一种基于Neugebauer方程的打印图像色彩管理新模型

提出了一种新的YMC与CIEXYZ转换的色彩管理模型。分析了打印图像的呈色原理和误差产生原因,并重新解释Neugebauer方程和Yule-Nielson方程参数,使原本只适用于印刷网点图像的数学模型也适用于非印刷网点图像。以色靶彩色梯尺区的色块为实验对象,分单色、双色和三色修正,逐步推导出YMC与CIEXYZ转换的色彩管理模型。实验结果表明,本文模型具有较为满意的色彩管理效果。     

一种基于标准色块与多项式拟合的CRT色彩管理新模型

CRT显示器的色彩管理是彩色图像复制的关键技术之一.本文在分析CRT显色原理的基础上,提出了一种新的CRT色彩管理模型.该算法将CRT的RGB色空间、CIEXYZ色空间和三色传感器驱动值之间的关系转换为两两关系分别求取.最后用本文的转换模型得到的X、Y、Z计算值与实际测量值进行比较,以及用本文算法与普通多项式拟合算法和三维查找表算法得到的色彩转换精度比较,均表明转换模型具有较为满意的转换精度.     

基于BP神经网络的CRT显示器色彩管理新模型

CRT显示器的色彩管理是信息光学中图像复制的关键技术之一.在分析呈色原理的基础上,提出了一种新的CRT显示器色彩管理模型.首先,采用标准色靶作为实验样本,并以彩色梯尺区色块代表整个色空间用以推导模型;其次,介绍了实验数据采集方法,并建立若干数据库用以推导模型;随后,利用Steffensen算法改进BP神经网络,并针对显示器色彩管理的实际运算,提出若干加速网络收敛的措施,克服了.BP神经网络收敛速度慢的问题.实验结果表明本模型能够提高CRT显示器的色彩管理精度,工程实践中能够用于CRT显示器的色彩管理.     

基于BP神经网络的引线键合模型

提出了一种基于BP神经网络的新建模方法.利用MATLAB神经网络函数建立网络,通过组合不同参数,将50组训练样本输入网络多次训练,比较结果误差及训练步数、时间,确定了最佳网络结构及参数设置值,建立了引线键合模型.采用训练样本外的10组实验数据对模型进行验证,分析多种误差.验证结果表明,该方法对建立引线键合模型是有效的、可行的,有着较高的精确度.     

基于Legendre小波的扫描仪色空间转换研究

扫描仪色彩管理是图像复制过程中保证图像色彩一致性的关键技术.在分析扫描仪呈色原理的基础上,提出了一种扫描仪色彩管理新模型.首先模型采用标准色靶作为实验样本,并以彩色梯尺区色块代表整个色空间以解决实验色块选取难题.其次,利用Legendre小波和BP神经网络构造了扫描仪色彩管理Legendre神经网络模型.该模型结合扫描仪色彩管理的实际应用,提出了若干加快模型收敛的方法.最后给出的实验结果表明,与BP神经网络比较,本文模型能够提高19%色彩转换精度和62%的处理速度.     

基于BP神经网络的自然感彩色融合算法

红外与可见光图像的自然感彩色融合能够显著提高人眼视觉的情景感知和目标探测能力.基于样本的融合算法是一种快速有效、实时性强的自然感彩色融合算法.针对已有算法构建颜色查找表时存在的样本数据冲突和查找表不完整两个难题,提出一种基于BP神经网络的自然感彩色融合算法.算法采用BP神经网络对图像样本的二维灰度向量(g1, g2)和三维色彩向量(R, G, B)进行非线性拟合,从而获得灰度与色彩间的映射关系f(g1, g2)→(R, G, B),并由此构建完整的颜色查找表.融合时,由输入的双波段图像的灰度g1,g2和颜色查找表得到彩色融合图像.实验结果表明,本文融合图像颜色自然,景物易于分辨,在清晰度、彩色性、映射准确性方面已经达到甚至优于Toet算法的图像融合效果.     

基于BP神经网络的教学质量评估模型研究

教学质量评估对于学校的建设发展具有重大意义和促进作用,是学校面临的机遇和挑战。我们应当采取适当的对策,通过建立适当的评估模型对教学进行评估,通过改革、建设促进学校建设发展上新台阶。     

一种基于改进BP神经网络的物体识别方法

提出基于自适应学习速率动量梯度下降的BP算法进行物体识别,并以修正的Hu不变矩特征作为BP神经网络的输入,通过训练对网络的权值和阈值进行调整.该算法使BP神经网络在学习速率和稳定性上有了进一步的提高.仿真结果表明该方法对物体的平移、旋转、缩放都具有不变性,从而验证了该方法的有效性.     

