Bildverbesserung und Segmentierung mit Soft-Computing-Techniken

Dieses Buch beschreibt die Bildsegmentierung in mehreren Maßstäben durch die Integration verschiedener Strukturen. Diese Techniken stützen sich auf Rand-, Struktur- und Nicht-Strukturinformationen für die Bildsegmentierung in mehreren Maßstäben. In dieser Arbeit wird argumentiert, dass die Fragen der Skalenauswahl und der Strukturerkennung für die Segmentierung nicht getrennt behandelt werden können. Soft-Computing-Techniken sind am besten geeignet, um diese Art von Problemen zu bewältigen. Die Fuzzy-Bildsegmentierung ist eine Aufgabe, bei der die Pixel eines Bildes mit Hilfe verschiedener Etiketten so klassifiziert werden, dass das Bild in nicht überlappende, mit Etiketten versehene Regionen aufgeteilt wird. In dieser Dissertation werden auf Fuzzy-Clustern basierende Techniken untersucht und entwickelt: Fuzzy-Entropie-Technik, regelbasierte Typ-II-Fuzzy-Logik, Kantendetektion auf der Grundlage von Gradienten-Fuzzy-Logik, verallgemeinertes Fuzzy-C-Mittel und Fuzzy-Entropie-Dreiecksmodell für hochauflösende Bilder. Die Experimente wurden mit bekannten Bilddatenbanken durchgeführt, und die Ergebnisse werden in Form von Tabellen und Diagrammen für die objektive Analyse erstellt und die Ergebnisse der Eingabebilder werden für die subjektive Analyse verwendet.