一种基于模糊理论的图像识别方法

一种基于模糊理论的图像识别方法作者：刘秋菊，赵冬玲，刘素华，Liu，Qiuju，Zhao，DongLing，Liu，Suhua作者单位：刘秋菊,赵冬玲,Liu,Qiuju,Zhao,DongLing(454650,济源职业技术学院)，刘素华,Liu,Suhua(450052,郑州河南工业大学计算机系)刊名：微计算机信息英文刊名：CONTROL&AUTOMATION年，卷(期)：2006，22(1)被引用次数：10次参考文献(7条)1.张曾科模糊数学在自动化技术中的应用19972.ShinjiQzawaImageSensorsinTrafficandVehicleControl19943.章毓晋图像处理和分析19994.PalNR.BezdekJCOnclustervalidityforthefuzzyC-means1995(03)5.崔屹数字图像处理技术与应用19976.樊占锁.唐兵.郝俊宇图像定尺在钢铁板坯二次切割中的应用[期刊论文]-微计算机信息20057.TsaoEC.BezdekJCFuzzyKohonenClusteringNetwork1994(05)相似文献(10条)1.学位论文李德俭基于二维直方图和模糊聚类的图像分割研究2009图像分割是模式识别和计算机视觉中的一个经典问题，是图像分析中的一项关键技术，是进一步对图像进行识别、跟踪、理解和编码的基础，分割的准确性直接影响后续任务的有效性，具有十分重要的意义。由于成像中各种因素的影响，使得待分割图像的目标与背景之间一般带有一定的相似性和不确定性，而且图像分割质量最终是由人来做主观评价的，图像所具有的不确定性往往是模糊性，而不仅仅是随机性。而模糊信息处理技术特别适合此类问题的解决，因此在图像分割中得到了十分广泛的应用。br　　基于以上原因，本文研究了以模糊聚类理论为基础的，在图像分割中颇为流行的基于模糊熵的图像分割方法和基于模糊c均值聚类算法图像分割方法，并针对其在图像分割应用中的不足之处进行了改进。br　　首先，对基于二维灰度直方图的模糊熵分割算法进行了深入研究。传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，对噪声敏感，而二维分割方法对于绝大多数图像，都具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法。br　　其次，构造了两种二维直方图，形成两种改进的基于二维直方图和FCM算法的图像分割算法。这两种直方图中，一种是利用PCNN神经元的同步脉冲发放特性和捕获特性，构造了灰度-PCNN均值输出图像对二维直方图；一种是利用中值滤波的滤波效果好并保持边缘的特性构造了一次中值滤波-二次中值滤波二维直方图。由于这两种二维直方图更为合理有效，再结合FCM算法进行图像分割，获得了很好的效果。2.期刊论文高新波.谢维信模糊聚类理论发展及应用的研究进展-科学通报1999,44(21)从模糊聚类准则函数的演化、算法实现的途径、有效性度量方式以及在模式识别与图像处理中的应用等4个方面对模糊聚类理论的研究进展做了综述和评价,指出模糊聚类进一步研究的几个重要方向及其应用前景.3.学位论文郑涵容基于模糊聚类的选择性支持向量机集成2006支持向量机(supportvectormachine，SVM)是一种新的机器学习算法，是借助于最优化方法解决机器学习问题的新工具，它的理论基础是Vapnik创建的统计学习理论。它通过结构风险最小化准则和核函数方法，较好地解决了模式分类器复杂性和推广性之间的矛盾，引起了模式识别领域学者的极大关注。近年来，随着其快速训练算法的出现，支持向量机在手写体识别、声音识别、人脸检测、文本分类、图像处理等领域取得了很大的成功。针对支持向量机在遥感图像的应用，本文所做具体工作及创新如下：(1)参加了浙江省科技厅科技计划项目《基于高光谱遥感的森林资源模式识别技术研究》的研究开发。