基于神经网络的边缘强度互相关匹配可信度分析

匹配可信度是分析图象匹配质量的主要指标,针对归一化边缘强度互相关匹配算法,研究了基于神经网络的匹配可信度判别方法,即以参考图与若干实时图的匹配实验结果作为训练用样本数据,然后利用ＢＰ网络进行训练,再将训练后的网络用于匹配可信度的判别。通过实际卫片与航片图象对的匹配实验,证实了该方法的有效性。     

神经网络分类器的快速构造算法

使用ＢＰ算法训练多层网络的速度很慢而且事先难于确定隐节点和隐层的适当数目。本文提出一个有效的算法，先构造决策树，然后将构造的决策树转换为神经网。文中使用一个全局准则函数控制决策树的增长，它较好地匹配了树的复杂性和训练样本量及错分率界。实验结果，本文的算法比用ＢＰ算法训练多层网络要快，而其分类精度不低于用ＢＰ算法训练的多层神经网。     

基于广义回归神经网络的数码打样色彩空间转换方法的研究

由设备无关的色彩空间CIE L*a*b*与设备相关色彩空间CMYK转换是图像输出设备特征化和色彩管理模块的关键技术。基于数码打样样张的测量数据采用广义回归网络分别建立了CMYK与CIE L*a*b*色彩空间转换的正反向模型,并分别应用色差公式进行精度检验,研究结果表明基于广义回归网络建立起来的CMYK与CIE L*a*b*色彩空间转换模型是实现色空间转换的有效方法,该模型无论从训练的简便性、训练速度、还是精度上都比BP神经网络模型有优势。     

等离子喷涂过程的BP神经网络自适应控制*

分析了ＢＰ网络辨识器和控制器的常规训练方法存在的不足之处及其限制，提出了一种通过网格辨识器的灵敏度网络反传对象的误差来训练ＢＰ网络控制器的新方法，根据ＢＰ网络放自适应控制的相容性，提出了一种新的ＢＰ网络自适应控制结构，并利用ＢＰ网络辩识器的灵敏度网络训练ＢＰ网络控制器的思想，来调整ＢＰ网络控制器的参数，等离子喷涂过程控制模型的训练研究表明其效果良好。     

BP网络进化及其在雷达目标识别中的应用

针对常规ＢＰ神经网络的ＢＰ算法只能训练固定结构的神经网络,存在诸如易落入局部极值、没有引入提高泛化能力的训练机制等固有不足之处,以及一些神经网络进化算法的进化机制中存在的缺陷,本文提出一种ＢＰ神经网络进化算法,并用于高分辨雷达目标一维距离像的识别问题。实验结果表明,经所述方法优化后的神经网络结构简单、泛化能力优于ＢＰ算法和一些进化算法训练的网络。     

基于Hu矩和支持向量机手完整性检测算法及应用

为实现对手完整性的自动检测,研究了用于机动车驾驶员体检系统中的手完整性检测算法。首先把RGB图像转换到YCbCr色彩空间后对Cb通道图像进行自适应阈值分割;然后对图像采用投影法获取准确的手部图像;利用提取的手部图像Hu矩特征值作为样本数据训练SVM模型,最后利用训练好的分类器对手进行完整性识别。手完整性检测算法可以达到理想的识别精度。算法的测试结果表明对手完整性检测算法是有效的,已被成功应用于机动车驾驶员体检系统。     

多层感知器的一种快速网络训练法及其应用

从多层感知器原理分析出发,提出一种自适应学习速率因子方法,用于对多层感知器中ＢＰ算法的改进,并将改进算法用于ＸＯＲ问题的学习及某分类器实例样本的学习。仿真结果表明,改进的ＢＰ算法可显著加速网络训练速度,学习过程具有较好的收敛性和较强的鲁棒性。     

用于辨识建模中的神经网络

本文重点讨论正向辨识建模，提出了一种基于ＢＰ网络的改进的ＢＰ神经网络（ＩｍｐｒｏｖｅｄＢＰＮｅｕｒａｌＮｅｔｗｏｒｋ简称为ＩＢＰ）用于正向建模的方法。并以非线性的具有滞后的系统为例进行了仿真，对采用常规的ＢＰ网络和ＩＢＰ网络用于正向辨识建模的情况进行了比较，得出了比较理想的结果     

图形识别的神经网络方法

神经网络是当今人工智能的一个重要方面．本文对人工神经网络用于图形识别，尤其是在干扰环境下的识别能力进行了研究．通过对一组图形符号的训练识别，讨论了外加噪声与网络内部噪声对识别功能的影响，同时提出了一个ＢＰ网络训练的改进算法．     

BP网络学习参数的自调整技术及其应用

本文针对ＢＰ网络的局限性,给出一种改进的ＢＰ算法,此处强调在ＢＰ网络的学习过程中,尽量减少必须由ＢＰ学习算法确定的参数个数,同时又不过分地降低网络的计算能力。主要根据样本对在训练过程中误差曲面的情况,动态、系统地调整参数,尽量减少依赖人工干预,提高合理通用?..     

