基于粗集方法改进的图象增强

研究一个基于粗集理论改进的图象增强方法,首先根据图象灰度和邻域灰度均值相似程度,建立粗集等价关系和相应划分集合,然后得到基于粗集方法的图象增强框架,提出该方法具体实现.该图象增强与传统增强方法相比较,在增强图象边缘的同时,很好地保留非边缘信息,并且能有效抑制噪声.     

基于粗集方法改进的图象增强

研究一个基于粗集理论改进的图象增强方法，首先根据图象灰度和邻域灰度均值相似程度，建立粗集等价关系和相应划分集合，然后得到基于粗集方法的图象增强框架，提出该方法具体实现。该图象增强与传统增强方法相比较，在增强图象边缘的同时，很好地保留非边缘信息，并且能有效抑制噪声。     

基于粗集方法改进的图象中值滤波

研究一个基于粗集理论的图象中值滤波方法。首先根据图象灰度和邻域灰度均值相似程度,建立粗集等价关系和相应划分集合,然后得到基于粗集方法的图象中值滤波框架,给出了该方法具体实现的实例。该图象中值滤波与传统中值滤波方法相比较,在有效抑制噪声的同时,能更好地保护边缘信息。     

一种使用（ε,δ）连接区域分割图象的新算法

图象中目标具有相似灰度特征，在分割中，我们应考虑区域的整体灰度以及邻象素灰度的变化，它们依靠于范围参数ε和毗邻参数δ。本文介绍了灰度图象的（ε，δ连续区域及其模糊边缘测度，提出了通过相对模糊边缘度调整（ε，δ）参数，利用（ε，δ）目标连接集分割图象的一种新算法。实验结果表明该算法分割效果较好，提取边缘精度较高。     

检测噪声图象边缘的CPR法

本文提出一种噪声图象中检测边缘的新方法.该方法从图象的灰度概率域入手,将概率谱分为两个等面积的集群.通过判定集群间距离检测图象的边缘.理论分析与实验结果表明这种方法具有较强的对噪声图象的边缘提取能力.     

汽车图象中字符目标的提取算法

针对汽车图象的复杂背景和多变的光照条件,提出一种用于汽车图象的字符目标提取算法,该算法采用了基于边缘分析的二值化算法结合自适应的形态滤波方法,对字符图象的灰度和纹理分布进行了分析,设计了一种基于一维边缘分析的二值化方法,与其他传统分析方法比较,该方法在运算速度和抗干扰能力上明显优势,在对二值化图象进行分割时,不采用固定形态滤波结构元素,而是根据子域及其邻域关系自适应地调整用于滤波的结构元素,更有效     

工程扫描图象去噪和细化处理

针对工程扫描图象的特征，提出一种简单的基于密度划分的去噪算法和细化方法．基于密度划分的原理，定义了密度函数，讨论了灰度图象和黑白二值图象的情况．给出了一种直接根据中心像素8-邻域情况进行细化的算法．实验证明，该方法对工程扫描图象处理速度较快，实现简单．对各种质量的扫描图象均能在有效去除噪声的同时，锐化了图象的边缘，细化效果较好。     

运动模糊图象的边缘检测

本文提出一种在运动模糊图象中检测边缘的方法。因为仅仅考虑图象的边缘信息,不涉及图象的大面积灰度,所以检测过程不需要先验知识及待调整参数。经过一次微分及一次边缘检测处理,模糊图象化为移动前边缘图象与移动后边缘图象的迭加,再经过移位和门限处理,即可检测出未经模糊的边缘图象。计算机模拟实验示出,这种方法是可行的。     

基于排序统计的图像边缘增强滤波

主要研究了如何对受混合噪声污染的模糊图像进行边缘增强滤波,并提出了一种基于排序统计的图像边缘增强滤波算法,该算法将输入样点集划分成两个具有不同灰度值的子集,通过子集的运算值之差判断边缘是否存在。如果边缘存在,则通过判断滤波窗位于边缘的哪一侧来选择某个子集的输出运算值以增强边缘的梯度;如果边缘不存在,则考虑进行噪声的平滑,计算机模拟实验表明,基于排序统计的图像边级增强滤波器在增强边缘的梯度的同时,能     

