自适应步长加权正交约束自然梯度ICA算法

针对传统自然梯度ICA算法的不稳定和分离结果不准确,提出一种自适应步长加权正交约束自然梯度ICA算法。首先,基于分离矩阵所满足的正交性约束,引入一种单步正交性修正方法。然后,根据相邻迭代结果之差可用于平滑构造每步迭代结果与最优值的距离,设计出一种单步误差估计函数。最后,据此误差估计函数引入一种自适应调整的步长。仿真实验表明,自适应步长加权正交约束自然梯度ICA算法,相比于传统的自然梯度ICA算法具有更快的收敛速度,且算法的稳定性和分离结果的准确性都得到了较大提高。     

新变步长自适应算法及其时延估计性能

针对已有的变步长自适应算法收敛速度和稳态误差矛盾的问题,提出了一种新的变步长最小均方自适应滤波算法。新的算法在类S函数的基础上,引入调节因子P对步长函数的形状进行实时调整,并以误差的自相关时间均值估计调节步长,使得算法在初始时具有较快的收敛速度,稳态时有更平滑的步长变化。在新算法中引用最大似然加权算法进一步抑制自适应滤波器权系数伪峰。将新算法和最大似然加权应用在自适应时延估计的实验中,结果表明:在已有参数固定的条件下,新提出的算法具有更快的收敛速度和更小的稳态误差。同时,时延估计实验中能有效地实现信噪比-3 dB以上的准确时延估计。     

一种类箕舌线函数的变步长归一化自适应滤波算法

在综合考虑自适应滤波算法设计中收敛速度、稳态误差、计算复杂度和跟踪性能等指标的基础上,该文提出一种类箕舌线函数的变步长归一化自适应滤波算法,用类箕舌线函数代替Sigmoid函数作为步长迭代公式,引入基于相关误差的变步长调整原则,在大大增强算法稳定性的同时大幅度提升了算法的收敛速度、跟踪性能,减小了算法的计算复杂度.在Matlab平台上分析了改进的步长函数中参数α;β以及γ的不同取值对算法的影响,并将该文算法与已有的基于Sigmoid函数和基于箕舌线函数的变步长LMS算法进行了比较,仿真结果表明,该文算法有更快的收敛速度、更好的跟踪能力以及较小的稳态误差和较强的鲁棒性.     

基于S函数的改进变步长LMS自适应算法

变步长LMS自适应滤波算法通过构造步长因子来进行权值调整,使算法具有较快的收敛速度和较小的稳态误差。为了进一步改善算法的性能,提出一种基于S函数的改进变步长LMS自适应算法。该算法基于S函数的曲线特点,通过对函数的平移变换得到算法步长因子的表达式。为满足算法的可控性和抗干扰能力的要求,通过引入可控参数和误差向量自相关值来调整步长因子,得到算法的最终模型。详细分析了模型中各参数的取值对步长因子和滤波性能的影响。与现有算法的仿真结果对比表明,该算法在收敛速度、稳态误差及抗干扰能力方面的性能均有了很大的改善。     

分数阶粒子群的模糊聚类图像分割算法研究

针对模糊C-均值聚类算法易受初始聚类中心的影响而陷入局部极值的缺陷,提出基于分数阶粒子群的模糊聚类图像分割算法。利用分数阶微积分容易跳出局部极值的固有优势,将其引入粒子群的速度、位置更新进程,同时改进分数阶阶次的自适应调整机制并引入步长控制因子。实验结果表明,该算法与传统算法相比,具有更高的分割精度与更快的收敛速度。     

一种类箕舌线函数的变步长归一化自适应滤波算法

在综合考虑自适应滤波算法设计中收敛速度、稳态误差、计算复杂度和跟踪性能等指标的基础上,该文提出一种类箕舌线函数的变步长归一化自适应滤波算法,用类箕舌线函数代替Sigmoid函数作为步长迭代公式,引入基于相关误差的变步长调整原则,在大大增强算法稳定性的同时大幅度提升了算法的收敛速度、跟踪性能,减小了算法的计算复杂度.在M...     

