基于BP神经网络的面曝光快速成形系统掩模图像的畸变校正研究

在面曝光快速成形系统中,视图发生器的光学系统不可避免地在视图平面上产生光学畸变。针对传统畸变图像校正存在的不足,采用了一种基于BP神经网络的畸变图像智能化校正方法。该方法不需要建立图像畸变数学模型,利用Matlab软件,以畸变掩模图像上的221组像素坐标作为网络输入,对BP神经网络进行训练,建立畸变掩模图像与理想掩模图像之间的非线性映射关系;利用双线性插值进行灰度重建,实现掩模图像的畸变校正。实验表明,校正后,掩模图像像素坐标的径向均方根误差减小到0．7007Pixel,畸变得到明显改善。     

基于HRIS图像数据特征的畸变像元相关校正

说明了HRIS相邻光谱通道图像数据具有高度的相关性,提出了基于这种特性和数据插值的畸变像元相关校正方法,该方法分为两个步骤,第一步,利用图像相关性对图像中的畸变像元进行检测,目的在于减小图像数据的变化,减少运算时间;第二步,通过曲面拟合方法,对检测出的畸变像元强度进行校正。实验表明该校正方法,具有很好的效果,并应用到了实际的HRIS数据处理中。     

条纹投射测量标定中摄像机畸变图像的修正

在条纹投射测量系统的标定过程中对摄像机畸变图像进行修正,能有效地提高系统的标定精度。采用改进的Harris算子检测标定板上特征点的亚像素坐标,通过预标定获得特征点空间坐标,并应用BP神经网络技术校正畸变图像。仿真实验表明该方法能简单有效地提高了标定系统的精度。     

无线光相干通信智能信道均衡技术实验研究

宽带无线光相干通信通过信道均衡来抑制大气湍流产生的码间串扰。以湍流环境下的中频信号作为样本,分别采用反向传播(BP)神经网络和长短期记忆(LSTM)神经网络进行训练,将训练达到稳定的网络模型作为信道均衡器,以均衡器输出的中频信号作为系统性能评价指标并与自适应光学波前畸变校正算法进行比较。仿真结果表明,智能信道均衡算法对于系统误码率的改善优于自适应光学波前畸变校正算法。实验结果表明：采用BP神经网络信道均衡技术、LSTM神经网络信道均衡技术,以及波前畸变校正技术后,中频信号直方图的峰值分别位于0.49、0.38、0.38 V,相应的系统误码率分别为3.79×10^-5、1.64×10^-4和8.48×10^-2。智能信道均衡技术相比于波前畸变校正技术对于中频信号幅值随机起伏和误码率都有明显改善。     

红外畸变图像并行校正快速实现算法研究

在广角镜头热像仪目标检测与跟踪系统中,需要对红外图像进行畸变校正处理.目前常用的FPGA算法没有充分利用其并行机制,不仅耗用资源多,运行速度也受到一定限制.分析了常规FPGA畸变校正算法存在串行结构问题,提出充分并行的FPGA算法.根据径向畸变沿光学中心对称的特点,采用了4个并行处理单元进行校正处理,并且用较少的查找表资源实时计算校正地址.在进行双线性插值运算时,采用并行存取结构提高访问效率.通过在FPGA芯片上实验验证,表明该算法具有很好的实时性,占用资源较少,实现了在线实时校正畸变的功能.     

用计算全息图校正非球面的畸变

针对用计算全息图(CGH)对非球面进行检测时出现的非对称畸变,分析了3种基本的畸变模型,提出了一种有效的校正非对称畸变的方法.该方法采用较少的拟合参数即可实现对非对称畸变的精确校正,从而可以较大程度地减少畸变校正所需要的数据点对,避免过度拟合效应.通过光学仿真模拟分析了整个干涉仪系统的畸变,并利用以上方法对畸变进行了校正.仿真结果显示,畸变校正的相对残差小于0.2％.最后,设计并制作了处于离轴工作状态的CGH,并用此CGH对非球面进行了检测.利用上述畸变校正方法对测量的非球面面形进行校正,并用校正之后的结果进行加工迭代,最终非球面面形的收敛精度达到1.8 nm(RMS),得到的结果验证了提出的畸变校正方法的可靠性.     

