基于图像距离测度的置乱效果评价法

提出了一种修改的图像距离进行图像置乱效果评价的方法。针对传统欧氏距离不能真实刻画置乱图像间差异程度的不足,考虑到图像中任意位置灰度信息与其周围邻域灰度存在紧密相关,将一种具有黎曼度量特性的图像距离进行修改并用来构造一种描述图像置乱效果好坏的评价函数。通过大量的实验得出,该评价方法是能够保持主客观评价的一致性。

确定RBF神经网络隐层节点数的最大矩阵元法

针对基于训练样本输入信息进行非监督聚类来确定RBF神经网络隐层节点数的方法存在利用信息不充分的缺陷,该文提出了一种新的确定RBF神经网络隐层节点数的方法。利用训练样本输入输出全部信息建立样本间的相似矩阵,然后采用最大矩阵元法来确定RBF神经网络隐层节点数。实验仿真表明,该方法是有效的。

三维不等长Arnold变换及其在图像置乱中的应用

传统的二维Arnold变换和三维Arnold变换在图像置乱过程中仅能改变图像的像素位置,导致图像置乱效果不理想.为此,利用二维等长Arnold变换构造三维等长Arnold变换的原理,将二维不等长Arnold变换及其反变换进行推广,得到了一种三维不等长Arnold变换及其反变换的算法.该算法将平面图像一一映射为立体空间二值图像,对其像素位置的置乱和恢复间接地改变了平面图像的像素位置和像素值大小;并采用小波多级分解和信息论相结合的方法实现了图像置乱效果的评价.实验结果表明,采用文中算法是可行的,对于图像置乱结果的评价与人的视觉感知基本相符.

基于差分互信息距离的图像置乱效果评价法

提出了差分图像和互信息距离相结合的图像置乱效果评价新方法。首先提出了互信息距离概念,然后对置乱前后图像进行差分运算并得到其相应的差分图像,最后计算两差分图像之间的互信息距离作为图像置乱效果评价的新准则。实验结果表明,所提出的评价方法能够较好地刻画图像的置乱程度,反映了加密次数与置乱程度之间的关系,与人的视觉基本相符。而且对于不同的图像,该评价方法能在一定程度上反映所用的置乱变换在各置乱阶段的效果。

基于数据划分最大信息的聚类有效性函数

基于样本最大分类信息的改进划分系数仅仅利用了数据的模糊分类信息 ,为了将数据分类的几何结构信息考虑进去 ,结合数据分类的最大类内变差 ,提出一个聚类有效性标准 .实验结果表明 。

基于模糊熵的人力资源结构优化配置

本文提出基于模糊熵的人力资源结构优化配置方法 ,并对现有人力资源结构合理性和协调性程度进行了科学评价。

奇异值分解用于图像置乱程度评价研究

提出了基于奇异值分解的图像置乱程度评价新方法。首先求置乱前后两图像灰度值差的绝对值矩阵;其次计算灰度差绝对值矩阵与其转置矩阵之积并进行奇异值分解;最后根据所得奇异值构造一个离散概率分布并计算其信息熵作为图像置乱程度评价函数。实验结果表明,所提出的评价方法能够较好地刻画图像的置乱程度,反映了加密次数与置乱程度之间的关系,与人的视觉基本相符。而且对于不同的图像,该评价方法能在一定程度上反映所用的置乱变换在各置乱阶段的效果。

基于模糊散度理论的图像置乱程度评价研究

提出了基于模糊散度理论的图像置乱程度评价新方法。首先对置乱前后图像中任意像素所对应二阶邻域系统构造一个模糊集并定义其隶属度;其次计算图像中各像素所对应二阶邻域系统模糊集及其补集之间的模糊散度;最后根据置乱前后两图像的模糊散度来构造图像置乱程度评价函数。实验结果表明,提出的评价方法是能够较好地刻画图像的置乱程度,反映了加密次数与置乱程度之间的关系,与人的视觉基本相符。而且对于不同的图像,该评价方法能在一定程度上反映所用的置乱变换在各置乱阶段的效果。

