一种基于à trous算法的遥感图像模糊集增强算法

针对遥感图像在处理过程中噪声放大引起的对比度差,边缘细节模糊和目标与背景区分不明显等问题,提出一种结合àtrous算法和改进的模糊对比度增强的遥感图像增强算法。该算法一方面利用直方图均衡,提高图像整体对比度;另一方面根据图像在二进小波域表达的冗余性,不会在图像预处理时平滑掉某些重要信息。其平移不变性避免了传统图像增强算法中产生的伪吉布斯现象,有效避免由于非线性变换引起的视觉形变。模糊对比度增强了图像的纹理和边缘信息,从局部增大图像对比度。与当前一些典型的增强方法相比,实验结果表明所提算法的几种客观评价指标明显优于其他算法,能有效提升图像的对比度,抑制伪吉布斯现象,而且图像视觉效果也有明显改善。

多尺度Retinex算法与其它图像增强方法比较

图像获取过程中往往由于光照不足导致图像出现暗影和低对比度,这严重影响了后期图像各种形式的处理,如人脸检测、边缘提取、图像融合等。文章提出利用MSRCR算法与其它常用动态范围调整的图像增强算法相比,如SSR,MSR,MSRCR和直方图均衡化增强;进一步利用MSRCR增益/偏移校正、基于双边滤波器的单尺度Retinex图像增强和同态滤波器对两组图像对比实验,结果显示这些方法在图像增强中都表现出良好的性能,且MSRCR算法可以弥补传统小波变换在图像增强中的对比度不高和丢失部分信息的不足,提高了图像的亮度,对比度和清晰度;且其峰值信噪比和信息熵普遍高于其它增强方法,并对其运行的时效性进行对比。

基于特征值问题的正交小波构造方法

本文提出了一种基于具有高阶消失矩的IIR正交小波构造方法.从小波的正交性和正则性条件出发,可以得到一些约束IIR滤波器组的条件,并且探讨约束滤波器系数及其零极点的关系。依这些关系,可以直接将Remez算法应用于禁止带上,并制定了设计特征值问题形式的问题。其次,一组滤波器系数可以通过解它的特征值问题而容易地计算出来,并且通过施加迭代过程后将得到等波纹响应的最优滤波器系数,可以任意的指定消失矩的阶数。

a尺度三维八向加细小波尺度函数的构造算法

依据双向小波理论为基础,利用张量积构造a尺度三维八向加细小波尺度函数,研究了具有紧支撑性面具符号的a尺度三维八向加细方程拥有紧支撑分布解的情况,讨论了三维八向a尺度加细小波函数紧支撑区间.

一种基于à Trous算法的水下图像增强算法

针对水下图像的对比度低,噪声大问题,提出一种基于à Trous算法水下图像增强算法。该算法一方面利用直方图均衡,提高水下图像整体对比度;另一方面根据à Trous小波变换的抽取过程允许在不丢失高通细节(如空间和纹理)的空间连续下完成在空间频域上将图像分解在几乎脱节的带通信道上,有效避免由于非线性变换引起的视觉形变;再是模糊对比度增强图像的纹理和边缘信息,从局部增大图像对比度。与当前一些典型的增强方法相比,实验结果表明本文提出的算法的几种客观评价指标明显优于其他算法,能有效提升水下图像的对比度,抑制伪吉布斯现象,而且图像视觉效果也有明显改善。

结合模拟退火与规则约简的模糊系统优化方法

从数据中学习模糊系统是其智能建模的重要方法之一,针对目前模糊系统建模及优化方法对于学习后的模糊系统的规则数以及结构优化关注不足而影响了其精度和可解释性的问题,提出了一种结合模拟退火与基于支持度约简规则的模糊系统优化方法。该方法通过支持度约简系统冗余规则进而提高模糊系统的可解释性;同时利用模拟退火算法优化模糊系统的隶属度函数参数进一步提高模糊系统的精度。针对回归任务,与BP(Back Propagation)神经网络、径向基(Radial Basis Function,RBF)神经网络以及经典的模糊算法WM(Wang-Mendel)在不同领域的3个经典数据集上进行实验比较,实验结果表明:该算法在预测方面取得了更高的精度;与WM算法相比,所提算法中规则数明显减少,进一步提高了系统的可解释性。

