数字图像的恢复处理

阐述了数字图像几何畸变矫正的思想和步骤，深入分析了双线性内插算法和三次卷积算法，并用Java语言实现了这两种算法。     

基于BP神经网络的畸变图像校正方法研究

针对传统的非线性畸变图像校正方法存在模型建立较难等缺点,本文采用基于神经网络畸变图像校正方法,首先将免疫学中的克隆选择算法引入量子遗传算法,然后将这种混合的量子遗传算法和BP算法有机结合,优势互补作为神经网络的学习算法用于畸变图像的校正。实验结果表明该方法具有很高的精度。     

一种基于神经网络的畸变图像校正方法

由于摄像机获取的图像存在几何畸变，因此在对图像进行定量分析前，必须校正畸变。针对传统的畸变图像校正方法，其所建立的畸变数学模型，不仅求解畸变参数复杂、计算量大，且存在很大的数值计算误差的问题．提出了一种基于神经网络的畸变图像校正方法。该方法首先运用图像处理技术从一标准模板的畸变图像中提取样本，然后以样本像素坐标作为网络输入来对神经网络进行训练。由于该训练好的神经网络能够实现畸变图像与非畸变图像之间的映射关系，因此能达到校正图像畸变的目的。最后对该校正方法进行了实验，给出并分析了校正实验结果，校正效果令人满意，并已成功地用于焊接机器人视觉系统。     

一种基于网格图像的几何畸变修正方法

在层削照相测量装置中,由于摄像装置所处的角度以及摄像镜头差,会导致获取的图像存在非线性几何畸变。因此在对图像进行重建之前,需要对获取的图像进行几何校正。为此,论文提出了一种基于网格图像的几何校正算法,该算法运用分段插值的思想,利用分块低次插值去逼近几何畸变,达到高次插值的效果。最后的分析结果表明,利用60X60正方形网格,该算法的校正误差不超过0.1个像素,能够有效校正图像的综合畸变。     

基于图像平面的畸变校正方法

针对图像液位检测系统中摄像头引入的图像畸变,提出一种基于图像平面的校正方法。使用虚拟的标准校正图代替实际图,通过二阶径向模型的反复迭代求取畸变系数,利用双线性插值对输出像素点灰度进行插补。实验结果表明,该方法的校正误差小于0.35个像素点,能有效提高视频检测精度。     

基于插值方法的数字图像隐藏技术的研究

论述了一种新的基于插值方法的数字图像隐藏技术,利用一次或n次Bezier 曲线,将需要隐藏的图像数据隐藏在公开图像中,根据密钥可以正确地恢复出被隐藏的数字图像.这种方法的特点是实现起来比较简单,数据的隐藏力比较强,安全性比较高.     

基于概率神经网络的发动机失火程度诊断

利用排气中HC、CO2和O2浓度,提出了采用概率神经网络(PNN)诊断发动机失火程度的诊断方法.由于PNN学习算法简单,训练和泛化速度快.因此可以满足实时处理要求.此外,很容易把新的训练样本添加到以前训练好的分类器中,便于提高故障诊断结果的准确性.仿真结果表明:该诊断方法快速、准确且易于工程实现.     

基于小波神经网络的压力传感器温度补偿方法

介绍了硅压阻式压力传感器温度误差产生的原因及其特点,在比较了多种神经网络优缺点的基础上,提出了一种利用小波神经网络对压力传感器温度误差及非线性误差进行补偿的方法.该网络与BP神经网络相比,具有更快的收敛速度和更好的补偿精度.经过实验证明:该网络能够有效地补偿压力传感器的温度非线性误差,在-40～60℃范围内,使温度误差从原来的5.4%降到了0.2%.     

基于遗传算法的BP神经网络在企业资信评估中的应用

提出了一种新的企业资信评估方法.通过把神经网络和遗传算法有机地结合起来,既克服了传统BP网络训练时间长、易陷入局部极值的缺点,又利用遗传算法提高了网络全局收敛的效率.该模型采用C#.NET SQL server 2000实现.实验结果表明,基于遗传算法的BP神经网络系统对企业资信评估有着良好的性能.     

基于神经网络的机器人的逆运动学分析

文章提出了基于BP神经网络算法的机器人逆运动学的求解方法,给出了基于神经网络的机器人逆运动学求解的具体步骤和设计神经网络的相关注意事项.通过时KLD-600六自由度机器人仿真表明该算法简单可靠.     

