大容量视频存贮与图像跟踪识别一体化技术

本文从电视、红外和紫外等侦察告警技术的发展趋势出发,提出了大容量视频存贮与图像跟踪识别一体化技术的设计思想,给出了结构模型,并对一些环节的关键性问题提出了解决的措施。     

基于神经网络的隧道地质雷达图像检测技术研究

利用地质雷达对隧道施工中地质条件及病害进行检测是一种较为常见的手段,但是由于其图像分析工作繁琐且准确率不高,亟待一种智能化检测技术的出现。文章以此为目标,以卷积神经网络为基础构建模型,在引入锚点机制的基础上降低模型对学习数据的需求,并实现相对有效的分析功能。     

快速制作背景图像

在电视节目制作中,漂亮的背景图像可为节目增色不少。但是,字幕机、非线性编辑系统厂家提供的材质库、背景文件往往很少,一大堆图库中可用的背景图像也非常有限。你是否在节目制作中常为找不到合适的背景图像而犯愁呢?怎样才能有取之不尽,用之不竭的背景图像呢?怎样才能在5分钟内制作出一幅满意的背景图像呢?请跟我来！     

最小熵图像恢复

本文介绍了最小熵方法并引入应用于图像恢复技术中。文中考虑了变量可分离退化核。在退化点扩散函数(PSF)未知时,以差分图像的熵最小为准则直接估计恢复逆滤波器系数。如果退化图像上迭有加性噪声,差分模式则应作适当修改以减小噪声对参数估计的影响,然后以维纳滤波恢复图像。     

红外与可见光图像融合技术的研究进展

红外与可见光融合图像既具有红外的辐射信息又具有可见光的细节信息,在生产生活、军事监视等场景得到广泛应用,已然成为图像融合领域的重点研究方向。根据图像融合方法的核心思想、融合框架、研究进展对基于多尺度变换、稀疏表示、神经网络等融合方法进行详细阐述对比,并综述了红外与可见光图像融合在各领域内的应用现状,以及常用的评价指标。并选择具有代表性的多种融合方法与评价指标,应用于六个不同场景,验证各方法的优势与不足。最后,实验分析并总结现有红外与可见光图像融合方法存在的问题,对红外与可见光图像融合技术的发展趋势进行展望。     

利用空间连续序列图像对物体的形态与结构进行三维重建

本文从数据采样的原理出发,提出一种利用空间连续序列图像对物体的外观形态与内邮结构进行三维重建的方法。此法重建的结果是一个同时含有物体的外观形态和内部结构信息的实体。     

卷积神经网提取特征的红外与可见光图像融合研究

当前红外与可见光图像融合存在一些难题,导致前红外与可见光图像精度低,误差大,而且前红外与可见光图像融合效率低,为了解决当前红外与可见光图像过程存在的问题,设计了基于卷积神经网提取特征的红外与可见光图像融合方法。首先分别采集对象的红外图像和可见光图像,并对原始图像去噪等预处理,改善图像的质量,然后采用卷积神经网络提取红外与可见光图像融合特征,根据特征得到红外与可见光图像融合结果,最后进行了仿真实验,结果表明本方法红外与可见光图像的融合结果的融合比率提高了0.24,平均梯度值提升了0.22,图像融合质量更高。     

图像干线网的安全性研究及解决方案

湖南省图象干线网担负着全省图像业务干线传输和节目源交换及共享传输的功能,然而由于其所采用的星串型结构给系统传输的安全性带来了隐患,成为全省宽带多媒体图象业务发展的一个障碍。本文结合我省图像干线网的结构特点,提出了解决现有干线网存在安全性问题的两种迂回路由的设计思路,并从设备投资和方案可行性等方面对两种方案进行了比较和分析。     

基于卷积神经网络的图像语义分割技术

本文阐述了卷积神经网络的基本概念,并基于此引出全卷积神经网络和带孔卷积等卷积神经网络,对其含义、优缺点及其在图像语义分割中的应用进行了进一步的介绍和总结。本文阐述了卷积神经网络的基本概念,并基于此引出全卷积神经网络和带孔卷积等卷积神经网络,对其含义、优缺点及其在图像语义分割中的应用进行了进一步的介绍和总结。     

一种图像理解的知识基系统V语言

介绍作者研究了一种用于图像理解的知识基系统Ｖ语言的特点、性能及其应用情况。     

基于Kohonen神经网络算法的医学图像分割

长期以来,在医学图像处理方面,图像分割一直是该项工作中的重点,同时也是其中的难点。所谓的图像分割实质上就是遵照相关的原则对图像进行分割,使其被分为几个部分的过程。它是以图像测量、配准、融合和三维重建作为基础,所以在临床医学研究中起着举足轻重的作用。文中研究的Kohonen聚类神经网络算法是以VC++为基础,并在此基础上进行了一定的优化,为图像分割的具体应用提供基础条件,提高效果,这对医生临床诊断具有十分重要的意义。     