深度神经模糊系统算法及其回归应用

深度神经网络是人工智能的热点,可以很好处理高维大数据,却有可解释性差的不足.通过IF-THEN规则构建的模糊系统,具有可解释性强的优点,但在处理高维大数据时会遇到“维数灾难”问题.本文提出一种基于ANFIS(Adaptive network based fuzzy inference system)的深度神经模糊系统(Deep neural fuzzy system,DNFS)及两种基于分块和分层的启发式实现算法:DNFS1和DNFS2.通过四个面向回归应用的数据集的测试,我们发现:1)采用分块、分层学习的DNFS在准确度与可解释性上优于BP、RBF、GRNN等传统浅层神经网络算法,也优于LSTM和DBN等深度神经网络算法;2)在低维问题中,DNFS1具有一定优势;3)在面对高维问题时,DNFS2表现更为突出.本文的研究结果表明DNFS是一种新型深度学习方法,不仅可解释性好,而且能有效解决处理高维数据时模糊规则数目爆炸的问题,具有很好的发展前景.

基于改进遗传算法与支持度的模糊系统优化建模方法

模糊系统是一种可解释性强的人工智能方法,经典Wang-Mendel(WM)方法因能从数据中自动获取模糊规则,而成为一种重要的智能建模方法。但是该方法存在规则数目较多、精度不高等不足,且目前的改进方法普遍存在计算复杂、效率低等问题。为此,提出一种改进遗传算法与基于支持度的规则约简相结合的模糊系统优化建模新方法——遗传模糊系统(GFS),通过优化模糊系统的结构及隶属函数参数,由目标函数的不同组合构成GFS1、GFS2与GFS3这3种模型的具体实现算法。在标准及加噪的电能输出数据集上进行模糊建模试验,其结果表明:GFSi(i=1,2,3)模型预测精度高于WM方法且规则数更少;其抗噪能力显著优于径向基函数神经网络、反向传播神经网络;GFS3的适应度函数评估效果最佳,因此其性能最优。提出的方法在充分发挥模糊系统可解释性、鲁棒性强优势的同时保障了预测精度,是一种很有潜力的人工智能算法。

一种新的双正交小波的构造方法研究

在二进提升方案相关理论的基础上,结合双正交性、消失矩性和对称性条件,提出一种构造提升双正交小波的新方法.此方法从二进小波出发,考虑小波所具有的特性,通过选取适当的提升参数,具体构造了具有紧支撑、对称性、高阶消失矩和速降性的提升双正交小波.

面向可解释性人工智能与大数据的模糊系统发展展望

模糊系统作为一种万能逼近器具有很强的可解释性,已被广泛应用在各个领域。尽管目前模糊系统的理论研究不够成熟,仍然存在诸如规则太多、优化困难、维度诅咒等问题,难以处理高维大数据。尽管深度神经网络取得了突出进展,能很好处理图像和语音等大数据,但其可解释性不好,难以用于安全相关的重要场合。因此,非常有必要研究一种基于模糊系统的可解释性强的人工智能算法。结合深度神经网络和模糊系统两者的优点,研究深度模糊系统及其算法,将有可能解决高维大数据问题。主要对模糊系统的发展历程与研究进展分别进行详细阐述,并根据其现有的问题指出其未来的发展方向,对进一步的研究问题进行展望。

基于二进小波与PDE的乳腺X线图像增强

腺钼靶X线摄影成像是乳腺癌早期发现、早期诊断的最有效方法,具有重要价值.本文提出结合àtrous算法与偏微分方程的乳腺X线图像增强,该方法在二进小波理论基础上,利用推广的二维àtrous算法对乳腺图进行分解,接着根据低频和高频系数特点设计了不同的软硬阈值法对经过分解后的低频子带进行去噪预处理,进而利用最大类间方差法的7段对称连续分段函数增强;而高频在偏微分方程的P-M正则化模型基础上利用一个新的扩散系数,调整常数α以达到对高频子带噪声较好抑制,后用改进的具有动态范围压缩和颜色保真的多尺度Retinex算法进行增强;最后利用àtrous算法重构增强后的低频和高频子带.为验证该方法的有效性,我们还将其与传统的图像增强方法作比较;仿真试验结果表明,该方法对乳腺X线图像的增强效果远远好于传统的增强方法。

