转换到图像准灰度域,相当于把图像的物体域和背景域放到了[0,255]的区域以外;然后采用"min"或"max"算子进行所谓的边缘提取,最后将提取的"边缘"数据进行截断处理,从而将图像数据转换到图像的空间域,即图像的灰度域。从边缘检测结果来看,本算法更适合于低对比度、含有较精细部分以及纹理丰富的图像检测,且耗时较小。     

基于多尺度模糊逻辑的小波边缘检测方法

针对非极大抑制法中由于单一选定阈值所带来的确定性对边缘提取效果的影响,提出了一种新的基于模糊逻辑的图像边缘检测方法,即在不同尺度下实现图像的模糊增强,从而提高边缘检测精度.该方法对图像分别在不同尺度下低通滤波后实施广义模糊增强算法,增强灰度的区域对比度,更好地实现了在大尺度下抑制噪声、在小尺度下精确定位的效果.实验证明了该方法对影子(phantom)边缘的检测有较好的效果.     

应用小波包变换的图像加权广义模糊增强算法

图像边缘细节富含高频成分,鉴于小波包分析具有对高频分辨率高的特点,提出一种应用小波包变换的图像加权广义模糊增强算法。对图像进行小波包分解,分别对各分解子图像进行基于线性广义模糊算子（LGFO）的模糊增强处理,重构前对各增强子图像赋予不同的权值,通过小波包图像重构实现对原始图像的加权模糊增强处理,获得细节丰富、对比度强的高质量增强图像。在基于边缘测度与噪声标准差的增强图像质量评估标准下,算法实现了模糊参数的自适应寻优。实验表明,增强图像轮廓准确、细节丰富。     

基于模糊聚类和形态学的轮胎断面特征提取

针对轮胎断面图像中胶料之间灰度相差小,边界模糊性强,传统的边缘提取方法难以实现断面特征提取的问题,提出了1种将多层次模糊增强、模糊C均值聚类以及形态学等方法有机结合,用于轮胎断面特征提取的算法.该算法先将钢丝区域去除并对图像整体进行灰度变换,然后通过多层次模糊增强,增加胶料之间的对比度,再运用模糊C均值聚类分割出各胶料区域,并对各区域进行形态学处理并提取边界,最后将各区域边界叠加,加入钢丝区域,得到轮胎断面的特征.对不同光照条件下的轮胎断面图像进行试验.结果表明:该算法可以解决轮胎断面图像中胶料之间灰度差小的问题,并有效提取了轮胎断面中的胶料边界和钢丝特征,且对光照条件具有一定的适应性.     

一种新的模糊对比度增强算法

提出了一种新的基于模糊集合理论的图像模糊对比度增强算法．首先将图像从灰度域变换到模糊域;在预先设定图像空间像素模糊隶属度基础上引入了模糊对比度概念,而后在模糊域对模糊对比度进行非线性变换,得到增强后的模糊隶属度,最后将图像从模糊域变换到灰度域．由算法分析可知,利用模糊隶属度可以对图像的细节进行增强,图像的层次更加分明．通过对几例图像增强对比实验结果的分析,表明该算法是有效的．     

一种基于模糊增强的图像边缘提取改进算法

分析了Pal的模糊边缘提取算法的缺陷,即图像增强区域单一、图像增强后造成低灰度信息的损失、没有做抑噪处理,并针对Pal的模糊增强算法的缺陷提出一种改进的基于模糊增强的边缘提取算法,通过定义新的隶属函数和一种新的模糊增强算法,结合图像平滑滤波处理进行图像边缘提取,有效地增强了边缘信息且抑制了噪声的干扰,并给出了该方法在图像边缘提取中的应用实例。     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘； 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

基于广义模糊算子的工业RT图像增强

在分析传统的图像模糊增强算法缺陷的基础上,提出了一种广义模糊增强的方法。该算法通过引入广义模糊集合的概念,将图像映射到广义模糊空间,设计一个分段正弦函数作为模糊隶属度,并采用了相应的增强算子,利用广义模糊变换范围大的特点,通过对工业RT检测焊缝图像进行广义模糊增强处理,使图像获得令人满意的增强效果。引入模糊熵的方法分析增强效果,并分析了广义模糊增强算法中影响增强效果的因素。     

