基于神经网络的MRF纹理图象恢复

本文提出了一种基于平均场神经网络的纹理图象恢复算法，并且利用多状态神经元表达方式，压缩问题解的搜索空间，算法是一个自适应过程，交替地进行模型参数估计和图象恢复，实验结果说明了算法是行之有效的。     

基于神经网络的运动参数估计

分别就两种约束使用神经网络对三维刚体运动进行参数估计.一是基于三维点匹配,将预测的运动参数作用于运动前的坐标,与运动后坐标进行比较;二是基于二维运动场,将使用预测的运动参数计算得出的二维运动场与图像序列中计算得出的二维运动场进行比较.两个神经网络均使用Newton-Raphson方法更新权值,以达到目标误差最小化.通过实验验证了该神经网络方法.     

基于频谱参数估计和神经网络的运动模糊图像恢复

提出了一种运动模糊图像恢复模型,运动模糊图像经傅立叶变换后在频域有频谱零点进行参数估计,通过霍变换初步求得运动模糊图像的点扩展函数,当估计出运动模糊图像的点扩展函数的参数后,用神经网络方法进行恢复。这种恢复模型可以对任意角度的匀速运动模糊图像的恢复取得恢复效果。该方法具有操作简单和全局搜索收敛的优点,实验证明这是一种比较好的运动模糊图像恢复方法。     

一种三维运动参数的鲁棒估计方法

本文提出了一种估计三维运动参数的线性算法,利用两帧图象之间点匹配的信息,算法给出了鲁棒性较好的解。该算法的关键之处是引入必要的先验知识,使得先验知识直接参与数值计算,以解决所谓不适定问题,实验结果表明:本文的算法在多方面优于现存的算法。     

基于神经网络的项目参数估计方法

针对题库建设中项目参数估计的实际问题,提出了一种全新的基于神经网络的参数估计方法;并以二值记分的3PLM为项目反应理论模型,以广义回归神经网络为网络模型,根据Monte Cado实验法进行了模拟实验研究,最后将神经网络方法与传统的数理统计估计方法进行了比较.结果表明,在小样本测验情况下,神经网络方法具有一定的优势,尤其是当去掉对项目参数的先验概率分布的限制时,神经网络方法的优势更加明显,说明本文提出的方法具有一定的价值. ,     

基于神经网络的系统优化与参数估计集成研究（ISOPE）方法

提出了两种基于神经网络改进的系统优化与参数估计集成稳态优化算法，其中利用动态信息建立动态ＮＮ模型用于过程稳态优化。目的是为了克服ＩＳＯＰＥ算法对真实过程的摄动，减少ＩＳＯＰＥ算法设定点变动次数，充分利用过程动态信息，仿真结果验证了两种改进算法的优越性和有效性。     

前向神经网络参数估计中的进化规划

人工神经网络在很多领域有着成功的应用。神经网络参数估计有许多训练算法,BP算法是前向多层神经网络的典型算法,但BP算法有时会陷入局部最小解。进化规划是一种随机优化技术,它可以发现全局最优解。文章介绍了进化规划在前向多层神经网络参数估计中的应用,结合具体例子给出了算法实现的具体操作步骤和实验结果。实验数据表明采用进化规划得到的网络参数是最优的,神经网络的性能优于基于BP算法的神经网络性能。     

基于扩展的Kanade-Lucas的背景运动参数估计

复杂背景下运动分析首先需要进行背景运动参数估计。提出一种采用KLT算子并结合Kanade．Lucas跟踪算法来计算帧间特征点的匹配，然后利用帧间特征点间的匹配关系采用RANSAC算法来进行背景运动参数估计。实验结果证明这种方法具有计算量小，能实时实现并提供可靠的背景运动模型估计。     

非线性动态系统优化与参数估计集成的神经网络算法

基于动态系统优化与参数估计集成的迭代算法，提出一个求解系统优化的神经网络方法，得到一种动态系统优化与参数估计集成的神经网络算法，该算法通过重复求解参数估计问题和悠神经网络，获得原问题的精确最优解，由于系统优化问题用神经网络求解，因此该算法具有求解速度快，易于硬件实现等优点，特别适用于在线优化与控制。     

基于BP神经网络技术的人体三维成像

本文详细介绍了基于BP神经网络技术的人体三维成像系统的光学测量硬件、数据获取,如何训练反向传播神经网络(BPN)确定系统映射函数,以及人体三维曲面成像的方法。通过将软、硬件进行有效结合,在不影响精度的前提下有效地提高了速度。实验结果表明,研究结果对工程应用具有实际指导意义。     

三维表面重构过程参数的估计研究

在SFS(基于阴影的三维表面重构)各种算法中,都需要光源方向及曲面反射率。这些参数与图像的恢复效果息息相关。针对这些参数,也应运而生了各种各样的行之有效的方法。论文讨论了两种有效的算法,利用合成图像分别进行试验,并对其优缺点和运行效率进行比较,从而为进一步的SFS算法研究提供有价值的参考。     

基于3D卷积神经网络的无参考视频质量评价

无参考视频质量评价（NR-VQA)在无法获得原始高质量视频参照的前提下,对失真视频的视觉质量进行定量度量.常规NR-VQA方法通常针对特定失真类型设计,或者与人的主观感受存在偏差.首次将3D深度卷积神经网络（3D-CNN)引入到了视频质量评价中,提出了一种基于3D-CNN的无参考视频质量评价方法,可以适用于非特定失真类型的NR-VQA.首先,通过3D块来有效学习和表征视频内容的时空特征.其次,对常规的3D卷积网络模型进行改进,使其适用于视频质量评价的任务.实验结果表明,所提出的方法在多种失真类型和多个测试指标上,与人的主观感知一致性较高.作为无参考视频质量评价方法,其性能与许多全参考评价方法具有可比性,同时比主流的NR-VQA方法具有更快的运行速度,这使得所提模型在实际中具有更好的应用前景.     