基于 BP神经网络的 X光图像畸变校正技术的研究 *

为解决基于图像导航的机器人辅助外科手术过程中 X光图像的畸变特性问题 ,提出了一种新型的基于 BP神经网络的 X光畸变图像校正方法。该方法首先从一个标准模板的 X光畸变图像中提取标定样本位置信息作为神经网络输入 ,以模板的标定样本真实位置信息为神经网络输出 ,构建 BP神经网络。该 BP神经网络能够实现畸变图像与真实模板之间的映射关系 ,从而达到图像畸变校正的目的。最后通过机器人辅助髓内钉锁孔实验对该方法进行了实验验证 ,证明了该方法的有效性。     

应用BP神经网络对自然图像分类

针对图像的低层视觉特征和高层语义特征之间的鸿沟,利用一个多输出的BP神经网络,分析低层视觉特征,提取图像的主要颜色、灰度共生矩阵和7个不变矩向量作为网络的输入,用语义期望值作为网络的输出,并用加入动量因子和自适应学习率的BP算法来训练该网络。训练完成后,该网络能够对自然图像进行多种语义分类,从而建立起了从低层视觉特征到语义特征之间的映射。改进的BP算法提高了训练的速度和可靠性,实验证明,该方法取得了较好的检索查全率和准确率。     

基于神经网络的杂草图像分割算法

在自动除草系统中优化杂草图像分割算法是降低识别误差的有效途径,为此提出了一种基于神经网络的分割算法。首先由训练样本统计出植被和背景在RGB颜色空间的分布概率,接着通过Bayes理论得出最优分割曲面训练BP神经网络,再通过BP神经网络将各种颜色分为植被和背景两类,并据此分割杂草图像。与其他三种杂草图像分割算法比较,新方法以颜色代替像素点为研究对象并据此构造最优分割曲面从而减小了分割误差并具备较好的泛化能力。     

图像几何畸变校正方法

在机器视觉检测中大视场短焦距摄像机镜头一般都存在一定程度的光学畸变,在高精度测量中必须对摄像机镜头畸变进行校正。提出利用光学成像规律和镜头畸变校正模型相结合的畸变校正方法求出初始畸变系数,然后通过优化目标函数求出最优畸变系数,最后采用三次B样条插值对畸变图像进行灰度重建。实验结果表明该方法在不依赖摄像机内部参数的前提下,校正后径向均方根误差为0.45个像素,灰度重建后径向均方根误差为0.36个像素。     

基于对象的抗几何攻击的图像水印算法*

利用几何矩的仿射变换,提出了一种基于图像中重要对象的抗几何变换的数字水印算法。该算法先提取出图像的重要对象,然后将水印嵌入重要对象中,降低了对原始图像的修改,再利用质心对称的方式嵌入水印,减小了嵌入的水印对仿射系数造成的影响,改善了原有的几何矩仿射算法的抗几何攻击效果。实验结果表明该算法使得水印信息具有良好的不可见性、稳健性、抗背景剪切、抗旋转、缩放、平移等攻击特性。     

基于BP网络的人脸图像边缘检测算法

采用改进的BP算法,实现人脸图像的边缘检测.构造了学习样本,并在较短时间内训练得到权值矩阵,从而实现二值图像边缘检测.在此基础上,综合灰度图像各位面的边缘提取结果,实现对灰度图像的边缘检测.利用ORL人脸数据库图像的实验,证明了将得到的权值矩阵用于人脸图像的边缘检测,泛化性较好,抗噪能力强,能得到较为连续精细的边缘.     

基于模糊熵和BP神经网络的彩色图像边缘检测

在RGB颜色空间中,分别提取R、G、B三个分量并计算R、G、B三个分量的组合V,通过引入模糊熵,构造出4个基于模糊熵的信息测度分量来定量描述彩色图像的边缘特征,并将4个测度分量组成一个整体的特征向量,计算训练图像的特征向量作为样本对BP网络进行训练,然后将训练的BP网络直接用于边缘检测。该方法充分考虑了颜色空间中各颜色分量以及它们之间的相关性;BP网络的结构和训练都比较简单;实验表明,改进方法具有较强的细节保持能力,对弱边缘具有较强的检测能力。     

基于字符规范化的文档图像水印算法

运用字符规范化和小波变换的知识,提出一种将文档图像分割成字符图像,再对字符图像规范化,然后将随机序列嵌入到小波图像低频系数的水印算法.根据视觉系统纹理掩蔽特性,将不同强度的水印分量嵌入到了不同的小波系数中.由于文档图像分割和规范化本身具有抗几何攻击的特性,故该方法对缩放、小角度旋转有一定的鲁棒性,实验结果表明:该方法在文档图像上比其它方法更具备优越性.     

图像几何畸变精校正研究

卫星传感器在成像过程中会受到诸多因素的影响,使得所获取的影像在几何位置上发生畸变,几何校正的目的就是尽可能消除这些畸变的影响。本文主要研究了用于消除图像几何畸变的两个几何校正模型：多项式模型和MQ模型（Multiquadric Fuctions）,对MQ模型中的系数R进行分析实验提出了一种新的R值的确定方法,与原来的R值相比新的R值能够进一步提高模型的精度;将多项式模型和MQ模型结合使用的Göpfert’s算法引入到卫星影像几何精校正中,实验表明,能够取得比较高的校正精度.     

基于模糊神经网络的彩色图像滤波方法

提出一种基于模糊神经网络的彩色图像滤波方法．该方法将滤波窗口内的像素矢量作为模糊神经网络的输入，根据像素间的矢量距离进行模糊化，通过模糊推理实现对各个像素加权求均值，得到中心像素的输出．输入的模糊化和模糊推理参数由神经网络的自学习功能自动调整，实现最优的滤波效果．对样本图像的处理结果表明，该滤波方法对不同类型的噪声均有较好的滤波效果。