基于RBF神经网络的电容层析成像图像重建算法

针对目前电容层析成像系统图像重建分辨率不高,精确度低的问题,提出了一种新的采用RBF神经网络对电容层析成像系统进行图像重建的方法.该神经网络采用改进的自适应遗传算法,优化选取隐层神经元的中心和宽度,用Tikhnov正则化方法训练网络权值.12电极的电容层析成像系统的仿真实验结果表明,该方法能明显改善成像质量,成像精确度较好,证明了该方法的有效性.     

基于蚁群算法的选择性神经网络集成方法

为选择差异度较大、精确度较高的神经网络个体组建神经网络集成,提高神经网络集成的性能,提出一种新的选择性神经网络集成构造方法.该算法采用蚁群优化算法在独立训练的神经网络个体中选择部分组建网络集成,在蚁群优化过程中神经网络个体被选择的概率由信息素和启发因子决定,信息素反映当前神经网络个体的精确度,启发因子反映神经网络个体间的差异度,能有效提高系统的搜索效率和预测精度.实验结果表明,该算法构造的神经网络集成使用了较少的网络个体,而预测误差均好于传统的Bagging和Boosting算法.     

基于支持向量机的电容层析成像图像重建算法

针对BP重建算法处理由电容层析成像系统所采集的投影数据耗时较多、收敛慢的问题,提出一种基于支持向量机的电容层析成像系统图像重建算法,提高了重建算法的成像速度,从而改善成像系统的整体性能.仿真结果表明,该方法的成像精确度及成像实时性较好.     

一种多小波电容层析成像图像融合方法

针对电容层析成像系统的"软场"效应和病态问题对重建图像精度的影响,在分析电容层析成像基本原理和成像算法的基础上,基于滤波LBP和神经网络RBF特性,提出了一种基于多小波变换的ECT图像融合方法.该方法首先对待融合图像进行多小波分解,再分别采用最大值法和区域梯度法融合规则对分解后图像低频部分和高频部分进行图像的融合,最后经过多小波重构得到最终融合图像.仿真实验结果表明,融合后成像精确度得到明显提高,减少了误差,图像更接近原型,为ECT图像重建的研究提供了一个新的方法.     

DTR-UWB帧级快速低复杂度同步算法

超宽带通信系统同步的精确度是影响系统性能的关键问题,为减少差分传输引导波超宽带通信系统同步算法的平均捕获时间和提高同步算法的精确度,设计了一种变换同步算法积分区间和门限值比较法相结合的帧级快速同步算法.同步算法在保证精确度的同时,减少了算法的平均捕获时间.依据马尔科夫理论和Z变换理论,结合算法的信号流程图,从理论上推导了同步算法的平均捕获时间和平均捕获概率.通过仿真,验证了同步算法优于已有的帧级同步算法.     

ECT系统轮换对称SVM图像重建改进算法

针对在处理大规模样本集的ECT系统数据时,SVM算法存在的图像重建的成像精度不高及速度慢的问题,采用了轮换对称分块支持向量机CSPSVM算法.算法利用ECT系统模型的轮换对称性,将大样本矩阵按照成像单元某一层按轮换对称性进行简化,并选择性分块,形成多个小样本矩阵;然后分别采用SVM算法进行训练,用得出的决策函数进行样本预测;最后将各成像单元组合成像.图像重建实验结果表明使用CSPSVM改进算法要比单独使用SVM算法重建图像具有更高的分类精度和更短的成像时间.     

基于平稳小波与BP神经网络的换相失败检测算法

针对高压直流输电系统中换相失败检测问题,提出了一种采用平稳小波分析和BP神经网络的换相失败检测算法.通过平稳小波提取换相失败信号不同尺度的小波能量,作为特征向量输入神经网络中进行训练,并得到能够进行自动化识别的分类模型.在实际采集得到的200组数据集上进行了算法验证,结果表明,文中算法可以有效地区分直流输电系统中的换相失败和正常信号,其平均检测精确度达到95%以上,为进一步系统准确无功补偿提供保障.     