用多隐层BP网实现的CRT色度变换

为了实现彩色信息的标准化显示,需要对ＣＲＴ的色度空间进行标定,也就是ＣＲＴ的Ｒ、Ｇ、Ｂ空间与ＣＩＥ的标准色度空间的相互转换问题,人工神经网络近年来被广泛应用于多种颜色空间的变换过程中,在分析前人经验的基础上,提出了一种采脾四隐层ＢＰ网的ＣＲＴ的Ｒ、Ｇ、Ｂ与ＣＩＥ的Ｘ、Ｙ、Ｚ色度空间的变换方法,实验结果表明,该方法的收敛性和训练时间均优于前人采用２个或３个隐层的方案,而且通过对５１２个训练样本的实验     

一种基于神经网络和Neugebaure方程的输入图像色彩校正模型

在分析扫描物呈色原理和误差产生原因的基础上,提出了一种扫描输入图像的色空间转换的修正模型.首先重新解释Neugebauer方程的参数含意,使原本只适用于印刷网点图像的Neugebauer方程也适用于非印刷网点图像.随后结合Neugebauer方程和RBF神经网络,分单色、双色和三色逐步导出输入图像的色彩修正方程.最后给出的实验结果表明,与目前具有较高转换精度的主流模型比较,本文模型能够明显提高转换精度.     

基于模糊熵和BP神经网络的彩色图像边缘检测

在RGB颜色空间中,分别提取R、G、B三个分量并计算R、G、B三个分量的组合V,通过引入模糊熵,构造出4个基于模糊熵的信息测度分量来定量描述彩色图像的边缘特征,并将4个测度分量组成一个整体的特征向量,计算训练图像的特征向量作为样本对BP网络进行训练,然后将训练的BP网络直接用于边缘检测。该方法充分考虑了颜色空间中各颜色分量以及它们之间的相关性;BP网络的结构和训练都比较简单;实验表明,改进方法具有较强的细节保持能力,对弱边缘具有较强的检测能力。     

基于径向基函数神经网络的柔印专色配色系统

针对目前人工配色受配色者的生理、心理等主观因素影响,使产品质量难以保证这一问题,提出了基于径向基函数（RBF）神经网络的计算机柔印配色方法。该方法通过印刷实验获得样本数据,利用K均值聚类算法确定隐含层节点中心、采用伪逆法计算输出权值等参数,完成配色模型的建立。该配色模型可以快速完成柔印配色,并且具有较高的配色精度。     

基于肤色和模板的人脸检测

针对彩色图像提出了一种基于肤色和模板的人脸检测方法,由肤色分割、模板匹配和人工神经网验证3部分组成.首先使用HSI空间的肤色统计模型分割出可能包含人脸的区域,然后使用平均脸模板匹配和人工神经网验证的方法在这些区域中搜索人脸.该方法将彩色图像的肤色信息和灰度图像的模板匹配及人工神经网分类模型综合起来,既极大地提高了速度,又具有较强的鲁棒性.实验结果表明,该算法是快速而有效的.     

分行显示数字仪表读数的自动识别

引入HSV色彩空间，提出一种自动识别字符色泽的算法。用减背景、色泽分析方法进行字符的提取，用投影方法进行单个字符的分割。采用BP网络学习算法，构造了一个3层BP神经网络模型，对数字0~9进行识别。实验表明该方法具有很强的鲁棒性。     

采用均匀颜色空间的竹片分类研究

竹片作为装饰用材对颜色的统一性要求严格。利用CIE1976 L*a*b*颜色空间的等距性和高分辨率的特点,将竹片的RGB颜色特征转换成L*a*b*空间颜色特征进行分析,选取能恰当表征竹片颜色的特征参数,再结合BP神经网络分类器对竹片进行细分类。实验表明,分类正确率可达96％,满足工业上的要求,解决了人工目测分类的各种问题。     

基于颜色特征对木材分级的研究

给出几种基于颜色特征木材的分级算法,这几种方法通过主颜色特征,分别利用神经网络中的RBF网络、K-近邻和最近邻对木材样本图像进行处理,然后进行分类.木材样本图像是通过对木材加工处理采集而得到的;主颜色特征是反映一幅图像的基本面貌,并通过HSV颜色模型、量化、颜色直方图和绝对距离而得到的.选取3种主颜色方案数据,经过Matlab7.0平台进行程序设计,对木材样本图像数据进行训练和测试,并加以验证.实验结果表明,这几种方法能够较好地解决木材分级的问题.     

基于遗传神经网络的颜色恒常感知计算模型

在机器视觉领域,颜色恒常性是实现计算机视觉颜色校正和保持机器对颜色识别稳定性的重要因素.该模型通过心理物理实验获得由人眼感知得到的颜色恒常感知数据,将其放入神经网络中进行样本训练,并用遗传算法优化BP神经网络的连接权值和阈值.将所建立颜色恒常感知计算模型应用到图像颜色校正,通过主观和客观两个方面对校正结果进行对比评价,结果表示所建立的颜色恒常感知计算模型计算精度和效率高、复杂度低,比几种经典算法处理误差要小,针对图像的颜色再现有着更为符合人眼感知的特性.