基于模糊集理论的图像增强算法研究
| 1 绪论 | 第1-12页 |
| ·研究背景及意义 | 第7-8页 |
| ·图像模糊增强算法的发展 | 第8-11页 |
| ·模糊理论的发展简介 | 第8-9页 |
| ·基于模糊理论的图像增强发展及现状 | 第9-11页 |
| ·本文研究内容 | 第11-12页 |
| 2 模糊集理论基础及其现有模糊增强算法分析 | 第12-24页 |
| ·模糊集理论基础 | 第12-15页 |
| ·模糊集合的定义 | 第12-13页 |
| ·模糊集合的表示 | 第13页 |
| ·确定隶属函数的方法 | 第13-15页 |
| ·图像模糊处理 | 第15-17页 |
| ·基于模糊增强算子的图像模糊增强现有算法分析 | 第17-23页 |
| ·S.K.Pal等人的算法及其缺点 | 第17-18页 |
| ·其他学者对隶属度函数的改进 | 第18-20页 |
| ·其他学者对模糊增强算子的改进 | 第20-22页 |
| ·其他学者对模糊增强算子增强方法与其他方法的结合 | 第22-23页 |
| ·小结 | 第23-24页 |
| 3 基于模糊熵的自适应图像模糊增强 | 第24-39页 |
| ·引言 | 第24页 |
| ·模糊熵用于自适应模糊增强的思想 | 第24-25页 |
| ·最大熵原理 | 第24-25页 |
| ·算法基本思想 | 第25页 |
| ·已有模糊熵定义 | 第25-28页 |
| ·Zadeh的模糊熵定义 | 第25页 |
| ·De Luca等人的定义 | 第25-26页 |
| ·Kaufmann的定义 | 第26页 |
| ·N. R. Pal等人的定义 | 第26-27页 |
| ·H. D. Cheng等人的定义 | 第27页 |
| ·汪亚明等人的定义 | 第27-28页 |
| ·新的模糊熵定义 | 第28-30页 |
| ·信息增加的指数特性 | 第28-29页 |
| ·新的模糊熵定义的提出 | 第29-30页 |
| ·仿真实验及结果分析 | 第30-38页 |
| ·结论 | 第38-39页 |
| 4 基于遗传算法的自适应图像模糊增强 | 第39-50页 |
| ·引言 | 第39页 |
| ·遗传算法简介 | 第39-44页 |
| ·传统的遗传算法简介 | 第40页 |
| ·遗传算法的构成要素 | 第40-43页 |
| ·改进的遗传算法简介 | 第43-44页 |
| ·利用遗传算法选取最佳模糊参数 | 第44页 |
| ·编码串长度 | 第44页 |
| ·适应度函数的确定 | 第44页 |
| ·其他关键参数的选择 | 第44页 |
| ·仿真实验及结果分析 | 第44-48页 |
| ·结论 | 第48-50页 |
| 5 基于模糊增强算子的边缘检测算法 | 第50-64页 |
| ·引言 | 第50页 |
| ·已有边缘检测算法性能分析 | 第50-51页 |
| ·传统边缘检测算法 | 第50-51页 |
| ·广义模糊集定义下的边缘检测算法 | 第51页 |
| ·新的边缘检测算法的提出 | 第51-53页 |
| ·隶属度的定义 | 第52页 |
| ·模糊增强算子的设计 | 第52-53页 |
| ·仿真实验及结果分析 | 第53-62页 |
| ·结论 | 第62-64页 |
| 6 结论 | 第64-66页 |
| ·结论 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士期间所发表的论文 | 第71-80页 |