基于图像梯度的神经网络红外焦平面非均匀校正算法

红外焦平面阵列固有的非均匀性导致叠加在图像上的固定图形噪声严重影响了红外系统的成像质量。传统的神经网络非均匀校正算法存在待处理像素的期望值求解固有缺陷、收敛速度慢和学习速度过大,容易造成算法不收敛。提出了基于图像梯度的神经网络非均匀校正算法,通过对处理像素的期望值求解、改进和调整学习速度、改善图像校正效果,提高了算法收敛速度。通过对真实的红外图像序列实验表明,新算法相对传统的神经网络算法收敛速度提高了50%以上,红外图像校正效果也得到了提高。     

一种优化的Canny算子边缘检测法

文中提出了一种改进型Canny边缘检测算法.采用二维高斯函数的一阶偏导数构造滤波器计算梯度幅值,定义多个不同尺度的高斯滤波器根据各个尺度的滤波器对噪声的抑制能力及边缘定位能力的不同,自适应地确定相应的权值大小,然后再将这些不同尺度下检测到的梯度图像用自适应确定的权值进行加权合成最终的梯度图像.最后引入数学形态学方法对边...     

一种新的红外机动目标识别算法

为了改善因红外图像中目标轮廓模糊造成的识别率低,提出一种适用于红外机动目标的识别算法。通过自适应步长的细菌觅食算法对BP神经网络进行优化,利用图像中目标的最左点和最右点及两极点上部的目标边缘信息构造以局部面积比组成的特征向量,通过神经网络对目标分类识别。实验结果表明本文提出的识别算法不仅提高了BP神经网络的收敛速度和计算精度,同时有效地提高了对机动目标的识别率,当目标部分区域被遮挡时也有很好的识别效果。     

基于分段随机扰动幅值的随机并行梯度下降算法研究

为了提高随机并行梯度下降(SPGD)算法的收敛速度,提出了分段随机扰动幅值的改进方法。从理论上分析了固定增益系数时,随机扰动幅值对SPGD算法收敛速度的影响;提出了分段随机扰动幅值的改进方法;基于61单元变形镜,建立无波前探测自适应光学系统模型,对前65阶Zernike多项式模拟的满足Kolmogorov谱的大气湍流畸变波前进行校正。结果表明,采用分段随机扰动幅值的SPGD算法比固定最佳随机扰动幅值时传统SPGD算法的收敛速度提高了近1.6倍,证明了该改进算法的可行性。     

基于亚像素配准的神经网络非均匀性校正

红外焦平面存在严重影响成像质量的非均匀性,本文使用基于亚像素配准算法和动量项BP神经网络的非均匀性校正算法进行校正。对短波红外相机成像过程中,由于相机视轴与成像目标位置的相对偏移(由相机安装平台晃动所致),使用基于矩阵乘法的亚像素配准算法进行配准;为了加速算法收敛,采用两点法来对校正系数进行初始化;为了改善BP神经网络容易陷入局部最优值,采用增加动量项的方法来改善校正效果。通过仿真实验可以看出提出的算法消除了传统神经网络校正方法存在的鬼影和边缘模糊等问题,获得了良好的校正效果,同时提高了算法的收敛速度。为短波红外图像数据后期处理提供了良好的基础。     

基于中值滤波的红外焦平面阵列非均匀性神经网络校正

统的神经网络校正算法存在收敛速度慢和校正精度低的缺点。当背景噪声较大时,它更难以获得令人满意的校正效果。 针对其不足之处, 提出一种基于中值滤波的红外焦平面阵列(IRFPA)非均匀性神经网络校正算法。该算法首先利用中值滤波对强噪声进行预处理,在此基础上 采用改进的神经网络校正算法对IRFPA非均匀性进行自适应校正。实验结果表明,该算法与传统的神经网络方法相比具有收敛速度快和校正精 度高等特点,并且使图像的峰值信噪比至少提高了10dB。     

基于神经网络的红外焦平面非均匀性自适应校正算法

由于材料、工艺等原因,红外焦平面阵列(IRFPA)各单元普遍存在响应不一致的现象,从而导致IRFPA都存在非均匀性.非均匀性校正(NUC)是红外图像处理系统中的重要环节.本文在研究了传统的基于神经网络的NUC算法的基础上,提出了一种改进的基于神经网络的非均匀性自适应校正算法,并对比了传统的基于神经网络的算法和本文算法的校正效果和收敛速度,实验表明本文提出的算法校正效果好,收敛速度快.     