基于类内差和改进划分系数的聚类有效性函数

针对改进划分系数对模糊聚类有效性的判决并不十分理想,提出了将类内差和改进划分系数相结合的两个聚类有效性函数。该聚类有效性函数从数据聚类效果要求类内样本越相似而类间样本相差越大的观点出发,通过将反映数据聚类类内紧致性程度的类内差和类间分离性程度的改进划分系数相结合,并考虑到模糊C 均值聚类算法的适用条件作为构造聚类有效性函数的约束因子,得到新的聚类有效性标准。给出应用该函数进行模糊C 均值聚类有效性判决的具体步骤,通过仿真实验证明该有效性函数具有良好的分类性能。

直方图均衡化的数学模型研究

从图像最优对比度出发,提出直方图均衡化的一类最优化数学模型及其增强方法.针对线性规划求解基于最优对比度的图像增强法效率极低的不足,首先对传统直方图均衡化方法建立灰度级映射的最优化数学模型;其次提出了传统直方图均衡化的一种改进型灰度级映射最优化模型;最后探讨了灰度级映射最优化模型解具有的性质,以及传统直方图均衡化和可调直方图均衡化可视为本文方法的特例.实验结果表明,本文所提出直方图均衡化的一类最优化模型是合理的且能获得满意的增强效果,相比传统直方图均衡化和可调直方图均衡化方法更具普适性.

基于傅立叶变换的图像置乱效果评价

目的提出了基于傅立叶变换的图像置乱效果评价新方法,以便真实地评价图像置乱效果的好坏。方法首先将置乱前后两图像分成大小相同的子块并对其进行傅立叶变换,其次利用置乱前后相同位置子块图像所对应频域系数来构造偏差矩阵并定义其离散概率分布,最后通过计算离散概率分布的信息能量作为图像置乱程度的评价。结果给出一种新的置乱效果评价函数,不同算法置乱结果的评价表明本文方法是可行的。结论提出的评价方法能够很好地度量图像的置乱程度,反映了加密次数与置乱程度之间的关系,与人的视觉基本相符。而且,对于不同的图像,该评价方法能在一定程度上反映所用的置乱变换在各置乱阶段的效果。

小波自适应阈值和双边滤波的图像去噪

针对VisuShink阈值去噪参数选取仅考虑到噪声标准差和信号长度的不足,提出一种自适应小波阈值并结合双边滤波实现图像去噪的方法。从分析小波子带系数的统计特性出发,选取小波分解层数与子带之间相互关联的自适应阈值,实现图像小波分解自适应去噪,再结合双边滤波去噪方法,以获得能保留图像丰富细节信息的图像降噪效果。通过多幅图像加不同强度噪声所做测试显示,新方法相比传统的软硬阈值函数去噪方法更有效,尤其是对高强度高斯噪声图像去噪,可得到较好的峰值信噪比和视觉图像质量。

可调直方图均衡化的正则解释及其改进

将直方图均衡化看作典型的不适定问题,提出了可调直方图均衡化的正则化解释,以及为了获得较好的图像增强效果并给出其改进措施.首先,对可调直方图均衡化方法所对应的目标函数进行简化,得到了基于信息能量作为正则项的可调直方图均衡化崭新解释;其次,考虑到信息熵与信息能量之间呈对偶关系,于是获得了一种基于信息熵作为正则项的可调直方图均衡化新模型;再次,利用图像灰度级概率分布信息提出了可调直方图均衡化中正则项系数选取的方法;最后,为了改善可调直方图均衡化方法实现图像增强的效果,给出了基于灰度级累计概率修改的可调直方图均衡化改进方法.实验结果表明,可调直方图均衡化方法的修改是有效的.

