一种基于CMAC的图象恢复算法

由于影响成象和导致图象退化的因素具有模糊性和不确定性,很难准确地建立图象退化过程的数学模型,因而建立退化过程的逆过程图象恢复十分困难,为了解决这一问题,提出了一种基于CMC的图象恢复算法,该方法利用CMAC神经网络的非线性映射和综合能力,通过对影响成象和导致图象退化的过程进行反向学习来恢复图象。仿真结果表明,用CMAC神经网络能很好地恢复出已退化的图象,并且神经网络模型与学习方法十分简单,便于实时图象恢复。     

基于神经网络的纹理图象生成

提出了一种利用多层前馈神经网络生成纹理图象的新方法 .利用该方法可方便地生成图案丰富的纹理图象集 ,并且该纹理图象集中的任何一幅图象均唯一地对应一组神经网络的权值和阈值 ,因此不仅便于图象保存 ,还大大地节省了图象存储空间 .     

一种基于MRF理论去除Range图象噪声的方法

Ｒａｎｇｅ图象的相关结构可被认为是受噪声干扰的分段光滑面，一旦曲面的参数被确定，那么就可以利用这些参数建曲面，从而大大减少图象中的噪声，Ｒａｎｇｅ图象中，几乎所有象素的统计特性往往与共邻近象的统计特性相关，文中利用ＭａｒｋｏｖＲａｎｄｏｍＦｉｅｌｄ（ＭＲＦ）理论来模型这种相关性，将曲面确定问题转化为一个后验均值求解问题。     

基于MRF和神经网络的三维运动参数估计

为解决非刚体三维运动中运动参数估计的问题,结合了马尔科夫随机场(MRF)和神经网络的方法.其中,MRF用于建立各个特征点的局部运动相关性模型,求出各个特征点的三维坐标;神经网络方法用于对特征点进行聚类,并求出运动参数;最后根据求出的运动参数修正各个特征点的邻域系,实验结果表明该算法能够正确估计出非刚体的运动参数.     

基于神经网络的种图象细化方法

提出了一种新的细化算法,宽利用神经网络的分类辨识特性,对边缘点进行分类识别。实验结果表明这种方法具有速度快,省空间的优点。     

基于神经网络的三维图象恢复与重建新算法

简介了兰伯特Lambertian反射模型用于三维图象的恢复与重建的算法,由于其具有很大的局限性,为此,给出了一种基于神经网络与模糊处理相结合的新型反向模型,用于三维图象的恢复与重建,且新算法不需知道光源方向,经实验证明,具有计算快捷且图象识别精度高的特点。     

医学内窥镜图象的遗传恢复算法

遗传算法是一种软计算方法,它作为一种新的全局优化搜索算法用于图象处理,是一种具有发展潜力的智能信息处理方法,对于利用遗传算法处理灰度图象来说,由于其数据量和计算量很大,并且传统遗传算法存在“过早收敛”的问题,使得图象恢复质量不理想。该文针对医学内窥镜摄取的图象纹理和病灶特征,设计了一种新的二维染色体编码方法,并将模拟退火和遗传算法相结合的算法引入灰度图象恢复处理过程中的遗传操作,实验结果表明,该方     

基于平均场退火的二值纹理图象恢复

本文根据平均场退火技术，提出了一种二值纹理图象的估计和恢复算法，纹理图象描述为一个马尔可夫随机场模型和噪声过程的综合结果，算法递归地进行模型参数估计和图象恢复，其核心是一个统计松驰搜索算法，平均场方法将统计松驰方程转化为一组确定性方程，从而有效地提高了计算效率，对二值噪声纹理图象的实验结果说明了算法的有效性。     

运动模糊图象的参数估计差分恢复方法

本文对运动模糊图象恢复所使用的差分法作了分析,指出其恢复质量不高的原因,提出了一种改进的方法—参数估计差分恢复方法,并在计算机上进行了实现,结果表明,采用参数估计差分恢复方法,恢复质量较差分法有明显改善,特别是当曝光期间相对位移较大时,该方法的优越性更为显著。     

一种用于图象恢复的数据融合算法研究

近年来多传感器数据融合技术在图象处理领域得到了广泛的重视和应用。鉴于来自同一景物的多幅变形图象,其来源不同,每幅图象都带有不同的噪声,针对这种图象的恢复提出了一种基于自组织特征映射神经网络的图象融合算法。该算法可分为3步,第1步是图象的预处理阶段,即对图象进行加权中值滤波,去除部分噪声;第2步利用自组织神经网络对每幅图象的象素进行聚类分析;第3步,对第2步得到的结果按照一定规则进行融合。仿真结果表明,该算法能明显提高图象质量。     