基于灰狼算法与小波神经网络的目标威胁评估

为了提高目标威胁度评估的精确度,建立反向学习灰狼算法（OGWO）优化小波神经网络的目标威胁评估模型（OGWO-WNN）,提出基于该模型的算法.该模型使用反向学习策略（OBL）优化灰狼算法（GWO）,通过改进后的灰狼算法优化小波神经网络的各权值和小波基函数的平移因子与伸缩因子,使优化后的小波神经网络能够对威胁度测试样本集作更好的预测.实验结果显示,采用反向学习灰狼算法能够更好地优化小波神经网络的权值与平移、伸缩因子,使建立的小波神经网络目标威胁评估模型具有更高的预测精度和更强的泛化能力,能够精准、有效地实现目标威胁评估.     

基于神经网络的储粮测控专家系统的研究与应用

将神经网络应用于专家系统中,利用神经网络系统的学习功能解决传统专家系统在知识获取、推理能力、自学习能力上的缺陷,与粮情测控系统相结合,提出了一种改进BP算法.该算法加入动量项,然后对自适应算法进行了一些适当改进,进而给出了该算法的理论推导和具体实现步骤.与未改进的BP算法相比,该方法协调了训练次数多而引起的学习效率和收敛速度之间的矛盾,提高了BP算法的熟练速度和收敛速度.实验结果也说明了该方法的快速性、有效性、稳定性.     

Linux2.6内核实时性分析与改进方案

分析了linux2.6内核的实时性,针对分时调度算法和粗糙的时钟粒度,提出一种改进方案.改进的Linux具有高精确度时钟系统和多种实时调度算法动态模块.实验表明,改进后的linux2.6内核在实时性方面有较大提高.     

基于局部约束线性编码的单帧和多帧图像超分辨率重建

基于稀疏表示的超分辨率图像重建是当前典型的算法之一,引入约束性更强的局部约束线性编码(LLC:Locality-constrained Linear Coding)对其进行了改进。首先依据一个高分辨率图像集训练出成对的高分辨率和低分辨率词典,然后根据低分辨率词典对输入的低分辨率图像用LLC方法进行编码,再依据高分辨率词典及编码系数初步重建高分辨率图像,最后添加全局约束重建高分辨率图像,并将该算法推广到多帧图像超分辨率重建层面。分析和对多幅图像的实验结果都表明,新算法相对原算法不仅提高了图像重建的质量还降低了计算复杂度,取得了满意的效果。     

电离层层析图像重建的改进算法

针对电离层层析图像重建数据不完全的关键问题.文中利用最速下降法对投影数据进行预处理,利用乘法代数重建算法进行图像重建.算法将迭代初始值的确定与图像优化重建过程统一起来,减少了初始值对重建结果的影响.数值计算及实测数据重建结果表明,该混合算法减少了投影数据不完全对重建结果的影响,有效提高了电离层层析成像质量.     

改进的二维经验模式分解方法

为了解决图像处理中应用到的传统二维经验模式分解算法存在边界效应和过度分解的问题,提出了一种改进的二维经验模式分解算法.该算法首先对原始图像的边界进行延拓处理,在图像信号的边界处增加一部分数据;然后对处理后的图像使用传统的二维经验模式分解方法进行图像筛分,筛分截止后对每个筛分过度的内在模式函数增加一个对应的补偿量.应用改进的二维经验模式分解算法对图像进行了处理,计算了处理后得到的重构图与原图的标准差.实验结果表明,改进的二维经验模式分解算法消除了边界效应,也解决了图像分解过度的问题.重构图与原图像的标准差很小,证明了重构图与原图的图像灰度波动很小即图像吻合得很好,并且由于处理边界问题时附加的图像信息并不多乃至计算量小,使处理简单易行,论证了改进的二维经验模式分解算法在图像处理中的可行性.     

