基于BP神经网络的在线炉膛温度测量

根据热辐射学原理和彩色CCD成像理论,利用彩色CCD摄像机摄取固定点火焰图像,同时用热电偶测出真温值,构造BP神经网络,在线修正权值阈值。通过输入图像样本,输出温度样本和合适的发射率样本训练网络。与未训练发射率样本得出的温度相比,训练后的温度值更为精确。摄取空间其它部位火焰图像,经过已训练的网络,可以得出炉膛在线的温度分布,为锅炉测温提供了有力数据。     

基于神经网络的图像颜色测温研究

鉴于高温物体的颜色与其温度之间存在某种非线性关系,用数码相机对高温物体发出的颜色光进行标定得到颜色的特征参数,再利用神经网络的非线性逼近能力即可得到温度值。通过分别训练BP,RBF和小波神经网络,分析比较三种网络在图像颜色测温中对温度的拟合。     

基于BP神经网络的唇裂图像研究

目的:观察分析唇裂的外在美学缺陷与解剖异常之间的关系,并对矫正手术加以分析。方法:在50例唇裂矫正术中运用BP神经网络进行学习,对唇部进行解剖观察和美学分析。在矫正修复手术中不断学习和调整来接近期望输出。结果:采用该算法的唇裂手术研究治疗的50例中,87%案例效果满意,13%案例畸形矫正不全。结论:在美学研究基础上的基于BP神经网络的唇裂手术研究,适用于唇裂的矫正修复。     

基于BP神经网络算法的柑橘成熟度辨识

针对柑橘成熟度人工辨识效率低的问题,设计了一个柑橘成熟度辨识系统。通过视觉系统收集彩色柑橘图片,将RGB颜色转换成HSV颜色,结合BP神经网络算法,通过训练得到不同成熟程度柑橘所对应的分类器模型参数,构造分类器,实现对柑橘成熟度类型的准确高效识别。     

基于BP神经网络的云相态检测方法研究

利用MODIS中5个光谱波段上不同云相态的特性,提出了一种基于BP神经网络的云相态检测方法。首先,分析了所选波段上不同云相态的特性,利用5个波段上光谱图像的反射率、亮温值和亮温差值构成4组特征数据作为输入层,隐层和输出层分别采用优化的传输函数。然后,利用3层前馈型BP神经网络对所选波段MODIS数据进行了云相态检测。最后,将两组测试数据用该BP神经网络算法进行云相态检测的结果与相应MOD06云相态数据进行了对比分析,结果表明该方法能很好地识别云相态,检测平均准确率达到86.11%,计算结果与标准结果平均相关性达到0.874的高度相关,且无需在计算前进行复杂的云和晴空分离处理。     

基于改进的BP神经网络入侵检测方法研究

针对遗传算法局部搜索能力弱和收敛速度慢,在选择操作之后加上了禁忌搜索算法,并对交叉操作进行改进,最后用禁忌搜索作为变异操作,从而加快算法的收敛速度,并用此改进的遗传算法来优化BP神经网络的权值。实验证明,采用该方法优化BP神经网络权值,能克服BP神经网络收敛速度慢、局部极小问题。     

基于BP神经网络的畸变图像校正方法研究

针对传统的非线性畸变图像校正方法存在模型建立较难等缺点,本文采用基于神经网络畸变图像校正方法,首先将免疫学中的克隆选择算法引入量子遗传算法,然后将这种混合的量子遗传算法和BP算法有机结合,优势互补作为神经网络的学习算法用于畸变图像的校正。实验结果表明该方法具有很高的精度。     

基于BP神经网络的图像形状识别

图像形状特征的提取和描述方法是基于形状的图像检索的重要研究内容，本文根据形状特征的描述方法，对提取的形状特征参数抽取一组特征值，形成特征向量，并进行归一化，然后利用BP神经网络进行形状识别，取得了较好的实验效果，对基于形状的图像检索具有一定的指导意义。     

一种基于BP神经网络的智能检测病毒方法

病毒技术历经半个世纪的发展,如今已不是单纯的病毒技术,而是融合了其他黑客等技术,因此当今病毒的危害性和传播速度远远超过了病毒原始形态。病毒的传染性以及病毒的变种技术在病毒上的应用使得病毒呈现一定的智能性。因此,为了应对病毒的变种技术以及病毒其他方面所呈现出的智能性,文中参考已有的检测病毒方法之后,提出了一种具有智能性的检测病毒的方法。文中使用沙箱作为检测病毒的运行环境,并使用BP神经网络作为检测病毒的工具,然后给出了一种具有一定智能性的病毒检测方法。该方法能够对被怀疑的非法变化的程序中是否存在病毒做出判断。     

基于BP神经网络的计算机图像智能识别方法

基于BP神经网络的计算机图像识别模型能够有效识别收敛识别误差,随着人工智能神经网络的发展,图像识别技术无论在实时性还是准确性方面都有很大提升。基于计算机图像识别的意义,分析BP神经网络的计算机智能图像识别模型。由于BP神经网络与其他网络的融合算法相比,在性能和准确率上更加突出,由此提出了基于GA&BP深度神经网络算法的计算机图像识别优化模型,通过实验对比分析加以验证,证明优化模型收敛速度更快,识别准确更高,具有更加明显的应用优势。     

Hand image segmentation using color and RCE neural network

This paper presents a color segmentation method based on RCE neural network for hand image segmentation in the gesture-based human–service robot interaction system. The study on skin color distributions in different color spaces indicates that skin colors cluster in a small region in a color space. The RCE neural network characterizes the skin color distribution region using skin color prototypes together with their spherical influence fields during training stage, and identifies the skin regions in the color image during running stage. Experimental results have demonstrated the effectiveness of this method for the segmentation of various hand images as well as general color images with complex backgrounds.     