神经网络应用于图像识别的实验系统

本系统基于视感神经网络(Perception Neural Network)的算法结构,着眼于神经网络的实用化,采用计算软件计算关联权重,通过光电计算机结合,实现了判断并学习1—9九个字符图形的实验系统,得到了实验结果。本系统是对神经网络应用于图像识别的新的尝试。     

基于ICA与BP神经网络相结合的人脸识别研究

提出了独立成分分析和BP神经网络相结合的人脸识别方法。首先对人脸图像进行小渡分解。提取人脸图像的低频子带图像，然后用被立成分分析方法对低频子带图像进行特征提取，并用改进的BP神经网络时所提取的人脸特征进行分类识别。在AR人脸图像库中进行的实验表明，此方法取得了较高的识别率。     

一种基于自组织神经网络的图像压缩编码算法

本文提出了一种基于自组织特征映射神经网络的图像压缩编码算法，即ＶＱ＋ＤＰＣＭ＋ＤＣＴ算法，实验表明，在压缩比为３１．８∶１时，其峰峰信噪比为３５．８２ｄＢ（Ｌｅｎｎａ亮度图像），且主观效果良好，这是至今为止使用矢量量化（ＶＱ）方法压缩图像所获得的最好结果。     

神经网络在图像编码中的应用

神经网研究的再度兴起及其在图像编码中的应用，开辟了图像压缩的新途径。本文论述了用于图像编码的神经网络模型、算法、应用效果及进展，对该领域尚未解决的一些基本理论问题，如神经网络实现图像数据压缩的机理，基于神经网络图像编码方法的分类等进行了探讨。最后，展望了需要进一步研究的方向。     

Neural Network Image Reconstruction for Magnetic Particle Imaging

We investigate neural network image reconstruction for magnetic particle imaging. The network performance strongly depends on the convolution effects of the spectrum input data. The larger convolution effect appearing at a relatively smaller nanoparticle size obstructs the network training. The trained single‐layer network reveals the weighting matrix consisting of a basis vector in the form of Chebyshev polynomials of the second kind. The weighting matrix corresponds to an inverse system matrix, where an incoherency of basis vectors due to low convolution effects, as well as a nonlinear activation function, plays a key role in retrieving the matrix elements. Test images are well reconstructed through trained networks having an inverse kernel matrix. We also confirm that a multi‐layer network with one hidden layer improves the performance. Based on the results, a neural network architecture overcoming the low incoherence of the inverse kernel through the classification property is expected to become a better tool for image reconstruction.     

多准则图像重建的神经网络实现

本文提出一种以多目标优化理论为基础的神经网模型。它在多目标决策理论框架下学习和自适应,并具有鲁棒性、容错能力和快速收敛特性。这一模型应用於多准则图像重建的并行实现。计算机模拟结果表明了它的功效。     

一种学习向量神经网络的图像插值算法

利用一种新型学习向量神经网络实现了对灰度图像的基于最佳点对匹配的图像插值。采用新型学习向量神经网络的最佳点对匹配图像插值算法插值出的中间图像,较好的解决了插值图像边缘模糊的现象。试验结果表明,该方法插值得到的图像边界清晰较好,模糊度小,图像连续。     

基于神经网络的少数投影CT图像重建算法

基于连续型 Hopfield神经网络 (HNN)提出了一种新的少数投影 CT图像重建算法。首先将图像重建问题转化为最大熵准则下的优化问题 ,然后构造相应的连续型 HNN模型 ,网络的稳定解就是重建问题的优化解。数值模拟结果表明 ,与联合代数重建技术 (SART)相比 ,利用从投影角间距为 4 5°的 4个不同的投影视角方向获取的投影数据 ,该算法具有较高的重建精度和良好的抗噪声性能。     

Perceptual Quality Assessment of SAR Image Compression Based on Image Content Partition and Neural Network

Image quality assessment （IQA） is of fundamental importance for image compression applications. Traditional IQA measures used for Synthetic aperture radar （SAR） image compression do not consider the properties of Human visual system （HVS）. Since human beings are the final users in most SAR image applications, the objective evaluation coordinate to human＇s perception is the most acceptable and practical IQA method. In this paper, we propose a novel objective approach based on image content partition and Neural network （NN） by introducing the HVS and SAR image characteristics. Experimental results demonstrate that the proposed metric correlates well with subjective quality of SAR image compression and outperforms those state-of-art objective models using Structural similarity index （SSIM）, Singular value decomposition （SVD） and Visual information fidelity （VIF）.