将模糊技术用于灰度变换和空间滤波
2013-08-29 16:00
239 查看
一、模糊技术
先举例说一下模糊集合,以人为例,如果把一群人分为男人和女人,那么有个很清晰的划分,从性别角度讲,一群人就是“干脆”集合;而如果把这群人分成年轻人和非年轻人,界限就是很模糊的,比如三十以下算作年轻人,比三十多一天的貌似也差不多年轻,在实际应用中,这种干脆划分有很大局限性。\
我们时常需要使“年轻”的意思更有弹性,比如说让31岁的人比33岁的人年轻程度更高,这就需要建立一个模型刻画这种年轻程度。模糊技术里,用区间[0,1]刻画一个人的年轻程度,18岁可以对应1,表示十分年轻;25岁可以对应0.8表示很年轻,30岁可以对应0.3,不太年轻了,等等。这样一群人就构成了一个模糊集合。
用Z表示整个集合,A表示一个模糊集合( 比如说标记年轻人的集合),则A中每个人对于A有个隶属度的关系,用隶属度函数uA(z)表示。例如某个人Z0对A的隶属度为0.5,则代表他是年轻人的程度为0.5。
将模糊与模糊隶属度函数之间的关联变量称为fuzification;通常用IF-THEN规则描述有关问题的知识。下面我们寻找一种方法,使用输入和问题的先验知识建立模糊系统的输出。
通常应用实现步骤为:
(1)模糊输入:将IF-THEN规则描述的先验知识映射到[0,1]区间,找到每个标量对应的模糊值。
(2)执行任何需要的模糊逻辑操作(AND、OR、NOT),将所有输出组合到一起;利用一种推断方法,每个规则得到单一输出。
(3)应用聚合方法将所有规则的输出组合到一起,得到单个的输出模糊集合。
(4)对最后的输出去模糊化,得到“干脆”标量输出。(可以求模糊集的重心)
先举例说一下模糊集合,以人为例,如果把一群人分为男人和女人,那么有个很清晰的划分,从性别角度讲,一群人就是“干脆”集合;而如果把这群人分成年轻人和非年轻人,界限就是很模糊的,比如三十以下算作年轻人,比三十多一天的貌似也差不多年轻,在实际应用中,这种干脆划分有很大局限性。\
我们时常需要使“年轻”的意思更有弹性,比如说让31岁的人比33岁的人年轻程度更高,这就需要建立一个模型刻画这种年轻程度。模糊技术里,用区间[0,1]刻画一个人的年轻程度,18岁可以对应1,表示十分年轻;25岁可以对应0.8表示很年轻,30岁可以对应0.3,不太年轻了,等等。这样一群人就构成了一个模糊集合。
用Z表示整个集合,A表示一个模糊集合( 比如说标记年轻人的集合),则A中每个人对于A有个隶属度的关系,用隶属度函数uA(z)表示。例如某个人Z0对A的隶属度为0.5,则代表他是年轻人的程度为0.5。
将模糊与模糊隶属度函数之间的关联变量称为fuzification;通常用IF-THEN规则描述有关问题的知识。下面我们寻找一种方法,使用输入和问题的先验知识建立模糊系统的输出。
通常应用实现步骤为:
(1)模糊输入:将IF-THEN规则描述的先验知识映射到[0,1]区间,找到每个标量对应的模糊值。
(2)执行任何需要的模糊逻辑操作(AND、OR、NOT),将所有输出组合到一起;利用一种推断方法,每个规则得到单一输出。
(3)应用聚合方法将所有规则的输出组合到一起,得到单个的输出模糊集合。
(4)对最后的输出去模糊化,得到“干脆”标量输出。(可以求模糊集的重心)
相关文章推荐
- 171031 Matlab数字图像处理-02-灰度变换与空间滤波
- 冈萨雷斯《数字图像处理matlab版》(二):灰度变换与空间滤波
- 灰度变换与空间滤波摘要
- 数字图像处理(MATLAB版)学习笔记(2)——第2章 灰度变换与空间滤波
- 灰度变换与空间滤波之一(读数字图像处理学习halcon)
- 数字图像处理——灰度变换与空间滤波(使用MFC)
- 《数字图像处理 第三版》(冈萨雷斯)——第三章 灰度变换和空间滤波
- 图像处理 灰度变换与空间滤波
- 灰度变换与空间滤波
- 灰度变换与空间滤波-学习提纲
- 第二章 灰度变换与空间滤波
- 第二章 灰度变换与空间滤波(续)
- 【数字图像】灰度变换与空间滤波
- 灰度变换和空间滤波
- 系统学习数字图像处理之灰度变换和空域滤波
- 数字图像处理—彩色增强—伪彩色增强(亮度切割)(从灰度到彩色的变换)(频域滤波)
- 灰度变换、自适应高斯滤波、平滑滤波、canny边缘检测、直线霍夫变换
- 灰度图像--频域滤波 傅里叶变换之连续信号傅里叶变换(FT)
- 【原】数字图像处理学习之二亮度变换与空间滤波
- Matlab中图像处理实例:灰度变换,空域滤波,频域滤波,傅里叶变换的实现