(2)介绍了课题组经过多次研究探讨提出的理论——基于模糊聚类的选择性支持向量机集成，即首先在训练集上利用Bootstrap方法训练多个支持向量机个体，然后对这些支持向量机个体进行聚类，并选出各类中最接近靠近聚类中心的个体，组成选择后的个体集合，然后采用投票法进行集成，获得基于模糊聚类的选择性支持向量机集成。(3)在MATLAB平台上实现了将该算法用于遥感图像的分类；根据实验结果，证明了算法的可行性，即选择性集成后的支持向量机分类精度高于单一的支持向量机。(4)根据聚类算法和支持向量机的基本原理，提出了数据优化的方法，该方法将原始数据先进行聚类，然后选择各类的聚类质心训练支持向量机。实验表明，数据优化方法可以获得更高的分类精度。4.期刊论文薛晗.马宏绪.XUEHan.MAHong-xu基于模糊聚类的神经网络求解围棋死活博弈-计算机仿真2007,24(11)围棋死活求解非常消耗计算资源,博弈树的节点数随分支因子和深度的增加而呈指数级增长,使得传统的完全遍历博弈树的搜索不足以胜任.文中提出了一种基于模糊聚类的神经网络方法,利用模式识别和模糊属性检测,为涉及到外部劫争、循环规避、哈希置换、证明树等多方面问题的围棋博弈死活求解,构建了基于神经网络的棋型聚类分析器,快速又有效地极大减小了博弈树的分支因子,节约了死活求解所耗费的计算时间和内存空间.实验证明取得了比较理想的结果,研究表明把自学习能力赋予程序是提高计算机围棋博弈性能的有效途径.5.学位论文雷鸣模糊聚类新算法的研究2006模糊聚类分析是模糊模式识别范畴中的一个重要分支，是一种无监督的模式识别方法。在众多的领域得到了广泛的应用。比如分类学、地质学、商业活动、模式识别和图像处理等很多方面。研究模糊聚类的算法及其应用具有十分重要的价值，聚类的目标就是在庞大的数据集中发现潜在的数据结构，将类似的样本尽可能地划分在同一类内。由于模糊聚类得到了样本属于各个类别的不确定性程度，表达了样本类属的模糊性，即建立起了样本对于类别的不确定性描述，更能客观地反映现实世界。如今，模糊聚类已发展成庞大的体系。在实际中用处较大的是基于模糊关系和相似关系的聚类算法以及基于目标函数的聚类算法。模糊c均值聚类算法是最早的目标函数聚类算法，也是目标函数聚类算法中研究得比较充分的算法。但是，在模糊c均值聚类算法以往的研究中仍旧存在薄弱环节和不足之处。模糊c均值聚类算法及其推广形式的主要缺点是对初始化较敏感，收敛速度较慢，对噪声较敏感，不适用于类与类之间的样本量相差较大的情形。目前，针对模糊c均值聚类算法及其推广形式的不足，己提出了各种各样的算法。本文首先对传统的模糊c均值聚类算法进行了分析，讨论了模糊c均值聚类中隶属度的新解释。其次，针对区间型数据，提出了相应的区间型数据模糊c均值聚类算法，将区间长度和区间中值共同作为模糊聚类的要素，这在一定程度上克服了传统区间型数据模糊c均值聚类算法的不足。再次，针对现有关于混合型数据的模糊聚类算法存在的缺陷，提出了改进的针对混合型数据的模糊c均值聚类算法。该算法对符号型数据和模糊数据使用了新的距离测度公式，在此基础上给出了改进的混合型数据模糊c均值聚类算法。实验表明新的算法在应对混合型数据的模糊聚类问题上有很好的结果。最后对聚类有效性问题进行了研究，讨论了三种基于模糊划分的聚类有效性函数。这三种聚类有效性函数分别依据可能性分布，香农熵和子集测度。6.期刊论文刘素华.侯惠芳.张红梅基于模糊理论的仓储物害虫的模式识别分类研究-计算机工程与应用2004,40(12)文章在提取了数字图像特征的基础上,首先利用模糊聚类建立仓虫模式库,然后根据模糊集理论的择近原则对仓储物害虫进行识别,识别率达93%以上.从而,为粮仓害虫的在线检测提供了一种新方法.7.会议论文朱存.倪远平EFC-RBF神经网络算法研究与故障模式识别2009对径向基函数(RBF)神经网络进行了理论分析，采用基于熵的模糊聚类(EFC)算法确定径向基神经网络的隐含层中心矢量，形成了EFC-RBF神经网络算法，并尝试将该算法用于变压器故障模式识别.