模糊格构造型形态神经网络

针对构造型形态神经网络(CMNN)决策函数的局限性,提出了一种模糊格构造型形态神经网络(FLCMNN);该模型在利用训练好的CMNN进行分类时,引入模糊格包容性测度计算测试样本属于各超盒的隶属度值.采用仿真数据集对提出的FL-CMNN模型进行了评价,并与原始的CMNN和传统的人工神经网络、支持向量机、最近邻分类器进行了对比;试验结果表明,FL-CMNN在测试精度上明显优于原始的CMNN,训练时间远远低于传统的神经网络和支持向量机,而分类精度丝毫不亚于传统的神经网络和支持向量机.

模糊形态联想记忆网络及其在细胞图像联想识别中的应用

研究了模糊形态双向联想记忆网络(FMBAM)在灰度图像处理中的方法,并利用核的形式来解决灰度图像含随机噪声的正确联想记忆及识别问题,提出了构造灰度图像的核需要满足的条件,给出了寻找核的方法和途径,并应用于细胞图像的联想和识别,通过仿真实验,验证了该方法的有效性和良好性能。

新型模糊形态神经网络及其应用研究

该文在简要介绍形态学神经网络(MorphologicalNeuralNetwork,简称MNN)的基础上,提出了一种新型的模糊形态学神经网络,给出了其相应的模型。结合实例,比较了常见BP网络、形态学BP神经网络和模糊形态BP神经网络的训练结果和性能。实验结果表明,这种新型的神经网络具有较高的识别率和适应能力,同时此新型神经网络的提出丰富了神经网络模糊技术的研究。

基于模糊神经网络的图像滤波算法(英文)

针对传统的线性和非线性图像滤波算法对含有丰富细节的图像滤波处理的不足,提出一种基于模糊神经网络的图像滤波算法。该算法利用神经网络的自学习功能训练标准样本以确定模糊贴近度阈值,在基本不改变原有图像的灰度信息的前提下,找出图像受到噪声污染的像素点,采用迭代中值滤波算法得到的中值替换噪声点。仿真实验表明该方法有很好的滤波效果,优于传统的图像滤波算法。

模糊形态双向联想记忆网络的研究

提出了一种新型的模糊形态双向联想记忆网络FMBAM,证明了FMBAM在双向联想中能够保证记忆在一步之内完成,因此不存在收敛问题,并实现完全双向正确联想,且可模糊性解释,同时表明了FMBAM具有优越的抗腐蚀或膨胀噪声的能力,仿真实验验证了双向联想FMBAM具有良好的性能。

基于模糊细胞神经网络的彩色图像形态学重构

利用彩色图像的 Ｒ Ｇ Ｂ空间分解，在模糊细胞神经网络上实现了彩色图像数学形态学的基本算子，并讨论了该实现相对于常规串行计算机算法的优越性和局限．进一步地利用按分量的灰度重构，实现了彩色重构算法．最后讨论了该重构算法在抑制彩色图像高频噪声中的应用．给出的仿真结果对于推广模糊细胞神经网络在彩色图像实时处理和硅眼等模拟逻辑系统中的应用有着重要的意义．

图像分割方法研究

图像分割是图像处理与计算机视觉的基本问题之一,是图像处理到图像分析的关键步骤。目前,图像分割已有上千种方法,既有经典的方法也有结合新兴理论的方法。从分割所应用特定理论工具的角度出发,对近年来图像分割的新方法或改进算法进行综述,并简要讨论了每类分割方法的特点。

模糊细胞神经网络在书法碑帖汉字重构中的应用

模糊细胞神经网络作为一种模拟逻辑可编程并行网络，可以用来实时实现数学形态学的全部基本算子．文中基于加性模糊细胞神经网络结构，应用数学形态学的重构算法，研究中国书法碑帖在自然腐蚀噪声环境下的去噪和汉字提取问题，并给出了算法的伪代码描述和数字计算机仿真结果．该方法可应用于书法碑帖的汉字处理和实时重构．

