基于粗糙集理论的SAR图像speckle滤波方法

针对合成孔径雷达(SAR)采用主动式相干波的成像方式,在从原始信号到图像的重建过程中存在斑点噪声的干扰的问题,根据粗糙集理论的条件属性把SAR图像像素分成三类:均匀区域类、非均匀区域类和包含分离点目标类.对不同的像素类采用不同的滤波方式,然后合并三类子图像得到SAR图像的speckle滤波的图像.该方法既可除去图像中的斑点噪声,又可保留图像中的细节特征,有利于对图像的后续处理.     

核医学图像的平滑及自适应增强算法

针对核医学图像的特点,提出核医学图像的邻域加权平滑和自适应增强算法,用于去除图像噪声和增强图像,以改善图像的视觉效果,提高对核医学图像判读的正确性     

基于图像噪声检测的平滑方法研究

针对含有椒盐噪声的图像,首先利用了TSMD阈值方法将图像二值化,有效地检测了图像的噪声,然后估算出了噪声图像的SNR,比较了与原噪声图像SNR的差异程度,得到了相应地质量评价方法,最后通过选择性中值滤波的方法去除了图像上的噪声.结果表明:相比于全局中值滤波方法,该方法能够有效地去除椒盐噪声,保留更多的图像细节,对图像的影响较小.     

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。     

一种改进的偏微分方程图像平滑方法

针对退化扩散方程在图像平滑时对角点的圆弧化,提出由梯度及其正交方向上的二阶方向导数共同决定扩散速度。在图像的角点位置上,扩散速度趋于零,在线条点位置上,扩散速度由梯度的模值来决定,并在与梯度正交的方向上进行平滑,在灰度变化不大的区域上,采用传导系数为常数的热方程进行平滑。文中的理论上说明了扩散速度的构造方法。实验结果表明,该扩散模型在对图像进行平滑的同时,对特征点的保留是明显的。     

一种新型的数字图象局部平滑方法—分类平滑法

噪声平滑是数字图象处理技术不可缺少的环节,寻找高效的噪声平滑方法是图象处理一个活跃的课题。本文从图象的灰度结构模型出发,使用模式识别的最短距离分类,提出一种新型的分类平滑算法。本算法将待处理图象的每个邻域都按灰度特征进行分类,不同类赋于不同的平滑方法,因此本方法无论从去噪能力(包括去除脉冲噪声能力)及保持边缘能力上均优于常用的平滑,法,特别在计算速度上具有明显的优越性。     

基于水平集曲率的图像滤噪与增强

分析了用于图像滤噪与增强的滤波技术特点，并针对偏催分方程（PDE‘s）模型给出新的数值计算方案，特别，多局部水平集曲率计算为算法的精细化提供了保证，在使用PDE‘s模型处理前,Canny边缘检测和数学形态学方法被应用估测边缘，滤除部分虚假边缘点，为针对不同区域折中使用不同的滤波方法提供了前提条件，实例分析以较小的计算量取得了较好的视觉质量。     

一种基于双谱的图像噪声去除方法

为了消除或衰减图像上的噪声，同时尽可能地保留图像细节，提出了一种基于双谱的图像平滑去噪法。该方法根据双谱对高斯噪声不敏感(即高斯噪声的双谱为零)的特性，对一个像素点采用其梯度和最小的几个点的灰度平均值来代替其灰度值，以便对噪声进行平滑滤波的同时，最大限度地保留图像的细节信息。仿真结果表明，该方法较好地实现了这个要求。与常用的中值滤波相比，该方法处理后的PSNR可提高1dB。     

噪声边界的平滑处理

本文研究计算机图像处理中的噪声边界平滑技术，包括色块边界跟踪，边界曲线光滑，区域填充，区域收缩四个部分。文中提出联合边界的概念，从而减少了运算量；对传统的填充算法－－奇偶校验法进行改进，设计了简洁可靠的判断方法；把二维表（填充数据）改为一维表，则大大节约了存储空间。     

基于粗糙集和小波的遗传算法图像分割

粗糙集理论是一种新的处理模糊和不确定问题的数学工具,小波分析具有良好的时频局部化特性,遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法.提出了一种基于粗糙集去噪和小波细节增强,利用遗传算法进行图像分割的方法.实验结果表明,方法十分有效.     

