基于支持向量机的飞机图像识别算法

研究了一种基于支持向量机的飞机图像识别算法。采用基于神经网络的图像边缘检测方法,该方法首先基于邻域灰度极值提取边界候选图像,然后以边界候选象素及其邻域象素的二值模式作为样本集,输入边缘检测神经网络进行训练。提取具有RST不变性的轮廓特征向量,输入支持向量机进行训练和识别。将支持向量机与传统的人工神经网络的算法进行了对比实验,实验表明基于支持向量机的飞机图像识别算法具有更好的性能。     

多媒体通信中智能化媒体内同步机制

本文提出了一种智能化视频流量的预测和同步机制（ＩＦＳＭ）,它由ＢＰ神经网络流量预测器（ＢＰＮＮ）、输出缓冲区和基于模糊神经网络（ＦＮＮ）的输出速率决策器所组成。ＢＰＮＮ采用一种在线训练的ＢＰ神经网络预测在将来的一定时间间隔（ＦＩ）内的平均分组速率,ＦＮＮ决策器根据预测的流量特性和缓冲区中的分组数动态地调节下一个分组输出的时间。仿真结果表明：与窗口机制相比,ＩＦＳＭ能够使视频流量取得较高的连续性和较低的时延,并且由于ＦＮＮ的学习能力,ＩＦＳＭ可以自适应地调节相应参数以满足不同的服务质量的要求。     

精馏过程的神经网络控制系统的设计

本文以一个三元精馏塔为研究对象，详细介绍了精馏过程的神经网络控制系统ＣＮＮＣＳ的设计过程，本ＮＮＣＳ主要包括ＮＮ邓估器和ＮＮ控制器，前者被训练后用来精确表达精馏塔的输入到输出的非线性映射，后者被训练后用来对该ＮＮ预估器实现解耦控制，所采用的神经网络模型为ＢＰ网络，是在一个以ＰＣ机为宿主机带９片ＴＲＡＮＳＰＵＴＥＲ的并行处理系统上实现的。     

基于改进BP神经网络图像边缘检测的研究

针对传统的边缘检测算法容易产生边缘断裂、不连续等缺点,文中将动量法与自适应学习速率结合起来对传统的BP神经网络进行了改进,并利用该方法对二值图像进行了边缘检测,然后使用神经网络的并行处理模式对灰度图像的8个位面分别进行了检测,最后将提取的结果综合成灰度图像的边缘,实验结果表明,该方法对二值图像和灰度图像的边缘检测较传统的检测方法具有更好的效果.     

Hopfield神经网络在B-ISDN路由选择中的应用

宽带综合业务数字网（Ｂ－ＩＳＤＮ）采用异步转移模式（ＡＴＭ）作为其传输技术,引入了虎通道（ＶＰ）和虚通路（ＶＣ）概念。本文针对Ｂ－ＩＳＤＮ中的ＶＰ路由问题,提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络的ＶＰ路由选择算法,给出了神经网络能量函数的表示方法及神经元的状态方程。计算机模拟结果表明,本算法能根据网络的物理结构和业务需求情况,快速、有效地实现ＶＰ路由选择,提高网络的生存性。     

Hopfield神经网络在B—ISDN路由选择中的应用

宽带综合业务数字网（Ｂ－ＩＳＤＮ）采用异步转移模式（ＡＴＭ）作为其传输技术,引入了虎通道（ＶＰ）和虚通路（ＶＣ）概念。本文针对Ｂ－ＩＳＤＮ中的ＶＰ路由问题,提出了一种基于Ｈｏｐｆｉｅｌｄ神经网络的ＶＰ路由选择算法,给出了神经网络能量函数的表示方法及神经元的状态方程。计算机模拟结果表明,本算法能根据网络的物理结构和业务需求情况,快速、有效地实现ＶＰ路由选择,提高网络的生存性。     

卷积神经网络（CNN）训练中卷积核初始化方法研究

本文提出了一种基于样本图像局部模式聚类的卷积核初始化方法,该方法可用于卷积神经网络（Convolutional neural network, CNN）训练中卷积核的初始化。在卷积神经网络中,卷积核的主要作用可看成是利用匹配滤波提取图像中的局部模式,并将其作为后续图像目标识别的特征。为此本文在图像训练集中选取一部分典型的样本图像,在这些图像中抽取与卷积核相同大小的子图作为图像局部模式矢量集合。首先对局部模式子图集合应用拓扑特性进行粗分类,然后对粗分类后的每一子类采用势函数聚类的方法获取样本图像中的典型局部模式子图,构成候选子图模式集,用它们作为CNN的初始卷积核进行训练。实验结果表明,本文方法可以明显加速CNN网络训练初期的收敛速度,同时对最终训练后的网络识别精度也有一定程度的提高。      

