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。     

基于机器视觉的苹果质量等级识别方法的研究

苹果梗蒂和缺陷的识别是苹果自动检测中的难点,两者的误分类会造成苹果质量等级的误判.介绍了一个基于机器视觉的苹果质量自动评价系统.通过梗蒂识别、缺陷分割,确定缺陷区域并移除梗蒂区域,形成新的兴趣区域;提取统计、纹理和几何特征,采用Pearson特征相关性分析和SFFS特征选择,删除冗余特征;采用模糊KNN分类器在富士苹果进行试验,得到的平均识别正确率为83%.这项技术可以用于苹果包装流水线作业,也可用于类似的农产品外观质量检测.     

基于BP神经网络的人民币识别方法研究

随着信息化时代的到来,智能识别成为研究的热点,本文以人民币识别为研究对象,运用Matlab软件系统中所提供的神经网络工具箱,结合图像处理技术,实现对各种不同面值纸质版人民币的识别。本文主要针对六种不同面值的纸币,即一元,五元,十元,二十元,五十元,一百元的人民币进行了识别,首先通过样本集构建,图像预处理,特征提取,矩阵转置,样本与样本标签建立一一对应关系,生成相应的训练和测试矩阵,进而通过BP神经网络对数据矩阵进行分类训练,通过一定的训练次数后,该系统对人民币的识别率可达到98.33%以上,具有较高的参考价值。     

视觉导航自动车辆用BP神经网络数字识别方法的研究

为了满足视觉导航自动车辆AGV对阿拉伯数字准确、快速识别的要求,该文提出了基于BP神经网络的数字识别方法。为满足对数字识别实时性、准确性的要求,研究改进了数字识别的算法,考察了隐层节点数对收敛速度、数字识别效果的影响以及学习率η对收敛速度的影响,并选取了较好的学习率对阿拉伯数字进行了网络训练,得到了网络收敛后的权值和阈值矩阵。在有噪声的条件下,进行了实验检验,实验结果表明该方法能够实现对阿拉伯数字的准确、快速识别。     

基于机器视觉的地面露水识别方法研究

针对人工检测露水存在的繁琐，工作量大与人工判断露量较为主观的问题。本文提出了一种基于机器视觉的露水检测的方法。通过机器视觉，获得地面露水图像。使用CLAHE、联合双边滤波及闭运算对图像进行预处理，消除外部光线导致的露水图像灰度不均匀，以及细小灰尘导致的噪声，对图像进行canny边缘检测，提取高亮的露珠区域，获得丰富的边缘信息。利用基于梯度的霍夫圆检测技术，设计合理的露珠判断参数，滤除掉过大或过小的疑似露珠，取得疑似露珠的最小外包圆并将其画出来。在无锡2个月内所有的有露的露水识别检测实验中，以人工方法为参考，露水检测一致性达到了95.9%露水覆盖率判断误差为10.8%，说明了本方法可以高效、客观的检测地面露水。     

基于BP神经网络的数字调制识别方法

针对低信噪比条件下通信信号调制类型识别困难的问题,提出一种新的基于瞬时信息的数字调制识别方法。该方法采用改进的小波阈值消噪算法对信号的瞬时信息进行消噪处理,从而增大不同调制信号间特征值的差异,再采用弹性反向传播(RPROP)算法训练的BP神经网络对MASK,MFSK,MPSK,MQAM等7种调制信号进行分类识别。仿真结果表明:该算法在信噪比低至2dB时,能使所有调制信号均达到96%以上的正确识别率,极大地改善了低信噪比下的识别性能。     

基于机器视觉的枸杞枝条识别方法研究

目标枝条的识别定位是实现枸杞果实自动化采摘的前提,为了实现枸杞的自动采摘,提出了一种新的能实现首端定位的枝条识别方法。首先,通过对枸杞枝条特征进行分析,实现了枝条轮廓和直径等特征的提取。然后,对部分非合理性间断的枝条进行了修复;对于果实将枝条首端完全遮挡的情况,采取最小二乘法拟合实现了枝条识别。最后,提出了质心差值法来获取枝条的首端坐标,从而实现了整条枝条的识别和定位。通过用VC编程进行识别算法的实验验证,实验结果表明该算法能较好地实现对枸杞枝条的识别和定位。     

基于形状特征的小波神经网络目标识别方法

利用小波神经网络整合小波分析提取信号局部奇异特征和人工神经网络自适应学习分类的优点,提出了一种基于目标边界形状特征的时频特性可调的小波神经网络识别方法.该方法根据目标边界曲率连续小波变换的模极值在多尺度下幅值及分布情况,确定边界奇异点,利用小波神经网络自动提取、调整奇异点的特征信息并完成分类.实验结果表明,与时频特性固定的小波神经网络,普通人工神经网络和传统的基于Fourier描述子的最近邻分类器相比,时频特性可调的小波神经网络具有更好的分类性能和抗噪能力.     

归一化矩用于目标形状识别

传统的矩的方法用于目标形状的识别,几何概念不明确,没有一定的判别不同形状的准则.通过证明图象归一化矩的性质,本文提出以景物形状的特征——峰值来识别形状,这种方法几何意义清楚,且具有稳定的判别形状的准则.本文同时还提出了一种矩计算的快速实现方法.     