共振扫描显微成像中的图像畸变校正

设计了一种校正算法用于校正双光子荧光显微镜等高速扫描成像系统中共振振镜扫描导致的图像畸变。首先对共振振镜的扫描运动建立模型,推导出非线性扫描的运动公式,进而得到图像畸变公式;然后对一块朗奇光栅样品扫描成像,设计了多峰高斯拟合算法得到光栅所有条纹的宽度变化并通过最小二乘法将条纹宽度数据拟合成一条畸变曲线;最后利用畸变曲线对图像进行校正。结果表明:采用提出的校正算法可使系统最大畸变减小到传统正弦校正方法的1/3,相对畸变减小到1/5,校正效果比传统的正弦校正法提高了2倍。由于提出的曲线拟合校正算法不用增加额外的光路,且不需要切割边缘图像,故显示了极好的图像使用效率和校正效果。     

图像拼接中相机镜头非线性畸变的校正

为满足大尺寸图像无缝拼接的需要,提出了数字相机镜头非线性畸变的高精度校正方法.分析了现有棋盘格图像特征点检测算法的不足,提出了一种新的基于棋盘格图像结构特征的特征点检测算法.该算法巧妙地利用棋盘格图像的像素点相对于方格交点对称、相对于方格交线反对称这一特点,计算交点附近区域每一像素点的对称度和反对称度,并以此为依据来判定特征点的准确位置.将该算法与多项式变换技术以及双线性插值技术相结合,提出了数字相机图像非线性畸变的精确校正方法.实验结果表明,校正后图像的横向误差均值为0.43个像素,纵向坐标误差均值为0.36个像素.该方法精度高、计算简单,对噪声、透视、畸变等鲁棒性强,便于特征点检测的自动化处理.通过对实际地图图像的校正和拼接处理,证明了该方法的有效性.     

一种新的图像测量镜头成像几何畸变校正方法

在高精度图像测量系统中,镜头成像几何畸变使得目标在CCD上的实际成像位置偏离理想的成像位置,从而造成测量误差。为了减小测量误差,提高系统的检测精度,利用一个具有10个不同直径的阶梯轴作为标准件,将10个直径从小到大排列,并分成5组。利用畸变校正模型建立5个方程组,求出5组畸变系数。利用畸变系数对相应的边缘进行校正。实验表明该方法简单可行,提高了系统的检测精度。     

一种基于神经网络的X光图像畸变校正方法

通过对X光图像所产生畸变的分析,提出了一种基于泛化能力的神经网络系统整体校正方法。该方法只需确定网络输入输出和约束条件,无需考虑中间过多的不确定因素,即可建立空间点与图像点的映射关系,然后采用双线性变换进行灰度插值。实验表明,该方法校正效果好,能够满足对图像进行分析处理的要求。     

Preisach迟滞逆模型的神经网络分类排序

为了补偿影响压电陶瓷执行器纳米定位系统精度的迟滞非线性,提高系统的控制精度,开展了基于压电陶瓷执行器的迟滞非线性逆模型的研究。兼顾到迟滞的擦除特性和建模的精确度,提出了一种Preisach逆模型分类排序法的神经网络实现方法,用神经网络取代了传统的反查值方法,以避免插值误差。建立三层BP神经网络,运用实测数据进行训练,确定各层权值;然后,结合排序得到的电压和位移极值信息,通过神经网络方法拟合出较精确的输入电压值。运用若干组实验数据检验了此逆模型的有效性,结果表明,该神经网络的实现方法将逆模型的平均误差降低到了1.5V以下,最大误差绝对值降低到了2.7V以下。与反查值方法相比,神经网络实现方法有效提高了压电陶瓷执行器纳米定位系统的迟滞逆模型的精度。     

寄生式时栅传感器动态测量误差的贝叶斯建模

为了提高寄生式时栅传感器的测量精度,分析了它的工作原理和动态误差组成,得到其主要误差分量为常值误差、周期误差和随机误差等。针对寄生式时栅误差特点,建立了寄生式时栅动态误差高精度预测模型,并与其他建模方法进行了比较。选用插入标准值的贝叶斯预测模型,以实际测量的传感器第一个对极动态误差数据进行建模,在后续对极特定位置插入部分实际误差测量数据,建立误差预测模型,预测了传感器后83个对极的动态误差。另选用三次样条插值和BP神经网络建模方法对寄生式时栅整圈动态误差建模,并与建立的误差模型进行了对比。验证实验表明,三次样条插值建模时间最短(0.62s),但其建模精度不高(16.050 0″);贝叶斯动态模型建模时间(0.86s)略长于三次样条插值,但建模精度最高(0.415 3″);BP神经网络建模时间最长(32min),但建模精度最低(19.680 2″)。同时贝叶斯插入标准值建模方法所需数据点(69395个)远少于三次样条和BP神经网络建模数据点(235526个),节省了大量的标定时间和建模数据量,因此可用于寄生式时栅传感器的动态测量误差高精度建模修正。     