基于神经网络和点的重要性度量的边缘提取方法

本文从边缘点所在尺度和基邻域的其邻域的灰度分布状况入手，提出了一个由四个分量组成的，对应于点的、用于衡量该点重要性的边缘重要性度量向量，为了考虑应用背景，用人工分类好的样本对一ＢＰ神经网络进行训练，用训练好的网络对图像的边缘点依重要性进行分类，从而获得图像的重要边缘。另外由于本文的方法无须对图像进行卷积，所以不会产生边缘偏移。经实验验证此方法取得了良好的效果。     

结构自适应自组织神经网络的研究

针对Ｋｏｈｏｎｅｎ的自组织特征映射（ＳＯＦＭ）神经网络的不足,本文把进化计算的思想用于神经网络的结构寻优之中,提出了一种结构自适应的自组织神经网络（ＳＡＳＯＮＮ）模型,ＳＡＳＯＮＮ基于把每个神经元看成是一个进化群体中的一个个体的观点,构造了神经元生长（ｇｒｏｗｉｎｇ）和删除（ｐｒｕｎｉｎｇ）的准则和方法,使得ＳＯＦＭ中的神经元欠利用,神经网络映射欠准确,以及映射的边缘效应等问题得到很大程度的改善。     

基于样条修匀公式的图像边缘检测

本文给出了一类基于Ｂ样条修匀公式的图像边缘检测算子,其过程是先利用等距Ｂ样条函数对图像｛ｆ（ｉ,ｊ）｝Ｎ－１ｉ,ｊ＝０做一个全息光滑曲面公式,进一步利用Ｂ样条函数的局部支撑性质导出,该曲面公式可以严格地局限于每点的某变邻域内计算,即Ｓ（ｘ,ｙ）＝∑（ｉ,ｊ）∈Ｎｋ,ｌ（ｘ,ｙ）ｆ（ｉ,ｊ）Ωｋ（ｘ－ｉ）Ωｌ（ｙ－ｊ）该曲面既有足够的光滑性,又有良好的保凸性;然后,基于这个光滑曲面Ｓ（ｘ,ｙ）,再通过求｜Ｓ｜的局部极大值点或求２Ｓ的零交叉来检测边缘．数值实验表明,这是一类十分成功的边缘检测算法,它简捷、可靠,便于实时处理,如可用于计算机视觉系统中的特征提取、图像分割、纹理分析等．     

基于模糊神经网络的红外图像边缘提取算法

针对现有图像边缘提取算法存在的噪声平滑能力与边缘精确定位之间的矛盾,以及红外图像自身信噪比低、视觉效果模糊和对比度差等缺陷,利用模糊神经网络的学习、自适应和模糊处理等优点,提出了一种基于模糊神经网络的红外图像边缘提取方法。计算各像素点8个方向的基本梯度、左关联梯度和右关联梯度,并将其组成梯度数组,把8个方向的梯度数组作为模糊神经网络的输入信号,通过学习和模糊处理最终可获得相对精确的红外图像边缘。实验结果表明,该方法抗噪能力强,边缘保留完整且为单像素宽,在处理红外图像边缘提取上要优于其他算法。     

用于红外双目视觉的边缘增强算法研究

红外图像的空间关联性强,并且存在一定的非均匀性,因此诸如Canny算子之类的传统边缘提取方法并不适用。本文讨论了像素级和亚像素级结合的边缘检测方法,首先采用脉冲耦合神经网络(pulse coupled neural network,PCNN)方法进行像素级边缘定位,再结合空间灰度矩的方法进行亚像素级边缘细分。该方法能够对高温构件的红外边缘进行快速检测,并能极大提高边缘的定位精度。     

基于神经网络的图像弱边缘检测方法研究

主要立足于图像点处理与神经网络相结合的思想,提出了一种基于边缘点特征的BP神经网络图像边缘检测方法.利用提取出的图像边缘特征向量作为训练样本来训练BP神经网络,进一步完成图像边缘的检测.最后,通过实验与传统的边缘检测方法进行了对比,结果证明该方法检测的边缘轮廓清晰,检测速度较快,特别对含有弱边缘的图像能够更好避免漏检和...     