仿真实验表明：EFC-RBF神经网络算法的训练过程比反向传播(BP)神经网络表现更优，实际故障数据验证其能够进行变压器故障模式识别，具有故障诊断的有效性.8.期刊论文王志华.吕传音.WangZhihua.LvChuanyin模糊聚类在柴油机故障诊断中的应用-中国水运（理论版）2006,4(8)柴油机状态监测与故障诊断可以看作是一种故障模式的识别过程,模糊聚类方法是模式识别方法的一种,本文利用模糊C均值聚类方法对表征柴油机状态的特征向量进行模式识别,结果表明该方法可通过特征参量准确地区分不同的柴油机故障模式,模糊聚类方法在柴油机状态监测与故障诊断中有较好的适用性.9.学位论文王清基于模糊聚类和灰色理论的齿轮箱故障诊断研究2006齿轮箱是用来改变转速和传递动力的常用机械设备，对其进行状态监测及故障诊断，能为针对性维修提供科学依据，节约维修费用，这一课题的研究具有很大的社会实用价值和经济价值。在齿轮箱故障诊断中，充分提取故障信息，准确判断故障性质和故障源，选择有效的信号处理和故障诊断方法是诊断成败的关键。本文根据齿轮箱的故障机理和振动、结构特点，讨论了齿轮箱状态监测和故障诊断的有关理论和方法，在确定振动测试实验方案的基础上，测取齿轮箱振动信号，并根据所测信号噪声含量较大的特点，将所测信号运用小波消噪处理，解决了强背景噪声下微弱信号的提取问题。在提取了反映齿轮箱典型故障的时域和频域特征参数后，进行了多参数辨识，用类比方法来判别故障，同时采用了多种常规时域和频域信号分析方法来进行故障信号的分析与处理，进行故障的定位分析。最后，在建立齿轮箱典型故障样本的基础上，研究了基于模糊聚类和ABO灰色关联度的齿轮箱性能检测与故障的模式识别方法。实验诊断结果证明，本文所提出的故障诊断方法是可行的，能有效地对齿轮箱故障进行分析和诊断。10.学位论文韩志坤基于频域解耦模型的电力系统低频振荡模式分类方法研究2007电力系统低频振荡问题随着电力系统规模的扩大而日益突出,严重威胁到电力系统的安全运行.对于多机电力系统而言,存在有可能引发低频振荡的振荡模式,如局部振荡模式和区域振荡模式,对这些振荡模式进行分类和筛选,确定其强相关联机组或区域,对于抑制低频振荡,保障电力系统安全稳定运行具有非常重要的理论价值和实际意义.本文围绕基于频域解耦降阶模型的电力系统低频振荡模式识别开展了以下研究工作:运用一种新的同调识别的模糊聚类分析模型实现多机电力系统同调机群的划分;提出一种基于频域解耦降阶模型的低频振荡模式强相关联机组判定方法;将同调机群模糊聚类划分和低频振荡模式强相关联机组判定相结合,实现电力系统低频振荡模式特征的识别.具体成果如下:基于计及阻尼绕组作用的C,1～C,18模型,提出一种新的同调机群识别的模糊聚类分析方法,基于该方法求出的模糊等价矩阵更为准确地提供了发电机组间的同调信息,选择适当的阈值对其截断,就可实现同调机群的合理划分.基于频域解耦降阶模型,提出一种新的多机系统低频振荡模式强相关机组的判定方法,该方法根据低频振荡模式在各解耦单机降阶闭环传递函数中的分布状况,实现低频振荡模式强相关联机组的判定.即,若某一台或几台机组中都含有同一个低频振荡模式,则这些机组即是该低频振荡模式的强相关联机组.综合同调机群的模糊聚类划分和低频振荡模式强相关联机组判定的结果,提出一种新的低频振荡模式识别方法.若低频振荡模式的强相关联机组同属于一个同调机群,表明该模式由这个同调机群内部机组主导,则判断该低频振荡模式为局部模式;若其分布于多个不同的同调机群,表明该模式由两个或多个同调机群间的机组主导,则判断该低频振荡模式为区域模式.编制了与上述方法对应的低频振荡模式识别程序,算例结果与传统方法的识别结果一致,表明了本文方法的有效性和正确性.最后以某区域电网为对象进行低频振荡模式识别,取得了合理的结果.引证文献(10条)1.唐志刚Vague集之间的一种新的相似度量[期刊论文]-南华大学学报(自然科学版)2008(3)2.师宝山.张贵州笔迹鉴别预处理算法的设计与实现[期