基于QPSO的二维模糊最大熵图像阈值分割方法

针对运用图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出一种新的二维最大熵图像分割方法,该方法利用基于量子行为的微粒群算法对图像的二维阈值空间进行全局搜索,并将搜索到的二维熵最大值所对应的点灰度-区域灰度均值作为阈值进行图像分割。实验结果表明,该方法具有一定优越性,在执行时间与收敛性方面均得到较理想的分割效果。

基于模糊最大熵的红外图像增强算法

针对红外图像整体亮度偏暗、对比度较低、目标与背景区分不明显的特点,论文提出了一种基于模糊最大熵和改进的S函数的图像增强算法。该方法首先通过模糊最大熵准则求取最佳阈值,再使用改进的S函数对阈值两侧的像素灰度进行模糊域的非线性拉伸,从而得到增强后的红外图像。实验结果表明,该算法能明显提高红外图像对比度,突出目标并降低背景噪声。

基于模糊最大熵原则的地图图像分割

在分析地图图像特征的基础上 ,结合直方图和最大模糊熵原则 ,提出地图图像分割的自动阈值算法。通过多幅真实地图的实验表明 ,用该算法分割得到的黑版图不但保持了线划的连续性 ,而且对边缘的定位准确 ,便于识别。

模糊最大熵多阈值分割的改进算法研究

基于模糊最大熵原则的多阈值分割,提出了遗传算法和ICM相结合的改进算法。该方法首先确定选取模糊熵函数作为适应度函数,然后对遗传算法中的编码方式、交叉算子、变异算子等参数进行了一些适当改进,进而给出了该算法的理论推导和算法的具体实现步骤。与通常的基于模糊最大熵原理进行阈值分割方法相比较,减少了计算量并且提高了运行效率,克服了常用方法在阈值求取时的一些不足,能够快速获得稳定的阈值。对比实验得出的结果,也说明了该方法的快速性、有效性、稳定性。

基于分散微粒群算法的二维模糊最大熵图像分割

该文研究了基于二维模糊信息熵的图像分割方法,针对二维模糊信息熵图像分割方法求取阈值时存在的计算复杂、时间长、实用性差等问题,提出了基于优化微粒群算法的二维最大熵图像分割方法。DPSO算法对图像的二维阈值空间进行全局搜索,并将搜索得到的二维熵最大值所对应的点灰度-区域灰度均值作为阈值进行图像分割。同时,为了避免该算法收敛到局部最优解的问题,在算法中引入了变异策略。通过实验显示了该算法在收敛性和计算效率上较QPSO在内其它优化算法具有更好的优越性。

杂波环境下基于最大熵模糊聚类的JPDA算法

针对杂波环境下的多目标跟踪数据关联存在跟踪精度低、实时性差的问题,提出了一种基于最大熵模糊聚类的联合概率数据关联算法(joint probabilistic data association algorithm based on maximum entropy fuzzy clustering,MEFC-JPDA)。首先,采用最大熵模糊聚类求得的隶属度初步表征目标与有效量测之间的关联概率。其次,采用基于目标距离的量测修正因子对关联概率进行调整,并建立关联概率矩阵。最后,结合卡尔曼滤波算法,对目标的状态进行加权更新。仿真结果表明,所提算法在杂波环境下的跟踪性能相比现有的两种关联算法有较大提升,是一种有效的多目标跟踪数据关联算法。

ICM算法在基于模糊最大熵原则的多阈值选择中的应用

最大熵原则是图像处理中阈值选择的最重要的方法之一,吸引了很多研究者的注意力.H.D.Cheng等人将模糊性引入最大熵原则,提出了模糊最大熵的概念。本文对他们提出的这种模糊最大熵原则做了修正,提出了我们自己的模糊最大嫡公式,并针对多阈值选择中计算量太大的问题,提出了解决这一问题的ICM算法。通过实验比较了我们的算法与模拟退火算法,充分显示了ICM算法的有效性。

基于最大熵模糊聚类的快速数据关联算法

提出了一种新颖的快速数据关联算法,减少了滤波中关联概率的计算量.该算法利用多个并行改进的最大熵模糊聚类对各个目标的有效观测进行聚类,采用聚类得到的模糊隶属度来重建滤波中的联合关联概率,并在联合关联概率中引入了比例因子避免航迹的合并;此外,分析了算法中差异因子的特性,考虑了杂波密度对它的影响,使得能够有效剔除无效观测,进一步减少计算量.仿真实验结果表明,提出的方法是一种有效的快速数据关联算法,跟踪性能要优于现有的数据关联算法.