一种基于BP神经网络的空气质量预测方法

随着工业化进程的不断推进,我国的大气污染情况越来越严重,很多地方经常被雾霾笼罩,严重威胁着人们的身体健康。因此建立科学合理的空气质量预测模型,有效的预报,降低大气污染带来的危害,非常必要。利用卡方检验方法进行空气质量影响因子的确定,建立以前两个月的空气质量和历史天气数据训练神经网络对后10天空气质量进行预测的模型。首先叙述了利用卡方检验方法进行空气质量影响因子确定过程;接着阐述了基于BP神经网络训练过程和预测过程以及基于BP神经网络的空气质量预测过程,最后用该方法对石家庄2016/1/1~2016/12/31的AQI级别进行了预测。实验表明该方法具有较高的预测精度,提高了预测的有效性和实用性。     

一种改进的BP神经网络模型及其在语音识别中的应用

提出了一种改进的ＢＰ神经网络模型，即多层双并联神经元可学习的人工神经网络，给出了相应的算法。并以异或问题和对称性检测问题为题，对改进算法和传统算法的优缺点进行了比较；对改进的ＢＰ网络在孤立单字语音识别应用作了初步探讨。     

基于BP神经网络的文本验证码破解

以某游戏网站的验证码为例,介绍了基于文本图像验证码的识别和破解过程。破解过程分为字符提取、字符修正和字符识别。在字符提取阶段需要对图片进行预处理降低提取难度,提取主要采用了近似颜色统计法;在字符修正阶段对比了传统的旋转算法和改进旋转算法,然后归一化字符;在字符识别阶段采用了BP神经网络方法,对验证码的识别正确率达70％,每个验证码的平均破解时间为1．625s。     

基于改进BP神经网络的洪峰预测模型

BP神经网络擅长对数据模型进行预测,通过模拟退火遗传算法的引入,对原始BP网络进行改进,对比分析两种算法的流程及效率,同时在洪峰预测模型上进行试验,观察两者的数据结果,并分析误差和效率,发现改进BP网络优于原始BP网络,在实际工程应用中值得推广。     

基于BP神经网络的电视节目收视率预测模型

电视节目收视率预测是一种典型非线性预测,收视率在短时间内相对稳定。人工神经网络具有良好的容错性、自适应学习能力以及非线性映射能力,采用人工神经网络做收视率预测精度较高。基于BP神经网络建立了预测模型,并采用软件仿真的方式对预测过程以及预测结果进行分析,实验结果表明采用BP神经网络预测电视节目收视率是可行的。     

基于BP神经网络的血液细胞图像色彩分割

以MATLAB为平台,研究了采用BP神经网络对血液白细胞彩色图像进行有效分割的方法,为实现血液细胞分析与计数的自动化、提高T作效率和降低人为误差提供了条件。给出了对血液细胞彩色图像采用BP神经网络与RGB阈值等不同方法分割效果的比较,得出BP神经网络法优于RGB阈值法的结论。实验表明,BP神经网络有强的鲁棒性,对不同载片色彩差异有容错能力。     

基于BP神经网络的表面硬度预测模型

运用MATLAB中BP神经网络强大的数据预测功能,并结合VB编写的用户操作界面,建立了基于BP神经网络的表面硬度预测模型。对该模型进行训练和仿真后,其所得到的结果与实际测量值相差较小,能够达到模型预测的要求,有较好的工程实际意义。     

基于GA-BP神经网络的人脸检测

传统的BP神经网络算法收敛过慢、局部收敛不理想,影响其工作性能。针对以上不足以及人脸图像数据大等问题。提出GA-BP神经网络对人脸图像进行检测的新方法:将遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,使网络收敛速度加快和避免局部极小。通过实验表明该网络不仅收敛速度快,而且易达到最优解。证明该网络对人脸图像检测具有高的检测精度。     

基于BP神经网络的成本预测

分析了人工神经网络解决成本预测的可能性。介绍了BP神经网络用于非线性预测的基本原理和算法步骤。采用matlab试验方法,对某企业总产量与总成本进行仿真,对比了回归分析法和BP神经网络的预测结果。实验结果表明,BP神经网络预测算法具有较高的预测精度。