噪声和纹理图象的自适应(Adaptive)分割

本文提出了一种自适应的噪声和纹理图象分割算法.观察图象被模拟为由区域过程、映射过程和噪声过程三个层次综合作用构成的.整个算法包括两个独立的步骤:第一步是层次图象模型的参数估计算法,可以处理高斯噪声和出格点(Outlier)的混合噪声情况,因此具有鲁棒性.第二步是基于模型参数的图象分割算法,其核心是一个改进的多值模拟退火技术.计算机模拟实验证明了算法的有效性和鲁棒性.     

规则推理的人工神经网络实现

本文从神经网络与传统专家系统相结合的角度出发,提出的一种基于层次与或图的神经网络专家系统模型。ＢＰ网被用作规则记忆器,并通过源于层次与或图的二值化样本的训练实现知识的获取,而网络的多次正向传播式的应用则用来完成相应的层次推理工作。     

采用神经网络和屏蔽遗传算法为VP网络动态分配带宽的方法

虚路径（ＶＰ）的概念已成为宽带网络中的关键技术,提出采用神经网络与屏蔽遗传算法的一种控制算法,来为宽带网络的虚路径分配带宽．该算法能根据各类业务流的到达与服务特性和网络环境,采用神经网络来估计ＶＰ子网的利用率、并应用遗传算法来自适应地为各ＶＰ子网分配最佳带宽．由于它是一个带约束的优化问题,传统的遗传算法对它不再适用．作者提出应用屏蔽遗传算法来解决该优化问题．仿真结果表明了这种动态分配方法的优越性。     

神经网络用于热固性酚醛树脂的研究

运用人工神经网络研究了热固性酚醛树脂的合成反应空间与产物空间的映射关系，建立了可用于定量预测树脂固化产物热性能的模型，并进行了实验验证，神经网络方法对于复杂高分子体系的合成－性能定量关系的研究显示出良好的应用前景。     

残损模糊图像的最大熵恢复

模糊图像存在较大的信息冗余,这一特点有助于残损模糊图像的恢复处理。最大熵恢复是复原残损模糊图像的理想法之一。本文在简单描述基于微分方程初值问题的最大熵恢复方法的基础上,对其进行了推广,给出了在非周期反卷积模型下该方法的一个实现算法,并用实验验证了其在处理局部受损的模糊图像时的有效性。该算法计算量适中,恢复效果好,可在一段的PC机上快速进行。     

利用神经网络生成评语

本文介绍了人工神经网络用于协助老师生成评语的方法。用这种方法，只需输入学生的各项指数就能生成对学生的评价。由于神经网络具有较好的学习和推广能力，生成的评语能够较准确地反映学生的表现。     

进化编程优化RBF神经网络的结构和参数

本文利用进化编程（ＦＰ）来同时进化径向基函数神经网络（ＲＢＦＮＮ）的结构和参数。与其它进化神经网络方法有以下四个方面的不同：（１）ＥＰ是基于拉马克的进化学说,强调父代与子代之间的行为联接;（２）进化算子中仅有突变,而没有交叉,以消除互换问题;（３）突变操作中,删除总是先于添加进行,以获得最简的网络结构;（４）利用测试样本集构造适应度函数,以提高网络的泛化能力。用进化ＲＢＦＮＮ来预测Ｍａｃｋｅｙ－Ｇ     

属性神经网络模型

在分析了一般神经网络模型和属性论的基础上,提出了一种新的属性神经网络模型,它将数据信息保存在属性神经元和连接函数中,使学习过程变得简单和确定,并且绝对收敛,讨论了属性神经网络的图的性质,指出可以用图论的方法研究属性神经网络的分类器作用,同时证明了属性神经网络与属性坐标系的等价性,从而为属性推理提供可操作的数值推导方法。     

利用神经网络推算二元混合物体系的过量

以第一组分的摩尔分数和第二组分分子中碳原子数目的差异来表证二元分子体系，利用具有三层拓扑结构的神经网络模型，推算了２８个体系的过量焓，其中内插１６个体系，外推１２个体系，所有体系的相对误差均在５％左右，最大相对误差为７．６８％，最小相对误差为２．２９％。