基于图像融合技术的三维形貌恢复方法研究

在多幅图像融合的基础上,研究物体三维形貌恢复方法.首先利用小波变换对几幅不同的源图像作融合,提高了源图像的质量,克服了传统的基于阴影恢复形状方法(SFS)因源图像质量低使恢复结果失真的局限性.在此基础上假设反射模型是包含漫反射和镜面反射的复合反射模型,再利用SFS方法恢复物体的三维形貌.实验表明,该方法对恢复结果有了很大的改善.     

灰度图像三维重构技术研究综述

介绍明暗恢复形状算法(Shape From Shading,SFS)的基本原理。从解算方法和光照模型的角度,分别总结和分析目前SFS算法所存在的主要问题。发现经典SFS算法解算复杂,对边界初始条件和约束条件过于依赖,而且因实际物体表面并不符合朗伯体光反射状况,故解算精度较差。强调光照模型对于SFS问题的重要性,给出下一步有待研究的新思路和新方向。     

混合反射表面下SFS三维形貌重建方法研究

针对混合反射表面SFS重建方法中图像辐照度方程难以求解的问题,文中提出了基于Schlick模型的SFS三维形貌重建方法.在正交投影且光源与摄像机方向一致情况下,构建了基于Blinn反射模型的混合反射表面下图像明暗变化与物体三维形貌相对应的偏微分辐照度方程,使用Schlick模型代替原Blinn模型中的镜面反射成分,将辐照度方程转化为关于三维形貌梯度的二次方程,求解此方程可获得Eikonal类偏微分方程,利用一阶和高阶fast sweeping方法对上述方程的解进行了逼近.结果表明:一阶和高阶方法均能简便地求解混合反射表面下建立的SFS偏微分辐照度方程,后者比前者可获得更高的三维重建精度,高阶方法的高度MAE和RMSE误差比一阶方法降低了大约38%.     

基于平均差分计算的任意光照环境下三维表面重建算法

针对采用偏心格式求解图像辐照方程时只能针对特定光源计算的特点，提出了一种针对不同光照方向环境下求解明暗恢复形状(SFS)问题的有限差分算法。这个方法利用泰勒展开线性化反射图函数，设计了一种新的平均加权差分格式求解图像辐照方程。由于新差分格式无条件稳定且具有二阶截断误差，它可以有效地克服偏心差分格式条件稳定和一阶截断误差精度不高的不足。理论分析和实验结果表明，文中提出的无条件稳定的差分算法对各种光照环境均能给出一个理想的恢复结果，且计算精度优于以往的算法。     

一种结合明暗信息和纹理信息的形状恢复算法

实际图像往往既包含明暗信息又包含纹理信息,为了更有效地利用这些信息进行形状恢复,研究了一种结合明暗信息和纹理信息的形状恢复算法,用SFS方法对图像中的明暗信息进行处理,然后用SFT方法对图像中纹理信息进行分析,并结合SFS方法的结果对形状进行恢复.最后给出了该方法对图像的恢复结果并进行了分析.实验结果证明,该算法的性能优于SFS算法和SFT算法.     

根据形状类型信息由图像中的明暗变化获取物体的表面方向

研究一种专门用于SFS(由图像的明暗重构物体表面三维形状)结合其它辅助信息的条件下，提取光滑物体表面方向信息的SFS算法。物体表面上的曲面片按其方向曲率的符号组合分成4种类型：凸形、凹形、横向鞍形和纵向鞍形，以便于利用辅助信息加以实际判别。对应于这种分类方式，设计出相应的4种由明暗关系计算表面方向的算法基本算子。这种新算法在算子与表面类型相匹配的情况下，能够取得很好的结果。     

视觉原理及图象数字化表达

建立了简单的视觉模型,确定了物体表面的几何形状,光源的投射方向和强度,物体表面的反射特性等与灰度分布间的关系,描述了数字图象采集,量化及其基本表示方法。     

快速凹凸贴图算法的改进与实现

凹凸贴图是一种使得物体光滑的表面看起来凹凸不平的计算机绘图技术.为了克服传统的快速凹凸贴图算法中光源位置不易控制等缺点,使用了不同的方法计算当前像素的值来模拟不同的光源位置,并根据像素距光源的距离来模拟光线的衰减效果,同时介绍了一种亮度查找表的产生算法.使用该改进算法产生出的凹凸贴图图像具有较真实的三维形态,而且速度快,开销小,可以应用在开发各种计算机虚拟现实、计算机绘图、动画程序中.     

基于面反射偏振解析的物体表面形状测定

自然光照下,物体表面对于入射光的反射将使得自然光变成部分偏振光,这种反射光的偏振状态与物体的表面形状、材质、粗糙度等因素有关,通过分析反射光偏振特性可获得物体表面的相关信息。本文提出了一种通过分析反射光偏振图像来测量物体表面形状的方法。通过分别测定入射面方向和入射角确定物体表面的法线方向,进而求得物体的三维表面形状。     

