为给指挥员提供更理想的突击航线选择方案, 提出了一种基于直觉模糊GRA-TOPSIS的多属性决策方法。首先分析构建出贴合作战实际的突击航线评估指标体系, 然后利用直觉模糊集理论的直觉模糊加权平均算子对决策专家评估矩阵进行集结,并利用直觉模糊交叉熵计算属性权重, 之后使用GRA-TOPSIS模型对待选突击航线进行择优排序,最后通过实例计算和对比分析验证所提方法的有效性和可靠性, 为突击航线评估提供了一种新方法。

针对模糊增强不能改善图像的对比度和直方图均衡增强存在过度增强、图像细节信息丢失的缺陷, 提出了基于直觉模糊集和直方图均衡的图像增强算法。由于待增强图像包含大量的不确定性信息, 给出了一种新的直觉模糊增强图像的算法, 该方法通过合成像素的直觉模糊隶属度和非隶属度的方式来实现, 能够显著增强图像的细节信息, 但不能改善图像对比度。因此, 将直觉模糊增强和直方图均衡进行融合, 以直觉模糊增强为主, 同时抑制直方图均衡的不足, 既增强了图像的细节信息, 又改善了图像的对比度。最后, 通过典型的图像增强实例验证了算法的有效性和可靠性。

为了更加完整地描述不确定信息, 将三角模糊数与毕达哥拉斯犹豫模糊集结合, 提出了毕达哥拉斯三角犹豫模糊集。针对信息集成过程中数据属性之间存在关联关系的问题, 将Heronian平均算子、Muirhead平均算子拓展到毕达哥拉斯三角犹豫模糊集中, 提出了毕达哥拉斯三角犹豫模糊Heronian平均算子和毕达哥拉斯三角犹豫模糊Muirhead平均算子。考虑不同属性的输入变量的重要程度不同, 提出了它们的加权形式。最后, 针对毕达哥拉斯三角犹豫模糊环境下的多属性决策问题, 提出了基于PHTFWMM算子的多属性决策方法, 并通过算例说明了该方法的有效性。

针对现有的红外与可见光图像融合算法存在融合图像的对比度与清晰度降低和细节纹理信息丢失等问题,提出将鲁棒主成分分析(RPCA)、压缩感知(CS)和非下采样轮廓波变换(NSCT)相结合的融合算法。首先对两幅源图像分别进行预增强处理,应用RPCA分解得到相应的稀疏分量和低秩分量;然后对稀疏矩阵利用结构随机矩阵压缩采样,利用高斯梯度-信息反差对比度(GG-DCI)压缩融合,经正交匹配追踪法(OMP)重构;接着对低秩矩阵采用NSCT分解成低频子带和高频子带,低频子带选用区域能量-直觉模糊集(RE-IFS)融合,最高频子带利用最大绝对值规则融合,其他高频子带选用自适应高斯区域方差融合;最后将融合后的稀疏分量和低秩分量叠加得到融合图像。实验结果表明,本文算法相比其他算法能够更好地提高融合图像的对比度和清晰度,保留了丰富的细节纹理信息,客观评价指标也总体优于现有算法,有效提升了红外与可见光图像的融合效果。

为了实现在遥感图像处理过程中准确地提取到有效地物信息,缩短分类用时,将卷积神经网络(CNN)模型引入遥感图像地物分类,首先提出由图片模糊加权平均(PFWG)改进的CNN分类方法,利用模糊几何聚类算法作为预处理单元对实验样本进行特征规划,并对遥感地物信息进行多源特征决策,简化了分类过程,加快了CNN模型的收敛速度。实验结果表明,利用PFWG改进的CNN分类方法总体分类精度达到了93.73%;Kappa系数为0.94。该方法有效地弥补了CNN自身对遥感图像分类不够细腻、表达效果差的缺点,较好地完成了多光谱遥感图像分类任务,同时具备一定抗干扰能力。

利用前期搭建的声分辨光声系统对小鼠耳朵进行扫描成像，获取的光声图像存在部分血管不连续、分辨率较低且边界不够清晰等问题。为了有效提高声分辨光声图像质量，采用连接断点、插值、小波去噪等方法进行预处理; 针对插值带来的模糊边界、损失细节等问题提出一种模糊集与分数阶微分小波增强相结合的图像增强方法，设计对比实验，结合信息熵、对比度改善指数和平均梯度等评价指标进行评价。实验结果表明增强后的图像血管连接性好、分辨率更高、高频信息表现更丰富，所提增强方法对光声图像的优化处理有应用潜力。

传统光电跟踪设备对于多传感器数据源的选择, 大多采取手动或按优先级进行切换的控制方式。为了克服切换机制带来的滞后性、随意性以及切换时的阶跃效应, 提出了多源数据融合控制策略。首先计算自适应可变跟踪门规划关联区域剔除野值; 然后根据关联区域设计分时分级融合结构; 最后通过构造隶属度函数计算融合加权因子。经实际应用验证, 这种融合控制策略提高了跟踪精度, 减小了超调量, 增强了系统的鲁棒性、可靠性和实时性。

为了在多波段图像融合中选用合适的直觉模糊化方法来处理不确定性问题, 对 5种常用的直觉模糊集方法在多波段图像融合中的应用进行了比较。首先将多波段图像进行直觉模糊化处理, 对隶属度图像进行去模糊化得到直觉模糊图像; 然后, 将直觉模糊图像进行非下采样轮廓波变换(Nonsubsampled contourlet transform, NSCT), 对低频图像进行直觉模糊化处理, 所得隶属度作为权重进行加权融合, 高频使用取大规则进行融合; 最后通过逆变换得到融合图像。对融合结果采用主观人眼视觉观察和客观评价指标体系进行分析比较, 得到较好的直觉模糊集方法的优势性能。实验结果表明, 与 Sugeno、Yogita、Yager及 Chaira四种直觉模糊化方法相比, Bala直觉模糊化方法可以有效提高融合结果的亮度和对比度, 而且融合结果边缘清晰, 纹理特征明显, 具有更好的视觉融合效果和客观质量评价。

针对传统图像融合方法造成的边缘模糊、细节损失、图像对比度与清晰度容易降低等问题, 利用非下采样轮廓波变换, 提出一种基于直觉模糊集和区域对比度的红外与可见光图像融合算法.首先, 使用非下采样轮廓波变换将源图像分解, 分别得到源图像的高频和低频成分.其次, 利用直觉模糊集灵活准确描述模糊概念的特性, 构建双高斯隶属函数对低频成分进行融合; 利用区域对比度详细描述图像纹理信息的特点, 采用多区域特征对比度结合距离分析的融合规则, 对高频成分进行融合.最后使用非下采样轮廓波逆变换得到融合图像.实验结果表明, 与其它融合算法相比, 该算法提高了图像对比度, 保留了源图像中的边缘和细节信息, 且得到的融合结果具有更优的客观评价值.