一种改进型自适应加权模糊均值滤波算法

针对原有的自适应加权模糊均值AWFM滤波器对局部噪声幅度估计不足的缺点 ,提出了一种新的改进型自适应加权模糊均值MAWFM滤波算法。该算法采用了一种新的模糊检测方法 ,可以同时检测各个像素点的正负向噪声幅度 ,从而能够建立一种新的自适应的模糊信号空间 ,以适应噪声在各个图像局部的变化。实验结果表明 ,MAWFM滤波器比以前的AWFM滤波器及传统的中值滤波器均有较优越的性能。

基于自适应近邻信息的模糊C均值聚类算法

传统的模糊C均值算法直接基于原始数据进行聚类,数据的内在结构可能会被噪声、异常值或其他因素破坏,因此聚类性能会受到影响。为提升FCM算法的鲁棒性,提出了一种基于自适应近邻信息的模糊C均值聚类算法。近邻信息指的是一种基于数据点之间相似度的度量,每个数据点都可以看作其他数据点的近邻,但是不同数据点之间的相似度是不同的。将样本点的近邻信息GX和类中心点的近邻信息GV融入基础FCM模型中,为聚类过程提供更多的数据结构信息,用于指导聚类算法中的簇划分过程,以提升算法的稳定性,并提出了3个迭代算法求解本文提出的聚类模型。与其他先进聚类算法对比,在部分基准数据集上聚类性能有10%以上的提升,同时还从参数敏感性、收敛性、消融实验等方面对算法进行评价。实验结果可以充分显示本文提出的聚类算法的可行性与有效性。

融合加窗和自适应加权引导滤波改进的Canny算法

针对Canny算法滤波过程中图像细节部分缺失和无法有效去除噪声,并且无法动态识别图像边缘的问题,提出一种融合加窗和自适应加权引导滤波的Canny算法。该算法对Canny算法做出两点改进:一是使用加窗滤波器对图像进行处理,有效滤除噪声,然后对图像进行数学形态学滤波处理,有效增强图像边缘;二是引入分段权值模型对引导滤波算法的正则化参数自适应修正,使其能够根据梯度信息区分边缘和非边缘,从而达到动态识别图像边缘的效果。相比传统Canny算法,改进算法处理后的信噪比提高了1.05~5.22 dB,品质因数提高了0.16~0.35。实验结果表明:改进算法能有效滤除椒盐噪声,识别出比较清晰和完整的边缘。

自适应模糊加权均值滤波器

为了在滤除退化图像中高斯和冲激混合噪声的同时更好地保护图像的细节 ,运用模糊数学的思想提出了一种基于模糊隶属度的加权均值滤波器。该算法利用模糊隶属度函数的概念和裁剪均值滤波器的思想 ,对均值滤波器的权值加以优化 ,使其不仅在降低高斯噪声的能力和保护图像细节方面较传统的均值滤波有所提高 。

图像混合噪声的模糊加权均值滤波算法仿真

针对图像混合噪声提出了一种新型的模糊加权均值滤波算法。该算法以象素的灰度差为基础,通过构建T-S模糊模型来自适应地计算反映各象素噪声污染程度的加权系数,然后通过加权平均算法得出最终结果,因此,该算法能够有效地抑制噪声象素对其邻域象素的影响,极大地改善了滤波效果。基于Matlab的多组仿真实验结果表明,该算法具有很好的普遍性和自适应性,能够比较有效地保护细节信息,对混合噪声有很好的抑制能力。

神经网络噪声检测的自适应加权均值滤波算法

针对传统滤波方法对纹理比较细腻的图像以及高噪声密度图像的处理能力欠佳的缺陷,提出了一种基于BP神经网络噪声检测的自适应加权均值滤波方法。用训练好的BP神经网络检测出图像中被椒盐噪声污染的像素并对其进行标记,对检测出的噪声点进行自适应加权均值滤波,信号点则保持不变,从而实现了对图像细节的有效保护。仿真表明了该算法滤波性能和细节保护能力均优于各种传统滤波算法。