基于最大熵模糊聚类的快速多目标跟踪算法研究

为了提高杂波环境中多目标跟踪的实时性和精确性,利用最大熵数据模糊聚类方法得到的模糊隶属度表示目标与量测之间的关联概率,同时分析了公共量测对目标的影响,引入影响因子重建互联概率矩阵,结合概率数据关联算法实现多目标的状态估计。该算法避免了对确认矩阵的拆分,解决了联合概率数据关联算法随着目标和回波数目增加而导致的计算量爆炸性增长问题。针对不同杂波密度环境下的临近平行目标和小角度交叉目标的跟踪进行了仿真分析,仿真结果表明:最大熵模糊聚类联合概率数据关联算法是一种有效的快速数据关联算法,在密集杂波环境中跟踪性能依然优于联合概率数据关联算法和经验联合概率数据关联算法,在一定程度上可以避免航迹融合。

最大熵模糊综合评价法在污灌区土壤重金属污染等级划分中的应用

以开封市化肥河污灌区为例,运用最大熵模糊综合评价法开展了土壤重金属(Cu、Zn、Cr、Pb、Cd、Ni、As)污染评价。结果表明:在污灌区13个样点中,属于3级重污染的样点达11个,占总样点数的84.62%,只有位于化肥河上游的两个样点属于2级水平,污染较轻;在所有污染因子中,Cd和As的污染最为突出,其中Cd平均权重值为0.541 9,是最主要的污染因子。与内梅罗法综合指数法评价的结果相比较,最大熵模糊综合评价法能够显示更多的土壤污染信息,引入目标函数和隶属度,重视不同污染因子的权重,具有更高的准确性。

改进的最大熵模糊评价法在土壤重金属污染评价中的应用

为合理选择土壤重金属污染评价方法,利用三标度法对层次分析法进行改进,结合最大熵模糊评价模型建立土壤重金属污染评价新方法—改进的最大熵模糊评价方法,并以沈阳八一灌区土壤重金属污染为例展开试验研究。在灌区布置15个采样点,采集土壤样本,测定Cu、Pb、Cd和As 4种重金属含量,利用改进的最大熵模糊评价方法对当地土壤污染做出等级划分,并与内梅罗综合指数法进行比较。结果表明:利用改进的层次分析法计算重金属污染物权重,一致性检验指标CR=0.0023。Cu和Pb污染权重最低(均为0.079),As污染权重相对较高(0.2689),Cd污染权重最高(0.5732),Cd为主要污染物。9个采样点的评级结果为一级,即较为清洁;另外6个采样点污染均高于一级,今后有发展成为二级污染的可能。改进的最大熵模糊评价方法与内梅罗指数法在较多地点的评价结果一致,也有个别采样点有差异。利用改进的层次分析法计算重金属污染物权重通过了一致性检验,说明权重分配合理,适宜对最大熵模糊评价方法进行改进。改进的最大熵模糊评价方法结合目标函数、隶属度、层次分析法,能够更直观地反映土壤中重金属污染物权重分配情况,考虑更多的土壤重金属信息,为合理评价土壤重金属污染提供参考方案。

一种基于最大熵模糊聚类的数据关联算法

针对联合概率数据关联算法计算量上存在的组合爆炸问题,本文引入最大熵模糊聚类算法实现多目标的数据关联。使用最大熵模糊聚类得到的模糊隶属度表示目标与量测之间的联合互联概率;分析了公共回波对航迹更新的影响,对公共回波的权值进行衰减,对非公共回波的权值进行扩大,避免了航迹合并;此外根据差异因子的特性,给出剔除无效回波的方法,减少了计算量。仿真结果表明,与现有数据关联算法相比,新算法具有更优的跟踪效果。

基于最大熵模糊聚类的新型PHD滤波算法

概率假设密度(PHD)滤波是实现多目标跟踪(MTT)的一种有效算法,然而由于其推导过程使用了泊松近似,因而带来了较大的势估计误差。提出了最大熵模糊多目标粒子‑PHD(MEFMOP‑PHD)滤波算法,利用最大熵模糊聚类算法构造联合概率数据关系(JPDA)算法中的关联概率矩阵,同时结合标签技术与聚矩阵对关联概率矩阵进行修正,从而使算法在节省运算量的同时达到较好的跟踪效果。该滤波算法对PHD密度的近似采用了高斯混合(GM)形式,并通过仿真试验与传统的高斯混合滤波算法进行了比较,最终验证了算法在低检测概率下的优越性。

基于子航迹Hough变换的模糊航迹关联

针对多局部节点的航迹关联问题,提出一种基于子航迹Hough变换的模糊航迹关联方法.将融合中心相邻时刻的同源局部状态估计定义为子航迹,利用Hough变换将同一时段的所有子航迹映射为参数空间中一组点集,以最大熵模糊聚类实现子航迹-系统航迹关联.实验结果表明,在多局部节点情况下,该算法能实现子航迹-系统航迹关联,减少系统航迹的平均更新时间,满足系统的实时处理要求,与传统的航迹关联算法相比,具有较快的关联处理速度.

