进化策略在图像恢复中的应用

进化策略是模拟自然界生物进化过程的计算模型是一种全局优化搜索方法，本文将改进的进化策略引入灰度图像恢复中，提出一种图像恢复的新方法。     

神经网络理论及其在控制系统中的应用

本文叙述了人工神经网络的理论及其在控制系统中的应用，神经网络试图用数学模型来表示人脑的神经系统，因此神经网络期望获得相似于人脑系统的特性和能力，诸如并行处理，学习，非线性映射以及归纳推广。神经网络用于各种控制系统，使系统获得最佳控制。     

维纳滤波在退化图像恢复中的应用研究

图像由于受到如模糊、失真、噪声等的影响,会造成图像质量的下降,形成退化的数字图像.退化的数字图像会造成图像中的目标很难识别或者图像中的特征无法提取,必须对其进行恢复.维纳波是一种常见的图像复原方法,该方法的思想是使复原的图像与原图像的均方误差最小原则采复原图像.本文进行了对退化图像进行图像复原的仿真实验,在退化图像中加...     

用细胞神经网络实现图像恢复的一种新方法

文中提出并讨论了用细胞神经网络实现图象最大熵恢复的可能性,并基于对最大熵方法的物理实质分析推出了相应细胞神经网络模板的新设计方法,针对二值图象的恢复问题进行了计算机仿真,结果证明了这一方法是可行的。     

红外测温技术在变电站运维中的应用探讨

电力设备红外图像普遍存在亮度暗、对比度低等问题,针对此现象,提出了一种融合彩色模型空间的图像增强算法。该方法将图像的对比度与亮度增强转换至HSV与RGB空间中分别进行处理：RGB空间中,首先预处理图像中的高灰度级,并采取混合滤波的方式抑制图中噪声,然后使用增强函数提高图像亮度,最后将增强图像转换至HSV空间中并提取H、S、V三分量图;HSV空间中,采用伽马变换和CLAHE(contrast limited adaptive histogram equalization)算法实现V分量的亮度提升,并采取非线性饱和度矫正函数处理S分量提升图像对比度,最后将处理分量与提取分量进行对应融合得到HSV空间中的增强图像,并将其转回RGB空间中得到最终的输出图像。实验结果表明,本文算法能明显地提升红外图像的亮度与对比度,增强后的3组图像其灰度均值和标准差平均值分别为115.94和78.65,相对于原图的平均值分别提升了81.59和36.17。     

两种离散过程神经网络算法及在图像恢复中的应用北大核心CSCD

为解决离散过程神经网络的训练问题,提出了两种基于数值积分的离散过程神经网络训练算法.分别采用三次样条积分和抛物插值积分直接处理隐层离散样本和权值的时域聚合运算,输出层采用普通神经元,采用L-M(Levenberg-Marquard)算法实现网络参数的调整.以模糊图像的恢复为例,实验结果表明,两种训练方法的性能比较接近,但都优于基于沃尔什变换的离散过程神经网络和基于样条差值函数的离散过程神经网络,从而揭示出数值积分方法在提升离散过程神经网络性能和应用方面具有一定潜力。     

维纳滤波图像恢复在信息检测中的应用

为了有效实时地检测高速路段汽车行驶中的流量情况,确保交通安全等,文中讨论了因汽车高速运动和外界环境噪声干扰所引起的图像失真,在图像处理终端实现恢复的总体方案.利用deconvwnr 函数,在图像的频率特征和附加噪声已知的情况下,采用维纳滤波进行因运动模糊引起的失真图像恢复效果明显.经软件编程仿真,结果表明在设置合理的点扩散函数的基础上,其效果优于高斯模糊引起的失真图像恢复效果.经过图像处理终端的设计,可以较好地检测高速路段的车流量情况.     

量子行为粒子群算法在图像恢复中的应用

遗传算法等智能搜索技术避免了图像恢复方法中存在的较多约束和计算量过大的问题,但遗传算法存在“过早收敛”现象。作为一种新的智能优化算法-量子行为粒子群优化算法,在全局收敛性和稳定性上有较好的表现。文章提出了一种基于量子行为粒子群算法的图像恢复方法,并与基于标准遗传算法的图像恢复进行了比较。仿真结果表明,该算法可使图像恢复结果和效率得以较大的改善和提高,具有推广应用价值。     

多尺度形态梯度算法及其在图像分割中的应用

分水岭变换是一种适用于图像分割的强有力的形态工具.然而,基于分水岭变换的图像分割方法的性能在很大程度上依赖于用来计算待分割图像梯度的算法.本文首先提出了一种计算图像形态梯度的多尺度算法,对阶跃边缘和"模糊"边缘进行了有效的处理其次,提出了一种去除因噪声或量化误差造成的局部"谷底"的算法.实验结果表明,采用本文算法后进行分水岭变换,即使不进行区域合并也能产生有意义的分割,极大地减轻了计算负担.     