快速自适应非局部空间加权与隶属度连接的模糊C-均值噪声图像分割算法

针对传统模糊C-均值聚类(FCM)算法难以对噪声图像进行分割的问题,该文提出一种快速自适应非局部空间加权与隶属度连接的模糊FCM抗噪图像分割算法。首先,利用一种非局部空间信息快速计算方法,将以图像所有像素为循环的原始非局部信息计算方法,改为以搜索窗口尺寸为循环,利用空间位移图像与递归高斯滤波的计算方法,克服非局部空间信息计算复杂的问题;其次,计算原始图像与非局部信息项的差值的平方,将其作为非局部信息项的自适应权重,并将差值的平方作倒数变换,作为原始图像的自适应权重;最后,将每个聚类簇中所有像素隶属度之和的对数平方加入目标函数的分母,形成隶属度连接,减少目标函数迭代次数。含噪人工与自然图像分割实验表明,该算法在分割准确度、平均交并比、归一化互信息、运行时间与迭代次数等性能方面优于其他几种FCM算法。

模糊加权均值滤波算法应用于人体激光测量成像

这里详细讨论了激光扫描、数据的实时提取、基于模糊加权均值滤波算法的噪声处理等用于人体激光测量成像中的若干关键技术问题,并提出了相应的解决方法。

基于模糊加权均值滤波算法的三维重建

讨论了在逆向工程中激光测量提取三维数据的原理、基于模糊加权均值滤波算法的噪声处理等用于实物三维重建的若干关键技术问题,分析了相应的解决方法,并给出了OpenGL三维建模的实例.

基于图像增强的改进自适应加权均值滤波算法

提出了一种具有增强效果的图像滤波算法。该算法滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行三层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为3个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。实验结果表明该滤波算法在噪声滤除和图像细节保持方面具有较好效果。

基于置信区间的自适应加权均值滤波算法

为了改善图像滤波的效果,提出1种基于置信区间的自适应加权均值滤波算法。根据高斯噪声的特点以及其对原图像的影响,仅对滤波窗口中处于置信区间的像素求加权均值。同时考虑了灰度相关性与距离相关性,将灰度测度因子和距离测度因子进行线性加权求和,得出加权系数。最后对加权均值滤波后的图像进行折中的灰度均衡化。实验结果证明,相对于标准均值滤波(SMF)算法和自适应均值滤波(AMF)算法,该文算法的滤波图像更加清晰,很好地恢复了原图像,同时保留了图像的边缘和细节;该文算法对应的归一化均方误差明显低于SMF算法和AMF算法。

基于知识量加权的直觉模糊均值聚类方法

针对聚类算法中特征数据对聚类中心贡献的差异性及算法对初始聚类中心的敏感性等问题,提出一种基于知识量加权的直觉模糊均值聚类方法。首先将原始数据集直觉模糊化并改进最新的直觉模糊知识测度计算知识量,据此实现数据集特征加权,再利用核空间密度与核距离初始化聚类中心,以提高高维特征数据集的计算精度与聚类效率,最后基于类间样本距离与最小知识量原理建立聚类优化模型,得到最优迭代算法。基于UCI人工数据集的实验结果表明,所提方法较大程度地提高了聚类的准确性与迭代效率,分类正确率及执行效率分别平均提高了10.63%和31.75%,且具有良好的普适性和稳定性。该方法首次将知识测度新理论引入模糊聚类并取得优良效果,为该理论在其他相关领域的潜在应用开创了新例。

去除高密度椒盐噪声的自适应加权均值滤波算法

为了进一步提高对图像椒盐噪声的滤波性能,对现有的自适应均值滤波算法进行了改进。滤波过程分为3个阶段:首先基于像素灰度极值对图像进行噪声检测与噪声密度计算;然后基于滤波窗口中信号点数量自适应扩大窗口尺寸;最后在滤波窗口中进行基于距离权重的加权均值滤波计算,对噪声点像素值更新。采用该算法对包含10%-90%椒盐噪声的图像进行滤波,实验结果表明,该算法的峰值信噪比(PSNR)与结构相似度(SSIM)优于现有其他算法,能够更好地保持图像中的边缘细节。