基于遗传粒子群算法的FBG传感网重叠光谱的解调研究

由于光源带宽有一定的范围,当光纤布拉格光栅(FBG)传感器的数量使用过多时会发生光谱重叠现象,所以会造成反射光谱的中心波长识别困难。为解决光谱重叠问题,通过利用光谱形状复用技术构造重叠光谱,并根据遗传算法和粒子群算法的特点,将二者进行结合形成了遗传粒子群混合算法,用于改进识别反射光谱的中心波长的收敛速度和精度。通过仿真实验结果可知,当FBG传感器的反射光谱发生重叠时,遗传粒子群混合算法可以实现对重叠光谱中心波长的识别,且识别误差范围在5 pm之内。该方法为解决因光源带宽而限制FBG传感器的使用数量提供了一种可行方案。     

Research on biomimetic pattern recognition for object adaptive tracking algorithm

A new method for image object recognition and tracking based on Biomimetic Pattern Recognition (BPR), which can automatically change the size of the object, is proposed. To accomplish the learning process of the sample objects with different sizes, an artificial neural network model is used to cover the training sample. The curve fitting method based on the Radial Basis Function (RBF) neural network is presented to approximate the size of the objects in the coverage of the network formed by BPR theory in order to change the size of the object automatically. The Quadratic Minimum Distance algorithm based on the Euclidean distance is applied to search the target in the process of object recognition and tracking. Experimental results and theoretical analysis show that the algorithm proposed in this paper is more effective and robust in object recognition and tracking of video image sequences than the BP neural network.     

一种联合采样的神经网络光场

相比传统的光场绘制技术,神经网络光场(NeRF)方法可使用神经网络拟合场景的光线采样,将隐式编码输入图片的光场,合成新视图. 针对NeRF方法训练时间长,绘制视图慢的问题,提出了一种基于联合采样的NeRF方法,通过使粗糙网络和细腻网络共享均匀采样结果的方法,减少了不必要的光线采样,从而加快了网络训练和视图合成的速度. 实验结果表明,在取得近似视图合成质量的情况下,与NeRF方法相比,所提方法的训练时间减少了20%,视图合成的效率提高了25%.     

Study on Adaptive Control with Neural Network Compensation

A scheme of adaptive control based on a recurrent neural network with a neural network compensation is presented for a class of nonlinear systems with a nonlinear prefix. The recurrent neural network is used to identify the unknown nonlinear part and compensate the difference between the real output and the identified model output. The identified model of the controlled object consists of a linear model and the neural network. The generalized minimum variance control method is used to identify parameters, which can deal with the problem of adaptive control of systems with unknown nonlinear part, which can not be controlled by traditional methods.Simulation results show that this algorithm has higher precision, faster convergent speed.     

基于IABC-Elman神经网络的电厂耗煤量短期预测

针对电厂耗煤量具有不确定性的特点及传统Elman神经网络利用梯度下降训练网络参数易陷于局部最优的缺点,基于人工蜂群(ABC)算法,提出了一种改进蜜源更新方式和跟随蜂选择引领蜂方式的改进ABC优化算法,结合进煤量、存煤量和发电量,建立了Elman神经网络电厂耗煤量短期预测模型(IABC-Elman)。实际算例表明,基于IABC-Elman电厂耗煤量短期预测模型结果能达到耗煤量短期预测的标准,与传统神经网络相比具有更高的预测精度。     

基于改进BP算法的商品销售量的预测

提出了一种改进的BP算法，该方法通过结合Cauchy训练来改进传统BP算法，避免传统BP算法容易陷入局部极小点，提高Cauchy训练的训练速度和解决不收敛的问题，并运用该方法于商品销售量的预测，实例表明该方法使网络具有较快的收敛速度和较高的准确度．     

一种BP神经网络改进算法的研究

为提高神经网络传统BP算法的训练速度,以3层神经网络为例,通过对权值的分析与优化,推导出改良的BP算法——双权值迭代优化法,并对该算法与传统算法进行了比较,通过比较发现,新算法在保证精度的前提下可节省训练时间,同时对该算法特点进行了总结。     

BP神经网络在图像信息提取中的应用研究

本文阐述BP神经网络在图像信息提取中的运用,包括：遥感技术、图像识别原理和模式识别常用的神经网络模型．针对目前在目标识别中应用最多的前馈神经网络模型研究其采用的BP算法,讨论了由于标准的BP算法存在训练时间长、收敛速度慢和易陷入局部极小值等问题,提出了BP神经网络分类器的设计方法、样本的选择及组织的改进方法．     

基于自适应权重更新和遗传算法的人脸检测

针对采用AdaBoost算法训练样本过程中出现的过拟合现象和特征冗余问题,提出了一种可将正负样本错分率综合考虑,以避免权重过度增大的自适应样本权重更新算法,并用遗传算法进一步优化所选特征及相关参数,消除冗余,达到使用较少的弱分类器实现高检出率和低误判率的双重要求。仿真实验结果表明,改进后的算法能有效解决以上问题,使人脸检测更加快速和精确。     

Fuzzy optimization neural network model based on LM algorithm

A new fuzzy optimization neural network model is proposed based on the Levenberg-Marquardt (LM) algorithm on account of the disadvantages of slow convergence of traditional fuzzy optimization neural network model. In this new model,the gradient descent algorithm is replaced by the LM algorithm to obtain the minimum of output errors during network training,which changes the weights adjusting equations of the network and increases the training speed. Moreover,to avoid the results yielding to local minimum,the transfer function is also revised to sigmoid function. A case study is utilized to validate this new model,and the results reveal that the new model fast training speed and better forecasting capability.