BP神经网络在铝电解槽温度测量中的研究

针对铝电解槽温度高、腐蚀性强、温度难以直接连续测量的问题,引用BP神经网络技术,选择铝电解槽的输入电流、电压和下料速度作为辅助变量,建立BP神经网络模型,并利用matlab对数据样本进行了标准化处理,实现了BP神经网络的建立、训练和仿真。在预焙阳极铝电解槽进行实验,通过预算温度与实际温度进行对比,结果证明了该方法的有效性。     

基于多FART神经网络的彩色图像分割

提出了一种适用于彩色图像分割技术的多模糊自适应谐振(FART)神经网络结构.网络的输入为RGB色彩空间的彩色图像,并将其转换为HSV色彩空间的三组彩色分量-色调,亮度和饱和度,而后利用多FART神经网络的分类能力,将三组分量进行分类的图像输入到决策层,经过融合和分割处理后,最终得到正确的彩色分割图像.与彩色分水岭算法相比,采用上述图像分割算法得到了较好的分割效果.     

基于KMNF和BP神经网络的高光谱遥感影像分类

为了对高维非线性的高光谱影像进行降维及信息提取,提出了高光谱影像核最小噪声分离变换(kernel minimum noise fraction,KMNF)特征提取后利用BP神经网络分类的方法.以高光谱影像KMNF特征提取后的前几个特征分量作为BP神经网络的输入,进行BP神经网络分类,并与单独的高光谱影像BP神经网络分类进行比较.美国内华达州CUPRITE矿区AVIRIS数据的实验结果表明,基于KMNF和BP神经网络的高光谱影像分类较单独BP神经网络分类总体精度及时间性能均得到提高.     

应用BP神经网络对自然图像分类

针对图像的低层视觉特征和高层语义特征之间的鸿沟,利用一个多输出的BP神经网络,分析低层视觉特征,提取图像的主要颜色、灰度共生矩阵和7个不变矩向量作为网络的输入,用语义期望值作为网络的输出,并用加入动量因子和自适应学习率的BP算法来训练该网络。训练完成后,该网络能够对自然图像进行多种语义分类,从而建立起了从低层视觉特征到语义特征之间的映射。改进的BP算法提高了训练的速度和可靠性,实验证明,该方法取得了较好的检索查全率和准确率。     

基于BP神经网络的图像局部模糊测量

目的 目前模糊测量方法难以处理存在纹理平坦区域时的局部模糊测量.针对该问题,提出一种基于BP(back propagation)神经网络的图像局部模糊检测方法.方法 该方法采用所有奇异值以描述不同尺度信息随模糊变化情况,并与描述高频信息变化的DCT(discrete cosine transform)非零系数结合,实现奇异值向量和DCT非零系数个数联合的混合模糊测度,达到空频联合的模糊度描述.在此基础上,通过训练BP神经网络分类器,实现图像块模糊值预测.结果 单幅局部模糊图像实验中,较好区分纹理平坦区域和模糊区域的模糊程度;多幅局部模糊图像的统计实验中,召回率-准确率(RP)评估曲线显示在相同召回率下准确率较其他方法高.结论 该方法可以较准确地实现局部模糊图像(特别是存在纹理平坦区域的局部模糊图像)的模糊测量.     

基于BP神经网络和中值滤波的ECT图像重构算法

电容层析成像技术（ECT-Electrical Capacitance Tomography）是基于电容敏感原理的过程成像技术,具有非侵入性、造价低、安装方便、实时性好等优点。图像重构作为ECT系统的关键技术,其实质是根据物体内部介电常数的空间分布推导出管道中各相分布的过程。本文针对重构问题的非线性、病态性等特点,采用了基于BP神经网络的ECT图像重构算法,并引入中值滤波对重构图像进行增强。仿真结果表明,该算法可以有效地实现图像重构和令人满意的增强效果,它大大提高了重建图像的质量,是一种有效的ECT图像重构算法。     

A robust image watermarking scheme using Arnold transform and BP neural network

Neural Computing and Applications - The protection and authentication of multimedia contents and copyright have become a great concern in the fast-growing Internet environment. This paper presents...     

基于BP神经网络的遥感图像超分辨率重建

介绍了一种利用BP神经网络由低空间分辨率遥感图像序列重建得到一幅较高空间分辨率图像的算法。给出了重建过程,并且通过实验数据对算法进行了验证。     

基于肤色模型与BP神经网络的手势识别

针对基于视觉的手势识别率不高,鲁棒性欠佳的问题,提出了一种基于YCb Cr椭圆聚类肤色模型分割手势结合反向传播(BP)神经网络识别的手势识别方法。对采集到的图像序列利用离散余弦变换(DCT)去噪处理和边缘检测,根据人体肤色在YCb Cr空间聚类紧凑的特性提取出手势的形状轮廓,将边缘检测与肤色模型分割结果相与得到分割出的手势,利用加速稳健特性(SURF)算法提取构建手势的特征向量,最后通过BP神经网络对手势图分类和识别。实验结果表明:针对复杂背景下的手势,该算法具有较强的鲁棒性,效率高,识别的准确率可达到96%。