基于粗集理论的神经网络

在分析了粗集理论方法和人工神经网络方法两者各自的特点与共同之处后,首先探讨粗集学习与神经网络学习的结合方法,然后提出一种基于粗集预处理的神经网络系统,最后给出一个基于粗集方法作为信息预处理的神经网络文字识别的例子,来说明基于粗集的神经网络系统的优越性     

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。     

基于粗集方法的图像识别系统

提出了基于粗集理论的一种图像识别系统。该系统包括图像预处理、特征提取、决策表生成、条件属性简化等。运用粗集方法，能有效地压缩图像特征数目从而大大提高运行速度     

高型粗糙模糊集及高型模糊粗糙集

定义了L型粗糙模糊集（L型RF集），给出了其相关性质，进而引进了高型粗糙模糊集（高型RF集），它比普通的RF集具有更高层次的粗糙模糊性，可用于人们对粗糙模糊现象的描述，增强人们对自然语言的表达能力，平行地，最后研究了高型模糊粗糙集（高型RF集）。     

粗糙集理论在图像增强处理中的应用

对粗糙集理论在图像主要特征提取、图像自动识别与边界检测等方面的应用方法进行研究.采用地学实地野外调查中获取的彩色图像作为实验对象,选用表征颜色、纹理的17个特征属性作为条件属性构建决策表,通过属性约简、分类和规则提取指导图像处理,最终实现了对目标地物的分类分区增强处理及区域边界划分.实验结果表明:该方法可以较好地对图像进行分区处理和边界划分,结果较令人满意;并且得出影响实验图像分区的主要条件属性为蓝色标准偏差、红色方差、红色与蓝色相关性、彩色特征、对比度及熵.     

数字图像的平滑

一幅原始图像，在获取和传输过程中，会受到各种噪声的干扰，使图像退化，质量下降．退化会引起图像模糊，特征淹没，对分析图像不利．为了抑制噪声改善图像质量进行的处理称为图像平滑或去噪．数字图像平滑处理可以在空间域或频率域中进行．分析图像平滑处理方法，对相关方法的适用场合进行探讨，并且给出实现程序．     

基于模糊粗糙集理论的视觉特性图像增强

为了更准确地描述在图像增强中可能会出现的一些不完整性和不确定性问题,提高图像处理的效果,本研究提出了一种基于模糊粗糙集理论的视觉特性图像增强算法．该算法利用模糊粗糙集理论,依照图像的视觉特性,采用传统的图像增强方法进行图像预处理．实验结果证明,该算法比传统的图像增强方法效果更好．     

基于Rough集和蚁群算法的属性约简方法

属性约简是个NP难问题,目前已有很多解决方法,但是每种算法由于其自身的局限性,只适用于特定条件下的求解。蚁群算法是较新的仿生优化算法,在解决各类组合优化问题中都取得了很好的效果。提出一种基于Rough集和蚁群算法的属性约简方法,能够克服传统蚁群算法在前期收敛速度慢的问题,并通过实验验证了该方法的有效性。     

多粒度粗糙直觉模糊截集的研究

直觉模糊集和多粒度粗糙集的融合是一个研究热点.针对多粒度粗糙直觉模糊集的表示问题,根据直觉模糊集的分解定理和截集理论,构造了乐观和悲观多粒度粗糙直觉模糊集模型,定义了乐观和悲观多粒度粗糙直觉模糊集上下近似集,并证明了多粒度粗糙直觉模糊集的一些性质,同时提出了一个新的直觉模糊集的相似度公式.最后通过小麦长势评估实例,分析讨论了乐观和悲观多粒度粗糙直觉模糊集模型的有效性.     

基于粗糙集理论的高招预测研究

粗糙集理论是一种处理不确定性问题的有效分析工具,具有较强的学习——预测能力。在前人研究的基础上构造了粗糙集理论的属性约简算法和规则提取算法,并用此算法对某高校的招生报名数据库进行分析和预测,从中挖掘出一些有用的规则和信息,对高校的招生工作、专业设置等具有一定的指导意义。