一种新颖的模糊形态联想记忆网络

模糊形态联想记忆网络FMAM具有较强的抗膨胀或腐蚀噪声能力,且可以模糊性解释。但抗混合噪声的能力很弱。而在实际中,随机噪声往往是混合型的,既有膨胀又有腐蚀噪声。为此提出了一种基于尺度空间的模糊形态联想记忆网络,并分析了其抗膨胀/腐蚀噪声和抗随机噪声的能力,它提高了自联想FMAM的抗随机噪声能力。通过仿真实验验证了该方法具有良好的性能。

焦平面红外弱小目标检测新算法

针对焦平面红外图像中运动弱小点目标的检测问题,基于形态学滤波器和模糊决策融合构建了一种新的弱小目标检测算法。针对单帧检测,基于目标在实测红外图像上所呈现的凸包结构特点,设计了圆形形态学滤波器结构,并引入神经网络进行圆形形态学滤波器结构元素优化设计。同时在多帧关联检测的基础上,引入决策融合概念,基于贝叶斯最小风险准则建立了基于模糊决策融合的序列关联检测方法。实测数据的处理结果表明:针对低信噪比图像(SNR≈2),在虚警概率≤1%情况下,新算法对复杂红外弱小目标图像检测概率≥98%,有效地提高了检测算法的性能。

形态双向联想记忆网络的摄动鲁棒性研究

针对训练模式对的小幅摄动可能会对神经网络的输出产生副作用的问题,该文研究了形态双向联想记忆(MBAM)网络和模糊形态双向联想记忆(FMBAM)网络训练模式对的摄动鲁棒性。比较了训练模式对摄动前后2种网络输出范围的变化,理论证明了MBAM和FMBAM 2种网络的摄动鲁棒性。理论和仿真实例表明:MBAM网络对训练模式对的摄动全局拥有好的鲁棒性,其训练模式对的选取可以适度粗糙;而FMBAM网络对训练模式对的摄动不具有好的鲁棒性,则其训练模式对的选取精度要求较高。

浮选气泡NSCT域多尺度等效形态特征提取及识别

为了解决浮选气泡图像现场光照不均、相互黏结、无背景等造成的直接形态特征提取困难问题,提出一种浮选气泡NSCT域(Nonsubsampled Contourlet Transform, NSCT)的多尺度等效形态特征提取及识别方法。通过NSCT变换将浮选气泡图像分解为低频图像和多尺度多方向高频图像;采用模糊集方法二值化低频子带图像,得到气泡亮点图像,提取亮点个数、平均面积、标准差和椭圆率作为等效形态尺寸特征;结合方向模极大值及差分盒维法计算各高频子带方向的分形维数;最后,将多尺度多方向等效形态尺寸特征作为输入,采用量子门节点神经网络对三类浮选气泡图像进行状态识别和分类。实验结果表明,该方法提取的等效形态尺寸特征与分类的相关性高,能对三种类型浮选气泡图像进行有效的状态识别,平均识别准确率达95.1%。本算法的识别准确率较几种流行算法而言有较大提高,适用于动态变化的浮选工况。

变压器励磁涌流识别现状与发展

首先分析了励磁涌流的产生和特点,然后阐述了传统和新型励磁涌流识别方法的原理及优缺点,最后对励磁涌流识别方法的发展作出展望,指出单一判据的识别方法已经无法满足现阶段的要求,智能化的多判据综合识别方法将使励磁涌流识别研究有所突破。

双向模糊形态联想记忆网络及其抗随机噪声的研究

在文献[1]提出的模糊形态联想记忆网络FMAM的基础上,提出了一种新型的模糊形态学双向联想记忆网络FMBAM,证明了FMBAM的双向联想中能够保证记忆在一步之内完成,因此不存在收敛问题,也表明了FM-BAM具有优越的抗腐蚀或膨胀噪声的能力。但是,通常的噪声是随机的,为此,本文提出了动态核的方法,从而较好地提高了FMBAM对随机噪声的抗噪能力。仿真实验验证了利用动态核的双向联想记忆网络FMBAM。在加入较大的随机噪声的情况下,仍能保证完全记忆在一步之内完成。