一种改进的核磁共振图像模糊边缘检测算法

文章针对模糊边缘检测传统算法即Pal算法的缺陷,提出了改进的边缘检测算法;通过定义有界函数作为隶属函数、采取更高效的模糊增强函数、引入P-M非线性扩散模型平滑图像噪声等措施,有效克服了传统Pal算法对低灰度、低对比度区域边缘检测效果差的缺陷;把改进算法用于对核磁共振图像的边缘检测,对比分析了不同边缘检测算法的边缘检测效果.     

算子的模糊范数及其空间性态的刻画

利用模糊分解原理提出模糊赋范线性空间上算子的模糊范数的定义，指出赋此范数的模糊有界线性算子集构成模糊赋范线性空间且保持值域空间的完备性．     

线性空间中的2-型模糊集

讨论线性空间中2型模糊子集,给出其为特殊2型模糊子集的充要条件,推广了线性空间中一般模糊子集的相应结果.     

广义模糊赋范空间中的收敛性

目的 证明广义模糊赋范空间中关于收敛的一些性质.方法 定义了广义模糊赋范空间,模糊收敛性,模糊有界性,柯西列和完备性.借助这些定义,证明了广义模糊赋范空间中序列的若干收敛定理.而且考虑了这种完备性和赋范空间中的完备性的关系.结果 证明了以下结果:模糊收敛序列的极限是唯一的;模糊收敛序列的任一子列模糊收敛到此序列的极限;模糊收敛的序列是柯西列;柯西列是模糊有界的;任一有模糊收敛子列的柯西列是模糊收敛的;存在不完备的广义模糊赋范空间.结论 说明赋范空间中的一些概念和结果可类似的在广义模糊赋范空间中建立.     

多级广义模糊综合评判在高校人才评价中的应用

研究了多级广义模糊综合评判算法,运用B/S与C/S相结合的系统结构及先进的计算机技术满足了高校中各类用户的使用需求,提出了基于模糊综合评判理论的高校人才评价系统的算法模型及解决方案.实用结果表明了算法模型的有效性、准确性和解决方案的科学性、合理性.     

基于佳点集遗传算法的边缘检测

为了提高遗传算法应用于边缘检测的收敛速度,提出了一种基于佳点集遗传算法(GGA)的边缘检测方法.该方法利用佳点集理论构造交叉操作使得子代保留最能代表其家族性能的双亲共同基因以提高算法收敛速度.在用遗传算法进行边缘检测之前,将图像的灰度值特征空间转换为模糊熵特征空间,然后运用模糊熵理论对图像进行相异性增强处理,滤去非边缘像素以便缩小解空间规模,为提高算法的收敛速度提供了另一个有效的途径.实验结果表明,所提出的图像边缘检测方法具有较好收敛效率,所检测出的图像边缘细节丰富、单边缘、定位准确.     

广义随机模糊集及其在多属性决策中的应用

研究了基于广义随机模糊集的多属性决策问题.首先根据隶属度函数的取值情况将经典模糊集的概念推广到广义随机模糊集,并介绍了相关运算法则及性质.然后讨论了几种广义随机模糊集的具体形式,说明了几种典型模糊集都可以用它来表达,并给出了基于取值分布的隶属度函数均值及离差公式.通过引入加权算术平均算子,利用集成方法将多属性的广义随机模糊集变为综合广义随机模糊集,从而进行决策.最后给出了具体的决策步骤并通过实例说明了该决策方法的有效性和合理性.     

变分分解模型的模糊增强算法

将分解模型应用到模糊增强算法中,用有界变分(BV)函数描述图像的结构信息,空间G描述图像的纹理信息,提出一种基于变分分解(BV-G)模型的模糊增强算法.给出算法原理和实现步骤,并通过多组对比实验验证该算法的可行性.     

模糊赋范空间上的有界线性算子

讨论了模糊赋范空间上线性算子的连续性与有界性,以及它们的范数形式的等价刻划。