基于区域生长法和BP神经网络的红外图像识别

针对变电站巡检机器人远程监控系统中红外图像识别存在的问题,提出一种基于改进区域生长法和BP神经网络的红外图像目标设备分割与识别的方法。利用最小二乘法拟合出红外图像中亮度与温度之间的线性关系,建立基于像素的图像温度场;根据设定温度范围确定区域生长法的种子点位置,利用Otsu法确定截屏窗口最优分割阈值,并结合灰度相似性阈值作为区域生长法的分割准则,实现该窗口目标设备精确分割;将分割出的设备二值图像的Hu不变矩作为设备形状特征向量,并对其进行不变性和类间区分度验证;采用引入附加动量法和自适应调整学习率的BP神经网络实现多种电气设备的识别,实验数据表明优化后的BP神经网络具有迭代收敛快,误差波动性小,分类准确度高等特点。     

基于神经网络的图像混合噪声消除

神经网络在智能化信息处理和非线性滤波方面的优异表现，使得越来越多的人将神经网络应用到图像处理中。提出一种将非线性滤波器和神经网络结合所构成的滤波器，实验证明这种滤波器在消除图像的混合噪声、保护图像的边缘信息方面具有明显的效果，通过对受到较大噪声影响的输入图像进行滤波，可使输出图像的信噪比提高10dB以上。     

基于数学形态学和BP神经网络的足趾形状识别方法

根据足趾二值图像形状特征,提出基于数学形态学消散度技术的足趾形状特征提取及BP神经网络聚类的足趾形状识别方法。该法依据数学形态学理论提取物体形心,仅受较少边界凹点影响,对噪声不敏感,比几何中心稳定。提取边界上距形心距离稳定并能区分不同形状的特征点及相互关系,生成特征向量。此向量在二维连续空间中,具有平移、旋转、尺度不变特征;在二维离散应用环境中,由平移、旋转、尺度变化造成误差小,稳定性强。用训练成功的BP神经网络,对不同质量足趾图像识别,均能达到较高识别率。大量实验表明,该法是满足识别精度要求、识别率高于其它方法的一种行之有效的足趾形状识别方法。     

PMMW金属目标图像处理与计数技术实现

被动毫米波金属目标图像识别并自动统计出目标个数是军事自动化技术的一个重要环节。给出了毫米波探测目标的简要原理,针对目前有关毫米波被动探测并自动计算出金属目标个数方法的欠缺,首次尝试并给出了被动毫米波金属目标图像处理方案及详细处理过程,在毫米波图像分辨率低的条件下,将图像二值化,用数学形态学对图像进行处理,用Canny算子进行边缘检测并提取图像的边缘轮廓,再用Visual C++6.0开发工具,实现二值图像连通域像素标记算法,搭建起金属目标个数的计数系统。给出系统的定量分析,并与面积法计算目标个数做了对比。经分析,系统具有准确性,且响应时间短。     

一种使用边缘增强技术提高相似图片检索召回率的方法

针对大规模图像分类处理中图像旋转或背景变换导致的配准度较低问题,提出一种基于边缘增强的卷积神经网络图像分类方法。该方法通过VGG19网络模型提取图像特征,并使用余弦相似度进行图像分类判定,利用边缘增强突出图像主体的边缘特征,降低图像旋转或背景变换对VGG19网络分类性能带来的影响。实验证明,该方法可以有效地提高同一主体旋转图像和背景变换图像与原始图像的相似度,适用于各类图像的分类。     

基于CP神经网络的边缘检测

边缘检测是图像分析识别必不可少的环节，是一种重要的图像预处理技术。虽然传统的算子算法对边缘的检测速度快，但其得到的往往是断续的，不完整的边缘信息，且这类检测方法对噪声比较敏感，在检测噪声污染图像时会得到许多虚假的边缘。利用CP神经网络对灰度图像的边缘进行检测，但考虑到神经网络训练量过大的问题，先利用传统算子对图像进行边缘处理，将处理后的图像做为神经网络的输入。实验结果表明，该方法得到的边缘图像边界封闭性好，具有较好的抗噪特点。