针对低亮度图像存在的对比度低、边缘弱、噪声干扰等问题,提出了一种基于改进量子和声搜索(QHS)算法优化模糊集变换的非下采样Contourlet变换(NSCT)域图像增强方法。首先,将低亮度图像进行NSCT分解,得到低频图像和多尺度高频子带图像。然后,改进QHS算法的量子旋转门更新策略,并将改进的QHS算法用于模糊集变换参数的优化以实现低频图像的自适应增强。接着,根据能量分布对贝叶斯萎缩阈值进行改进以去除高频子带的噪声系数,并通过非线性增益函数实现了边缘和纹理细节的增强。最后,对增强后的各尺度图像进行NSCT重构。对低照度图像、医学计算机断层成像(CT)图像、红外夜视等低亮度图像进行了实验,结果表明,与现有的图像增强方法相比,所提方法不仅改善了图像的整体亮度,还具有更高的信息熵、对比度和清晰度。此外,所提方法在有效抑制噪声的同时保留了更多的纹理细节,且适用于不同环境下的低亮度图像增强。

为了辨识压电驱动器中固有的迟滞特性, 提出了一种基于区间二型Takagi-Sugeno(T-S)模糊系统的建模方案。首先, 引用垂直距离公式替换传统的误差计算公式, 使聚类算法与所辨识的超平面结果直接相关联, 并提出了改进的区间二型模糊C回归模型(FCRM)聚类算法用于模糊空间的划分, 提高了区间划分精度。其次, 针对超球型高斯隶属度函数与超平面型聚类算法结构不匹配的问题, 引入了与超平面相匹配的超平面隶属度函数完成模糊前件参数的辨识, 并利用最小二乘法完成模糊后件参数的辨识。最后, 利用上述方案完成了压电驱动器迟滞特性的建模。实验结果证明该方案是有效的。

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。

利用高光谱遥感图像对**工程进行伪装效果评估,提出了一种基于直觉模糊决策的高光谱伪装效果综合评估方法,以及包括光谱泛相似测度、亮度对比度、视觉相似性测度和结构相似性测度等在内的高光谱伪装效果综合评价指标体系;建立了面向高光谱伪装效果评估的直觉模糊多属性决策模型;采用逼近理想解的排序算法进行模型决策,并提出了基于直觉模糊集Hamming距离的灰关联测度以提高方案之间的区分度。研究结果表明,利用所提方法得到的评估结果与专家评估结果一致,验证了其合理性和可行性。

针对部分对比度低、噪声大的图像，提出一种基于大脑内部生成机制(IGM)和改进脉冲耦合神经网络(PCNN)的图像增强方法。首先，根据IGM有关理论将原始图像分解为细节子图与粗糙子图；然后，采用改进的PCNN增强方法对粗糙子图进行处理，以提高整体对比度，采用PCNN与模糊集理论结合的增强方法对细节子图进行处理，增强边缘等细节信息并去除部分噪声；最后，将处理后的细节子图与粗糙子图重构，得到最终的增强图像。实验结果表明，该方法能够有效增强图像的对比度和纹理细节，减少部分噪声，较好地保留原图细节信息。

为权衡信息融合系统对各条证据的可信程度，提出基于直觉模糊交叉熵的证据折扣方法，用于直觉模糊证据合成规则。并根据确定性理论，对直觉模糊决策中的记分函数进行改进，得到基于确定性因子的记分函数形式，用于直觉模糊证据合成结果判定。最后通过与其他算法的对比实验，验证算法在多传感器目标识别应用中是有效的，且具有较高的计算效率。

提出了一种基于模糊熵迭代的点云精简算法，在提高算法运行效率的同时，获得的精简点云模型具有更好的细节特征。对所有点云数据进行快速X-Y边界提取以保留点云边界特征；计算所有数据点的曲率，将除边界外的数据点按照曲率分组并计算每组数据点个数和曲率平均值；利用数据点的曲率构造点云模型的模糊集，计算最小模糊熵，从而得到最佳曲率划分阈值；对曲率小于阈值的数据点按迭代次数不同进行相应比例稀释，对曲率大于阈值的数据点在满足剩余点个数要求的条件下进行迭代计算模糊熵操作，不满足个数要求时数据点全数保留。实验证明该算法既能够保留点云的细节特征以逼近点云原型，又具有良好的运算效率。

提出一种利用直觉模糊集评价红外伪装性能的方法。建立了伪装目标和背景红外图像的灰度值与直觉模糊集隶属度、非隶属度的关系；提出用Gamma函数作为隶属度函数，并用直觉模糊集方法重新描述红外图像；通过计算伪装前后直觉模糊集描述图像的三种模糊距离(Euclidean距离、Hamming距离以及Hausdoff距离)评价伪装效果。实验证明，用Gamma函数作为隶属度函数的直觉模糊集方法评价红外图像伪装具有很好的稳定性，且简单有效。

将编队级目标类型融合识别问题归结为一类具有优先级的不确定多准则决策问题, 基于直觉模糊集和POWA算子的基本概念, 分别定义了直觉模糊优先有序加权平均算子和直觉模糊混合优先有序加权平均算子, 给出了确定其关联权重向量的方法。对编队级目标情报融合识别问题进行数学描述, 结合直觉模糊熵权思想和直觉模糊平均加权算子, 提出了基于直觉模糊混合优先有序加权平均算子的舰艇编队目标类型融合识别方法, 利用实例对方法的有效性进行了说明。