基于BP神经网络的颜色补偿模型

针对光源渐变等因素在机器视觉中产生的相关问题,提出了一种基于BP神经网络的图像颜色校正方法.该方法通过合适的训练集对BP神经网络进行大量训练,得到光照变化前后图像像素点之间的映射关系,从而建立了在渐变光照环境下的颜色恒常性模型.该方法不需要内建约束的自适应模型,对于输入的数据不需要对表面属性做特定假设,拥有自适应、自学习的特点.实验结果表明,该模型对室内真实环境中渐变日光下颜色的识别表现出较好的颜色恒常性.     

基于BP神经网络锅炉炉膛火焰可视化监测方法研究

为了可视化监测炉膛火焰燃烧状况,提出一种基于级联前向BP神经网络模型的锅炉炉膛火焰可视化监测方法。通过比较选取级联前向BP神经网络作为炉膛温度预测模型,利用图像处理技术得到炉膛火焰辐射能图像对应二维温度场,并采用正则化方法重建炉膛火焰三维温度场。仿真结果表明,根据二维温度场可得火焰等温线走向和分布,根据三维温度场易得火焰中心分布及全炉最高温度点信息,实现锅炉运行控制和异常温度报警,满足燃烧诊断要求并实现炉膛火焰可视化监测。     

基于改进BP算法的电子设备模块化故障诊断研究

电子设备逐渐成为越来越复杂的大系统,对其进行高效、快速的故障诊断,使其保持良好的工作状态,具有重要的意义.介绍了BP神经网络的原理,针对传统BP算法即梯度下降法收敛速度慢、容易陷入局部极小值等缺点,提出了基于附加动量法的改进方法,并将改进后的BP算法应用于电子设备模块化故障诊断中.结果表明,与传统方法相比,该模型提高了电子设备故障诊断的效率,将代表故障的信息输入训练好的神经网络后,由输出的结果,便可以判断发生故障的类型,从而实现对故障模块的精确定位,具有一定的应用价值.     

基于改进BP网络的车牌字符识别方法研究

针对传统BP算法在车牌字符识别速度较慢和识别准确率较低的问题,提出一种改进的BP网络车牌字符识别方法。通过对BP算法的输入特征数优化,在不降低识别精度的情况下精简了输入层节点数,提升了识别速度。改进后的BP算法采用全参数自动调整,引入自适应学习率、动量因子、坡度因子,增加了BP算法的识别精度;同时通过更好的利用车牌字符特征和BP网络特征,降低了算法结构的复杂性,增强了算法的鲁棒性。实验结果表明,该算法在实际采集的自建整副车牌数据集上的识别率上比传统BP神经网络车牌识别算法提高近6.5%;在识别速度上提高近1.3 s。     

一种基于神经网络的沉积相识别方法

将人工神经网络(ANN)模式识别技术应用于对测井曲线进行单井划相,加快了划相速度,大大提高了工作效率.根据某地区的河流微相特征标志,给出了一种基于神经网络的沉积相识别方法.神经网络采用带有动量项和自适应学习率的反向传播算法(BP)进行训练.     

一种改进的基于边缘特征提取BP网络车牌定位的新方法

以改进智能交通控制中的车牌定位性能为目的,提出一种基于改进的边缘特性提取和改进BP神经网络的车牌定位新方法.该方法通过改进的图像的边缘特征提取方法,将边缘特征送入改进的BP神经网络进行训练学习,实现车牌的粗定位;再利用车牌本身的几何特征实现车牌的准确定位.实验结果表明该方法定位精度高,并提高了信息的实时处理性.     

基于粒子群优化的BP网络学习算法

本文提出一种新颖的基于粒子群优化的BP网络学习算法，该算法是一种全局随机优化算法。用Iris分类问题，将所提出的算法与BP算法作了对比实验。实验结果表明：所提出的算法性能优于BP算法，而且具有良好的收敛性。     

基于HowNet查询扩展方法的探究

考虑到查询扩展方法在信息检索中很少考虑词语的顺序、分布和词条概念关系等因素,难以在信息检索中对文本相似性做出全方位的度量。针对这种情况,基于词语概念本体How Net对词序、词距、扩展词权重特征进行概念相关性度量,并将词语相关性度量作为特征词权重因子引入文本检索过程中,实现了一种改进的特征量化方法。Top-N检索结果的实验表明,采用的方法使得系统整体性能获得有效提升。     

基于图像局部奇异值向量和BP神经网络分类器的道路导航方法

提出以道路图像矩阵的局部奇异值向量作为特征输入,以BP神经网络作为分类器的道路导航方法.首先将图像分割成若干子图像,然后分别对子图像进行奇异值分解,提取子图像的代数特征向量.子图像的特征奇异值组成整个图像的局部奇异值向量,作为分类器的输入.再利用BP神经网络分类器对道路图像进行训练及识别.实验中处理了三类道路图像(偏左、偏右、正确方向),每类用20 幅图像作为训练样本,30幅用作测试.结果表明,这 种道路导航方法的识别率达到了100%.􀁳 􀁨 􀁱     

基于BP网络的线性电路故障诊断

本文研究了基于神经网络的有容差线性电路故障诊断问题，提出了反向传播神经网络训练厉故障诊断器的具体方法。     

基于CSI的手势识别方法研究

针对传统手势识别方法中存在的易受环境光线影响、用户需携带设备、部署代价高等不足,提出基于信道状态信息的手势识别方法(HandFi),以空中手写10个阿拉伯数字的独特书写模式引起CSI波形变换为基础,引入衡量当前室内环境变化的指标,来表征室内人数变化时子载波波动程度的变化,使用巴特沃斯低通滤波和主成分分析去噪,并利用小波...