基于直觉模糊散度的噪声图像边缘检测

针对传统图像边缘检测算法抑制噪声能力差的问题,提出一种基于直觉模糊集(Intuitionistic Fuzzy Set,IFS)的边缘检测算法。该算法设定了一个表示平坦区域的模板图像,并在图像窗口内构造了一种同时考虑了图像梯度和图像窗口的方差信息的隶属度函数,然后通过计算图像窗口与模板图像之间的模糊直觉散度(Intuitionistic Fuzzy Divergence,IFD)对边缘进行定位和输出。实验结果表明,对于被高斯噪声或均匀噪声严重污染的图像,该算法能够得到较好的检测结果。

基于直觉模糊散度的自适应非局部均值去噪算法

针对传统的非局部均值(NLM)算法在图像去噪时会出现边缘会模糊的问题,提出了一种基于直觉模糊散度的自适应非局部均值(IFD-NLM)去噪算法.该算法利用图像块之间的直觉模糊散度度量非局部图像块的相似性,修正NLM算法的相似性权重,降低不相似图像块之间的干扰,提高了NLM算法相似性权重的准确性.此外,根据图像块内容和直觉模糊散度特征图像,设定相关阈值,自适应地选择滤波参数.实验结果表明,所提算法相对于传统NLM算法能更有效地去除噪声,同时可以保留更多的纹理细节特征和几何结构特征,图像细节信息更为丰富.

直觉模糊信息系统下的三支决策模型

基于直觉模糊数的标准海明距离和相异度,分别定义了直觉模糊信息系统下对象间的相容度和相异度概念,并给出相关的性质.进而分别定义了直觉模糊相容关系下的(α,β)-水平截集R_α~β和决策目标概念下的(α,β)-水平截集X_α~β,并验证水平截集R_α~β为直觉模糊相容关系及其具有的性质.以定义的粗糙隶属度作为评价函数导出目标集的上下近似集及其三个域:正域、负域和边界域,进一步研究了一些性质.根据贝叶斯决策理论构建一种基于直觉模糊信息系统下的三支决策模型及其规则提取算法.最后通过算例说明方法的可行性和有效性.

基于χ~2分布的直觉模糊散度测度及其在推荐系统中的应用

直觉模糊集同时考虑了对象的隶属度、非隶属度和犹豫度,而散度则能够表示信息之间的差异程度.定义了一种基于χ^2分布的直觉模糊散度测度并讨论了其性质,结果可直接应用在多属性决策和推荐系统中.最后,通过算例验证了该方法的有效性和可操作性.