变权划分系数及其分类效果评价

针对模糊 C-均值聚类算法对初始化分类参数 (包括起始聚类中心位置和初始化分类隶属度矩阵 )的选择比较敏感而导致分类结果差异性较大 ,以及错误分类会给解决实际问题带来难以预料后果的不足 ,本文从反映数据聚类后类间分离性测度的划分系数入手 ,提出了可变加权划分系数的新概念 ,并用于数据分类效果的评价。实验结果表明 ,本文提出的评价方法不仅是可行的 ,而且比模糊

基于后验概率熵的正则化Otsu阈值法

Otsu阈值法是一种广泛应用的图像分割方法,但它并不适合目标和背景类内方差相差较大的图像分割需要,于是本文提出了一种基于分割所得目标和背景后验概率信息熵约束的正则化Otsu分割改进方法.从图像分割本质是像素聚类问题的观点出发,首先将传统Otsu阈值法解释为一种加权硬C-均值聚类;其次考虑到聚类问题具有典型的不适定性,利用图像分割所得目标和背景的后验概率所对应信息熵作为约束项,实现Otsu阈值化准则函数的正则化修改并得到了正则化Otsu阈值分割法;最后对该分割方法的合理性进行解释并给出其正则参数选取方法.实验结果表明,本文所建议的正则化Otsu阈值法是有效的,并将传统Otsu阈值法视为特例.

三种典型模板匹配算法性能比较

为了在图像识别、配准和拼接等具体问题中能够针对不同条件来合理选取适当的匹配算法,详细介绍三种典型模板匹配算法,即基于索引表的图像匹配算法、基于图像相关性的图像匹配算法和序贯相似性检测算法(Sequential Similarity Detection Algorithm,SSDA),并从实时性、鲁棒性和精确性等角度出发,对其匹配性能进行差异分析。采用分组实验的方法对匹配算法的各项性能指标进行测试和比较,结果表明,三种算法都具有良好的精确性,其中基于索引表的算法和序贯相似性检测算法具有较好的实时性,而基于图像相关性的算法在噪声环境下具有良好的鲁棒性。

模糊C-均值算法在直觉模糊数聚类中的应用

提出了直觉模糊数的非监督模糊C-均值聚类算法。该算法首先定义了直觉模糊数之间的距离,其次构造了直觉模糊数聚类问题的目标函数,最后得到了直觉模糊数聚类的模糊C-均值聚类算法,聚类中心初始化方法,以及相关的聚类有效性函数。实验结果表明,该算法是有效的。

基于交叉熵阈值法的快速迭代算法

针对交叉熵阈值法的时间复杂性过大的不足,提出了基于目标函数最优化原理的交叉熵分割准则的快速迭代算法。大量的实验结果表明,提出的快速迭代算法是有效的。

一种广义直方图及其在彩色图像增强中的应用

提出了一种广义直方图的构造方法并将其用于彩色图像均衡化增强。针对传统直方图均衡化方法实现彩色图像增强并不具有普适性的不足,将传统灰度图像直方图定义进行修改并得到一种广义灰度图像直方图,将其用于彩色图像在HSV空间实现均衡化增强。实验结果表明,所建议的广义直方图均衡化彩色图像增强方法是有效的,且比传统直方图均衡化方法能取得更好的增强效果。

灰度级加权的直方图模糊熵阈值分割法

针对传统直方图模糊熵阈值法仅与其灰度级频次有关的不足,提出一种灰度级大小加权的直方图模糊熵阈值分割方法。将传统图像直方图所对应的灰度级概率与灰度级大小信息相融合,采用归一化方法获得了一种改进的灰度级概率分布,依据改进灰度级概率分布建立图像分割的模糊熵阈值化分割准则。在给定灰度级加权模糊熵阈值法的权参数值条件下,采用粒子群算法获取该分割算法所涉及模糊隶属函数的最佳值并确定图像分割的最佳阈值。实验结果表明,灰度级加权的直方图模糊熵阈值分割方法有较好的抗噪性和鲁棒性,分割效果优于传统直方图模糊熵分割法。