基于卷积神经网络的单目深度估计

针对利用深度学习方法对街道图像进行深度估计，提出采用语义分割的方法解决深度图出现边界模糊等问题；估计深度通过左右视角图生成视差图进行无监督的训练。在网络模型中添加语义分割层，采取多个空洞卷积并行的结构增加感受野，同时减少了图像下采样的次数，降低了由于下采样带来的信息损失，使得的结果更加准确。这也是在深度估计中首次与空洞卷积相结合增加准确率。通过对KITTI街道数据集进行训练，与现有结果相比，除了增加检测准确性，降低错误率之外，使得效果图中的物体更加清晰，并且在效果图中还保留了一些原模型中被忽视掉的细节信息，将原始图像更加完整的表现出来。     

基于改进3D卷积神经网络的疼痛检测

在临床实践中, 精确评估疼痛对于疼痛管理和诊断至关重要. 但传统的评估方法主观性高且依赖医生经验, 迫切需要更可靠客观的替代方法. 利用深度学习的方法实现基于面部表情的疼痛检测研究近年已取得显著进展, 但复杂的结构和高计算成本制约了其实际应用. 因此, 本文提出了一个改进的3D卷积神经网络, 采用轻量级的3D卷积神经网络L3D作为骨干网络, 并结合改进的SE注意力机制, 把多个不同尺度的特征进行融合, 捕捉疼痛序列中具有较强辨别能力的时空特征. 在UNBC-McMaster和BioVid数据集上进行评估, 与最新方法相比, 该方法在疼痛检测性能以及计算复杂度上取得了优势.     

基于神经网络的3D打印批次排样研究

针对3D打印批次排样是一个建立在多约束条件下的复杂优化问题,本文提出一种基于Hopfield人工神经网络的3D打印批次排样方法。通过对3D打印批次排样目标的设定,建立了Hopfield人工神经网络的能量函数。通过神经网络优化计算,实现了将3D打印工件在三维空间的排布问题转化为二维图形的输出。该算法实用性强,提高了工件的加工效率。     

New Approach for 3D Shape Measurement Based on Color-Coded Fringe and Neural Network

A new 3D surface contouring and ranging system based on digital fringe projection and phase shifting technique is presented. Using the phase-shift technique, points cloud with high spatial resolution and limited accuracy can be generated. Stereo-pair images obtained from two cameras can be used to compute 3D world coordinates of a point using traditional active triangulation approach, yet the camera calibration is crucial. Neural network is a well-known approach to approximate a nonlinear system without an ...     

基于运动筛选和3D卷积的视频早期烟雾检测

To solve the problem of high false alarm and high missed detection in the complex environment of early smoke detection based on video, a method based on motion extraction of suspected areas is proposed and a multi-scale 3D convolutional neural network with input of 6 frames（6M3DC） is designed for video smoke detection. Firstly, the motion regions are obtained through the background difference model after average filtering and the positions of the block in which the motion regions are located are calculated, and then the motion blocks are extracted by color judgment and mean HASH algorithm and the nonconforming blocks are updated to the background image. Finally, by combining the suspected blocks of the same region of 6 consecutive frames as the input for the 3D convolutional neural network for detection, blocks detected as smoke are marked and non-smoke blocks are updated to the background image. The experimental results show that the algorithm is adaptive to slow moving smoke and can detect smoke in complex environment.     

基于神经网络的组合导航系统状态估计

在干扰大的外界环境中,传统滤波法对组合导航系统进行状态估计的精度难以满足要求,文中提出了引入Elman神经网络,具体讲解了它的状态估计的设计方法,对如何获取训练样本及网络的训练算法给予了详细的介绍,并把优化后的算法与原有方法进行仿真对比,最后以INS／GPS组合导航系统为例,分别用传统滤波法与Elman神经网络法进行状态估计,仿真结果证明了该法是有效的,实用的。     

基于BP神经网络的土壤水力学参数预测

为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。     

基于图像参数的BP网络之岩石颗粒体积估算

在颗粒加工工业,颗粒尺寸和形状参数的获取是一道常见的工序;体积是一个重要的颗粒三维参数,采用传统的手工测量方法获取体积耗时长,人工投入较多,很难实现过程控制中的实时反馈;应用计算机视觉技术,提出一种基于颗粒单视二维图像信息(周长、投影面积、长宽比等)的BP神经网络体积估算方法;实验结果表明,BP神经网络体积估算模型的非线性映射能力能够很好地反应多个影响参数和体积之间的复杂关系,具有较好的精确性、可行性、适应性。