采用粒子滤波和模糊聚类法的非线性多目标跟踪

提出一种新的非线性多目标跟踪方法,用模糊聚类算法实现数据关联,采用粒子滤波实现对各目标的独立跟踪.首先利用最大熵模糊聚类对目标和观测数据进行关联,采用模糊隶属度重建多目标滤波中的联合关联概率矩阵.然后利用粒子滤波适于处理非线性问题的特点,通过联合关联信息,采用粒子滤波独立对各目标进行滤波,实现对目标状态的更新.最后,将该算法应用于多传感器多目标纯方位角跟踪.仿真结果表明,相比于联合概率数据关联算法及MEF-JPDAF,新算法具有更高的跟踪精度.

基于最大熵模糊概率数据关联的室内定位算法

无线传感器网络(wireless sensor network,WSN)由多个微传感器节点组成,定位技术是无线传感器网络技术的重要应用之一。目前,许多定位算法在视距(line of sight,LOS)环境下定位精度较高,但在非视距(non line of sight,NLOS)环境下的定位精度较差。为了解决这一问题,提出一种改进的基于到达时间的最大熵模糊概率数据关联算法。采用分组的思想将N个测量值分为L组,每组通过交互式多模型(interactive multi model,IMM)算法获得相应的移动节点位置估计、模型概率和协方差矩阵。然后将得到的L个位置估计,通过验证门进行非视距检测,丢弃被非视距误差污染的位置估计,利用相应的关联概率对正确的位置估计进行加权得到最终的位置估计。仿真和实验结果表明,与现有方法相比,该算法可以减轻非视距误差的影响,实现更高的定位精度。

混沌PSO最小一乘空时预测的红外小目标检测

针对红外图像中背景与小目标的特点,提出一种基于混沌粒子群优化(PSO)最小一乘空时背景预测的红外小目标检测方法.首先建立最小一乘准则空时背景预测模型,根据最小一乘估计的性质,提出应用混沌PSO算法解决最小一乘估计中极值的选取问题,并用该模型预测红外图像中的背景,从原始图像中减去预测图像得到残差图像;然后提出了基于混沌PSO的二维直方图斜分模糊最大熵阈值选取方法,由此分割所得残差图像即可将小目标检测出来.将文中方法与基于最小二乘背景预测的红外小目标检测方法进行了比较实验,实验结果表明,该方法具有更高的检测概率和信噪比增益,优于基于最小二乘背景预测的红外小目标检测方法.

灰色预测和混沌PSO的红外小目标检测

在分析红外图像弱小目标和背景特征的基础上,提出了一种基于灰色预测和混沌PSO的红外小目标检测方法.该方法首先采用灰色系统理论中的GM(1.1)模型对红外图像中的背景进行时域预测,并用实际图像减去预测图像得到残差图像,在抑制背景的同时增强了目标;然后提出了混沌粒子群优化(particle swarm optimization,PSO)的模糊最大熵二维直方图斜分方法,采用此方法对所得残差图像进行分割即可将小目标检测出来.实验结果表明:该方法可显著提高红外目标的检测概率,实现较远距离小目标的检测.

三维脑分割中灰度阈值的选取方法

三维人脑体数据分割是医疗图像处理中的一项重要技术,其中阈值的选取最为关键。介绍了3种具有代表性的图像阈值求取方法,并且将它们分别用于分割实验;从实验效果及算法性能2方面对这3种方法进行比较,结果表明模糊最大熵结合遗传算法求取阈值的方法效果较好,受噪声影响小。

基于广义混沌混合PSO的快速红外图像分割算法

为了准确的实现红外目标识别,提出了一种基于广义混沌混合PSO的快速红外图像分割算法.二维模糊划分最大熵分割方法不仅利用了灰度信息以及空间邻域信息,而且兼顾了图像自身的模糊性,能取得较为满意的分割结果.该方法实质上是一种具有搜索空间大、多局部极值点的典型非线性整数规划问题.广义混沌混合PSO算法在广义PSO算法的基础上,引入自适应平衡搜索,当算法发生停滞时引入模拟退火机制有选择地对当前全局最优粒子进行混沌优化,在增强局部搜索能力的同时能够克服早熟收敛现象.实验证明,运用广义混沌混合PSO算法实现红外图像二维模糊划分最大熵分割是快速、稳定的.