一种基于神经网络的超分辨图像重构方法

针对在航空航天遥感领域中使用CCD相机对景物进行成像时，由于像元尺寸的限制导致图像分辨率低的问题，提出了采用人工神经网络映射图像重构过程非线性特性的方法．在相机参数已知的情况下，用后向误差传播(BP)神经网络融合从不同角度对同一景物重复拍照得到的多帧低分辨率图像的冗余信息，重构得到较高分辨率的图像．在模拟成像仿真实验中得到了分辨率提高4倍、信噪比接近30dB的超分辨结果．     

一种基于神经网络的超分辨图像重构方法

针对在航空航天遥感领域中使用CCD相机对景物进行成像时,由干像元尺寸的限制导致图像分辨率低的问题,提出了采用人工神经网络映射图像重构过程非线性特性的方法。在相机参数已知的情况下,用后向误差传播(BP)神经网络融合从不同角度对同一景物重复拍照得到的多帧低分辨率图像的冗余信息,重构得到较高分辨率的图像。在模拟成像仿真实验中得到了分辨率提高4倍、信噪比接近30dB的超分辨结果。     

基于空间通道注意力机制的渐进式图像超分辨重建算法

目前在单帧图像超分辨率(SISR)研究领域中,一些深度网络在重构阶段通过简单级联、通道注意、空间注意等方式,利用中间特征来提高图像重构效果,但是它们通常只注意到其中一个方向.为此,文章研究了一种新的注意力,即基于空间特征变换(SFT)的空间通道注意力,并提出了基于SFT的空间通道注意力机制重构的渐进式网络算法.该算法多...     

超分辨率人脸图像重构识别

为了解决单幅低分辨率人脸图像重构问题,提出了基于线性物体类理论重构超分辨率人脸图像的新方法。首先利用ICA和PCA提取不同分辨率人脸的特征子空间,然后利用通过训练得到的分辨率转换矩阵重构其相对应的超分辨率人脸图像,实验表明该算法与传统的算法相比重构出的人脸图像质量和识别率都有了很大的提高。     

基于改进总变差正则化算法的金属缺陷三维重建方法

为解决电磁层析成像(electromagnetic tomography,EMT)图像重建中的不适定性和病态性,将电磁层析成像用于金属缺陷检测,根据缺陷分布的稀疏性,提出了一种基于改进的总变差正则化算法(total variation,TV)的电磁层析成像图像重建方法,讨论了检测深度与激励频率的关系,利用三维重建算法对金属零件的表面和内部缺陷进行检测。通过仿真和实验评估了所提出算法的性能,并与Tikhonov正则化算法和L1正则化算法的重建图像和相对误差(relative error,RE)进行了比较。仿真和实验结果表明:使用改进的TV正则化算法重建的图像具有更好的图像重建效果和更小的相对误差,相对误差低至0.1左右,可以提高缺陷图像的重建质量和精度。     

利用MATLAB进行图象重建的算法研究

图像重建技术在无损检测中起着十分重要的作用。随着现代科技的发展，图像重建的算法也在不断地改进和完善。由Math Works公司推出的MATLAB工具软件具有强大的数学计算和绘图功能，运用该软件进行图像重建能使编程工作量大为减少，并可以很方便地显示二维及三维图像。     

一种新的基于GRAPPA的图像重建算法

传统GRAPPA（generalized auto-calibrating partially parallel acquisitions）采样轨迹存在重建图像质量差、数据扫描时间长等问题。在传统GRAPPA基础上提出了一种新的图像重建算法——交叉采样轨迹法,利用在相位编码方向上线圈间的空间灵敏度信息的互补特性,能够得到准确的线圈权重系数,提高了重建图像的质量。通过对真实脑部数据进行实验,结果显示该方法相比于传统的GRAPPA采样轨迹,可提高重构图像的质量、缩短数据扫描时间,是一种有效的采样方法。