数字图像预处理算法在彩色年轮图像分割中的应用

本文以分水岭算法为切入点,根据彩色年轮图像的纹理特征,自适应的抑制由于年轮图像表面不平滑以及细微的纹理变化所产生的过分割问题,同时去除了图像中的背景信息,也就是年轮的早材部分。从处理的最终结果可以看出,应用本文图像预处理方法可以很好的保留原始图像中的纹理信息,也就是年轮的晚材部分,同时去除了图像中的大部分噪声,获得了清晰的边缘,为后续对年轮图像信息的进一步提取打下了良好的基础。     

模糊格构造型形态神经网络

针对构造型形态神经网络(CMNN)决策函数的局限性,提出了一种模糊格构造型形态神经网络(FLCMNN);该模型在利用训练好的CMNN进行分类时,引入模糊格包容性测度计算测试样本属于各超盒的隶属度值.采用仿真数据集对提出的FL-CMNN模型进行了评价,并与原始的CMNN和传统的人工神经网络、支持向量机、最近邻分类器进行了对比;试验结果表明,FL-CMNN在测试精度上明显优于原始的CMNN,训练时间远远低于传统的神经网络和支持向量机,而分类精度丝毫不亚于传统的神经网络和支持向量机.     

用神经网络恢复残差的图像超分辨率算法

本文提出了一种基于残差线性恢复的图像超分辨率算法框架,以已有的图像插值算法为基础,利用人工神经网络恢复图像残差,相迭加得到高分辨率图像的估计.在数学上论证了基于神经网络的图像插值算法的依据,并证明了本算法比以往的算法具有更好的性能.理论上,任何一种单帧的图像插值算法都可以被引入本算法框架.同时给出了算法实例和测试结果.     

Forest Fire Detection Using Artificial Neural Network Algorithm Implemented in Wireless Sensor Networks

A forest fire is a severe threat to forest resources and human life. In this paper, we propose a forest?fire detection system that has an artificial neural network algorithm implemented in a wireless s...     

人工神经网络理论及其应用

简要介绍了人工神经网络的发展过程和基本理论，从神经网络具有自学习功能、联想存储功能和高速寻找优化解的能力三个方面论述了其特点和优越性，详细阐述了在模式识别、信号处理、自动控制、人工智能、自适应的人机接口、优化计算、通信以及其它方面的应用，探讨和分析了其发展前景。     

改进的Kohonen网络及图像自适应矢量量化

本文针对图像矢量量化存在的分块效应问题,通过对Kohonen自组织模型的研究,修改了Kohonen的自组织特征映射(SOFM)算法,设计了两个DCT(离散余弦变换)域的特征值,用于图像数据块的分类。在此基础上,进一步探讨了改进的自组织特征映射(MSOFM)算法在图像自适应矢量量化中的应用。计算机模拟实验表明,MSOFM算法有效地减少了分块效应,与SOFM算法相比具有更好的性能。     

基于HSL空间的彩色形态变换

彩色形态变换是数字形态从灰度图象到彩色图象的推广。该文基于HSL（hue-saturation-lightness)彩色空间，提出了彩色形态变换理论，定义了新的彩色形态算子，并讨论了它们的性质。彩色形态变换作为一种数学形态学方法在彩色空间的延拓，可有效地应用于图象处理、图象编码和目标形状特征提取等。     

基于神经网络的红绿灯识别研究

交通灯的识别对人工智能以及无人驾驶都有着举足轻重的作用,本文研究交通识别中的红绿灯判断,用于改善驾驶员疲劳以及维护交通秩序从而提高驾驶安全系数减少交通事故的发生.通过机器视觉采集红绿灯交通信号图,运用Mat-lab进行图片处理截取红绿灯区域,提取每张图片的121个像素点RGB值,运用1和2分别表示绿灯和红灯,建立红绿灯...     

用于遥感图像分类的简化并行神经网络

本文通过分析遥感图像各类样本的分布特征，提出了一种适用于遥感图像分类的简化并行神经网络（PRNN）。该网络包括了多个彼此相似的原子网络，每一类样本通过一个或多个专门的原子网络作预处理，从而大大提高了整个网络的动态性。实验结果表明，简化并行神经网络（RPNN）能够并行复杂的遥感地物样本。并能够取得较高的分类精度。     

一种基于BP神经网络和呈色原理的扫描仪色彩管理新模型

在计算机技术和多媒体技术中,扫描仪是图象信息输入的主要输入设备之一,其色彩管理模型是图像在随后复制和传输过程中保持色彩一致性的关键.本文在分析扫描物呈色原理的基础上,提出了一种基于BP神经网络的扫描仪色彩管理模型.首先,该模型对扫描数据进行归一化的预处理,以满足BP网络对数据取值范围的要求;其次,该模型以彩色梯尺区色块代表整个色空间,以减少模型的运算量;再次,模型采用运动量动态调整模型步长,以加快BP网络收敛速度.最后,实验结果表明本文模型提高了色彩转换精度,能够满足扫描仪色彩管理的工程应用需求.     

基于头脑风暴优化算法的BP神经网络模糊图像复原

该文提出一种基于头脑风暴智能优化算法的BP神经网络模糊图像复原方法(OBSO-BP)。该方法在聚类和变异两方面优化了头脑风暴智能算法,利用头脑风暴优化算法易于解决多峰高维函数问题的特点,自动搜寻BP神经网络更佳的初始权值和阈值,以减少BP网络对其初始权值和阈值的敏感性,避免网络陷入局部最优解,增加网络的收敛速度,减小网络误差,提高图像还原质量。该文采用20张不同的图像,对其模糊图像分别进行维纳滤波复原(Wiener)、基于头脑风暴算法的维纳滤波复原(Wiener-BSO)、BP神经网络复原以及基于头脑风暴算法的BP神经网络(BSO-BP)图像复原实验。实验结果表明,该方法能够取得更好的图像复原效果。