三联体类半带滤波器组的设计方法

文中提出了一种由3个内核所定义的三联体类半带滤波器组的设计方法。采用了Lagrange半带滤波器组和Remez算法,具体地给出了分解滤波器的设计和重构滤波器的设计。带参数的Bernstein多项式用于构造内核。该滤波器组结构有完全重构,正则性等优点。确定Bernstein多项式的自由参数是利用最小二乘法得到。采用了两个实例,对实例进行了具体对比和分析。得出了这种设计方法很灵活,比较容易设计出不同性能的滤波器组。

基于Bernstein多项式的双正交小波滤波器设计

自适应Bernstein多项式用于一类双通道双正交小波滤波器组的设计。该滤波器组属于半带对滤波器类,并用两个核函数定义。自适应Bernstein多项式是用来构建核函数。Bernstein多项式的参数设计是通过最小二乘法实现。第一步,分解低通滤波器的设计。第二步,设计重构低通滤波器。用两阶段方法,设计过程是有效的,包括求解线性方程组。该设计方法可以方便地设计不同的特性。

基于改进PSO与规则约简的模糊系统优化算法

模糊系统是一种具有强可解释性和高鲁棒性的智能方法,但目前仍存在精度不高、产生的模糊规则太多等缺陷。针对目前存在的问题,论文通过改进粒子群优化算法优化模糊系统高斯型隶属度函数的参数,以及计算规则支持度约简模糊规则,提出了CPSFS和SPSFS两种模糊系统优化算法。在两个不同领域的经典数据集上的研究结果表明:1)CPSFS算法在训练集和测试集上的预测精度明显优于传统的BP神经网络、RBF神经网络、线性回归等算法;2)CPSFS算法与SPSFS算法减少了大量模糊规则,保证了模型的可解释性;3)CPSFS算法在约简模糊规则后预测精度依然表现最优,符合新时代下回归问题对于AI技术的要求。

结合àtrous算法与Retinex算法的医学图像增强

提出结合àtrous算法与Retinex算法的医学图像增强.方法在二进小波理论基础上,利用推广的二维àtrous算法对医学图像进行处理,对经过多级分解后的医学图像的低频利用连续非线性函数增强,而对分解后的多个高频采用改进的Retinex算法进行增强;最后,对增强后的低频和高频进行重构.经过反复仿真试验结果表明:方法在去除噪声的同时更好地保留了图像边缘特征,增强了图像细节信息和凸显图像的轮廓,并克服对比度下降的不足,较好地去除光晕现象,视觉效果好,层次感更丰富.

一种基于二进提升方案的医学图像增强

通过分析和研究二进提升方案,得到一种新的提升二进小波滤波器的构造方法.以新的B-样条二进小波作为初始二进小波滤波器,结合二维6 trous算法对原始医学图像进行多层分解,根据分解后系数特点,一方面对不同级数的高频系数利用单阈值和双阈值函数增强,对低频子带系数用线性拉升来扩大图像的整体对比度.另一方面结合消失矩条件,调整滤波器的提升参数,构造了具有线性相位、紧支撑、高阶消失矩及有限长的单位脉冲响应的提升二进小波,并将其与初始二进小波滤波器增强后图像进行比较.仿真结果表明提升后的滤波器对于对比度低、弱光照图像比初始滤波器的增强效果有了进一步提高,噪声放大问题有明显改善,更好地突出图像边缘特征、保留了图像更多细节信息.

具有非局部条件的半线性中立型测度方程

在强连续半群紧和非紧的条件下，使用Schauder不动点定理和Krasnoselselskii不动点定理，分别得到了Banach空间中具有非局部条件的半线性中立型测度方程适度解的存在性．