适于路面破损图像处理的边缘检测方法

根据路面图像存在的背景不均、损坏比例低和损坏方向不规则的问题,提出了适于路面损坏图像处理的边缘检测方法.在传统边缘检测方法的基础上,引入了预处理和边缘增强.其中预处理包括背景校正、高斯平滑、灰度直方图变换,并提出有效灰度区间的概念;边缘增强则采用了数学形态学的膨胀运算和中值滤波.针对路面损坏图像实例,采用8方向Sobel算子和最大类间方差分割算法,按照上述流程进行边缘检测.结果表明,该方法能有效降低噪声对路面图像处理的影响并最大限度地保留图像中的损坏特征,而背景校正和基于有效灰度区间的灰度直方图变换则是该方法的关键.对经过预处理的边缘图像,最大类间方差法可取得理想的分割效果.     

一种D-S证据推理的BPA获取方法

针对多传感器数据融合中D-S证据推理方法的基本概率赋值获取存在主观性的问题,结合粗糙集理论,通过定义规则强度和决策扩充规则,提出一种基于决策表的证据获取和基本概率赋值客观确定方法,并以具体算例验证了方法的正确性和有效性。     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

基于AHP和粗糙集的二阶段评价方法研究

通过分析AHP在求解过程中存在的不足,结合粗糙集理论强大的定性分析能力,提出了AHP和粗糙集相结合二阶段求解的基本思路,并针对物流服务商评价问题的一个具体实例,阐述了如何应用AHP和粗糙集二阶段方法对物流服务商进行评价。评价结果表明,新提出的二阶段评价方法与AHP、AHP-TOPSIS方法、突变理论相比较,它对于最优企业的选取,无疑是一个重要的决策参考。     

基于粗糙集的属性约简优化算法研究

属性约简是粗糙集理论中一个核心研究问题,在对粗糙集中属性约简相关理论研究的基础上,提出了一种新的基于属性重要性和依赖性相结合的GENRED_GROWTH属性约简算法.并通过CUI机器学习数据集测试实验,验证了该算法的有效性.     

用 Rough Sets 理论研究烟草品质与其化学成分的关系

概述了ＲｏｕｇｈＳｅｔｓ理论，并用该理论研究了烟草品质与其主要化学成分的关系．同时，提出了一种研究烟草品质的新方法．     

一种基于综合智能计算的模拟电路故障诊断方法

文章针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于粗集-主成分分析的模拟电路故障诊断的方法。这种方法利用粗集理论属性约简、数据归一化、主成分分析对输入数据进行预处理,提取主要参数,然后利用神经网络对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。对标准电路仿真结果表明:该方法能够实现快速故障检测与定位,具有准确率高的特点。     

一种基于综合智能计算的模拟电路故障诊断方法

文章针对目前模拟电路故障诊断中存在的容差和非线性特性所带来的诊断难点,提出了一种基于粗集-主成分分析的模拟电路故障诊断的方法。这种方法利用粗集理论属性约简、数据归一化、主成分分析对输入数据进行预处理,提取主要参数,然后利用神经网络对各种状态下的特征向量进行分类决策,实现模拟电路的故障诊断。对标准电路仿真结果表明:该方法能够实现快速故障检测与定位,具有准确率高的特点。     

一种基于Rough集理论的偏好规则获得方法研究

提出一种多准则方案对偏好程度粗度量的一般方法。构造了一种从参考方案集中获取偏好规则并用于全体方案排序和优选的方法。将参考方案对应的偏好关系定量分级表示，应用Rough粗集理论的近似原理对综合偏好关系进行粗近似以获取基于偏好信息的决策规则。计算实例表明新方法能充分表示决策者的偏好，有效避免了LERS系统产生的规则不一致性。     

基于粗糙集理论与变权综合的企业质量技术信用评价

提出一种基于粗糙集理论中的属性约简并结合变权综合决策构建企业质量技术信用评价体系的方法.通过用例分析表明,该体系能更合理地给出企业质量技术的信用评价.     

基于粗糙集理论的图像中值滤波

介绍了粗糙集理论的概念，利用粗糙集理论进行了图像中像素值的分类，提出了一种基于粗糙集理论的图像中值滤波算法，进行了仿真试验，并和传统的图像中值滤波结果进行了视觉上的比较和峰值信噪比指标的比较。实验结果和峰值信噪比指标表明，该算法能有效地滤除图像中的随机脉冲噪声和椒盐噪声，还能使图像保持很好的清晰度。