基于均值加权模糊滤波一线性定阶的HTLS—ESPRIT改进算法在低频振荡模式检测中应用

HTLS-ESPRIT算法在检测低频振荡主导模式时，通常采用Frobenious法试探法来确定信号的阶数，其本质上是一种试探法，具有不确定性并难以实现低频振荡的实时监测。本文使用最小二乘法对hankel矩阵的后半部分噪声空间奇异值进行线性拟合，在前半部结奇异值中，采用预测值与实际值的偏差来区分信号空间与噪声空间，从而确定信号的主导模式的阶数。为进一步减小噪声的影响，采用模糊均值加权滤波对信号进行预处理。最后使用PSASP7．0建立了3机10节点系统进行仿真，并将算法用于某地的PMU实测信号，分别证实了新算法的有效性。

基于模糊自适应PID算法的两轮电动车技术研究

针对目前汽车仍是人类出行的主流交通工具,但是现在汽车增多带来的乱停乱放和污染环境等问题,提出并设计了一种基于模糊自适应PID算法的两轮电动车控制系统。首先,建立两轮智能平衡车数学模型;其次,针对精确判断小车的当前姿态,采用模糊自适应PID算法对其进行参数优化,从而达到车辆在运行时稳定;最后,通过直立和速度两种方式进行测试,证明系统具有较好的可控性。实验结果表明,应用本文系统可以达到平衡状态,改善两轮单轴代步电动车稳定性和可控性能,具有一定应用价值。

基于自适应模糊C均值算法的电力负荷分类研究

针对当前负荷建模中存在的负荷时变性问题,提出了基于自适应模糊C均值聚类的电力负荷动特性分类方法。探讨了聚类分析方法在负荷动特性分类中的应用,包括聚类特征向量的选取和分类方法研究两个方面。对原始模糊C均值聚类算法中的聚类数c进行了研究,在原始算法中融入新的聚类有效性函数,对算法进行了改进,改进算法不需要预先选择类的数目作为先验值。通过动模实验数据的负荷分类实例,表明该方法可自动获取最佳分类数,且分类效果要好于原始算法。

基于加权模糊c均值聚类与统计检验指导的多阈值图像自动分割算法

图像分割是计算机视觉中一个重要的研究课题.本文提出一种基于直方图的多阈值灰度图像自动分割方法,该方法利用加权模糊c-均值聚类算法快速实现分割过程,同时通过单峰统计检验指导来自动确定多阈值的合适数目.实验结果表明了该方法的有效性.

去除椒盐噪声的自适应开关加权均值滤波

提出一种去除椒盐噪声的自适应开关加权均值滤波算法。该算法采用一种新的噪声检测方法将图像中的像素分为信号点和噪声点,对检测出的噪声点采用加权均值滤波进行处理,而信号点保持其灰度值不变直接输出。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改算法有更好的滤波性能。

点密度函数加权模糊C-均值算法的聚类分析

基于模糊C-均值算法具有对数据集进行等划分趋势的缺陷,文章利用数据点的密度大小作为权值,借助数据本身的分布特性,提出了一种新的加权模糊C-均值算法,该方法不仅在一定程度上克服了模糊C-均值算法的缺陷,而且具有良好的收敛性。

SLAM精度的向量加权平均自适应调节研究

针对粒子滤波算法需要大量粒子以提高精度以及重采样导致的粒子多样性缺失的问题,提出一种自调INFO(向量加权平均算法)优化的粒子重组粒子滤波算法。首先,通过向量不同的加权平均规则,使得最优粒子引导粒子集向期望区域移动,以此提高估计精度;其次,实时计算最优粒子附近的粒子密度,当密度大于阈值时,自适应调整迭代次数,实时监测粒子密度,根据此指标引入次优粒子的作用自适应调整粒子集分布;最后,重采样阶段将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性。通过仿真实验检验改进算法在SLAM中的性能,结果表明该算法较标准算法相比,其位姿与路标估计精度更高且鲁棒性更佳。