对红外焦平面非均匀性自适应校正算法的研究

研究红外焦平面的非均匀校正对监控系统和军事有着特殊的意义.针对传统神经网络法非均匀校正算法存在收敛速度慢和不稳定的缺点,提出了一种新的基于场景的IRFPA非均匀性校正算法.该算法先将焦平面上的各像素点值和他周围的8个像素点值做一次排序,选择排在中间的5个像素值求平均作为该点的新像素值.再利用一种改进的神经网络法对红外图像再做一次非均匀校正.实验结果表明,新算法的非均匀校正效果比原来的神经网络算法和均值滤波算法都有明显的提高.还引用了一种新的收敛因子的估算方法,计算结果得出该方法能较准确地估算出收敛因子在自适应迭代公式中收敛时的范围,提高了校正算法的收敛速度.     

红外焦平面阵列的非均匀性研究

红外焦平面阵列的非均匀性校正是凝视型红外成像系统中必不可少的一部分。文中从光电成像原理角度出发,深层分析了非均匀性的产生机理;针对传统神经网络校正算法存在的缺陷,从理想期望输出、误差函数和迭代步长三个方面进行了改进;并通过实验仿真对改进算法进行了验证,结果表明改进算法的校正效果较传统算法有明显的提高。     

基于BP神经网络的IRFPA改进型非均匀性校正算法

提出了一种基于神经网络的红外焦平面阵列（Infrared Focal Plane Array,IRFPA）非均匀性自适应校正算法。首先,利用归一化思想对图像进行处理以利于选取迭代步长;其次,优化隐含层结构以获得更接近于真实信号的期望信号。实验结果表明,该方法在校正精毖、收敛速度和稳定性方面均优于传统的神经网络校正算法。     

改进的BP网络算法在图像识别中的应用

采用增加动量因子和自适应学习速率相结合的方法,对BP神经网络算法进行改进,利用改进的BP网络算法,可以有效地抑制网络陷入局部极小值,提高网络训练速度。实验验证表明,改进的算法对图像识别的准确率较高。     

基于神经网络的IRFPA非均匀性校正新算法

传统的神经网络非均匀性校正算法简单、盲目地利用像元的四邻域平均估计期望信号,对空间低频噪声较大的IRFPA校正时难以获得满意的校正效果,针对其不足,提出了自适应加权平均滤波器,通过校正误差标准差阈值分配权值,提高期望信号的估计精度,新算法较原算法具有更强的校正能力,实验结果验证了其优越性。     

基于引导滤波的红外图像非均匀性校正

由于制作工艺的限制和器件材料的不均匀性,红外图像在一定程度上存在非均匀性,导致目标探测和识别能力下降,严重的情况下甚至无法探测目标,因此,红外图像必须经过校正才能发挥出红外探测器对温度的高灵敏度性能。基于神经网络的非均匀性校正技术是校正非均匀性的有效方法,但在去除非均匀性噪声的同时,会弱化图像信息边缘,导致图像模糊,甚至出现严重的鬼影。为了改善红外图像的非均匀性校正性能,以神经网络模型为架构基础,利用引导滤波算子作为期望真值模板,替代传统的神经网络模型中的均值滤波模板,同时增加鬼影抑制算法,在去除非均匀性噪声的同时,达到抑制鬼影、边缘保真的效果。实验结果表明,提出的非均匀性校正算法能够在保留图像细节特征、抑制鬼影的同时,很好地校正了红外图像的非均匀性。