用分形和神经网络算法改善仪表精度和响应时间

研究在仪器仪表中利用分形插值和人工神经网络算法改善测试精度和响应时间的方法。在仪表检测中有时会遇到检测的分辨率与实时性相冲突的情况 ,此时对数据进行插值是一个很好的解决办法。利用分形和人工神经网络算法插值是一种可以进行多点数插值的优越方法 ,因为它可以通过训练学习不断修正网络的权值 ,使检测误差的方差控制在预定的范围。还研究了利用神经网络做谱分析来求取主频的方法 ,它在运算速度和分辨率方面都优于 FFT。文章还提出了一些减少人工神经网络学习训练时间的方法。     

基于RBF神经网络动态辨识的自整定PID控制策略

提出了在采用最近邻聚类算法在线构造RBF（NN1）正向辨识器,并在线辨识被控对象的Jacobian阵的基础上,引入RBF（NN2）对PID控制器参数进行在线调整的算法。该算法可以实现PID控制参数的自动在线整定和优化。通过与BP网络调整控制器参数的方法的对比和仿真实验证明,该方法控制精度高,响应速度快,并且具备较强的自适应性和鲁棒性。     

HYPERSTATIC STRUCTURE MAPPING MODEL BUILDING AND OPTIMIZING DESIGN

Hyperstatic structure plane model being built by structural mechanics is studied. Space model precisely reflected in real stress of the structure is built by finite element method (FEM) analysis commerce software. Mapping model of complex structure system is set up, with convenient calculation just as in plane model and comprehensive information as in space model. Plane model and space model are calculated under the same working condition. Plane model modular construction inner force is considered as input data; Space model modular construction inner force is considered as output data. Thus specimen is built on input data and output data. Character and affiliation are extracted through training specimen, with the employment of nonlinear mapping capability of the artificial neural network. Mapping model with interpolation and extrapolation is gained, laying the foundation for optimum design. The steel structure of high-layer parking system (SSHLPS) is calculated as an instance. A three-layer back-propagation (BP) net including one hidden layer is constructed with nine input nodes and eight output nodes for a five-layer SSHLPS. The three-layer structure optimization result through the mapping model interpolation contrasts with integrity re-analysis, and seven layers structure through the mapping model extrapolation contrasts with integrity re-analysis. Any layer SSHLPS among 1~8 can be calculated with much accuracy. Amount of calculation can also be reduced if it is applied into the same topological structure, with reduced distortion and assured precision.     

基于几何光学的图像矫正法在圆管PIV实验中的应用研究

粒子图像速度技术被广泛用于流体流动测量,介质折射率差异使光在圆管壁面发生偏折,导致图像失真,直接影响速度测量精度。本文建立了光学折射的物理模型,得到圆形管道中物点和图像点之间的函数关系进而得到矫正后图像的像素坐标,使用双线性插值算法得到像素灰度值重建出矫正后的粒子图像,最后根据多重网格迭代算法计算管内速度场。分别对流体进行管内静态流体与管内层流速度场测量实验,对比了光学矫正箱法、线性矫正以及基于光学模型的畸变矫正方法误差。结果表明,本文提出的基于几何光学的图像矫正方法精度优于光学矫正箱法和线性矫正方法,并通过静态与流动实验充分验证了所建立几何光学模型的准确性和有效性。     

Normal strain measurement by machine vision

A machine vision method for measuring normal strain with high precision is presented. In the method, planar projection is modeled in order to enable the measurement without requiring coplanarity of the imaging and measured plane. Some of the model parameters are determined using translational displacements of known value. Along the single direction according to the need of measurement, the correction of distortion is involved in the method to improve the precision. Experiments were designed to validate the accuracy of the proposed method and confirm factors affecting the measurement results.     

三维模型特征识别中的神经网络方法

将神经网络方法运用到三维模型的特征识别问题是一种新的尝试，对于用神经网络解决拓扑性的、不易被形式化的这类问题具有积极意义。本文综述了近10年来各种基于神经网络的三维模型特征识别技术，介绍并分析了三维模型拓扑数据的矢量化方法、不同神经网络模型的识别算法，以及基于层分解技术的特征自组织识别等，可帮助相关领域的研究人员较为完整地了解该领域的研究成果和发展方向。     

Correction of image drift and distortion in a scanning electron microscopy

Continuous research on small‐scale mechanical structures and systems has attracted strong demand for ultrafine deformation and strain measurements. Conventional optical microscope cannot meet such requirements owing to its lower spatial resolution. Therefore, high‐resolution scanning electron microscope has become the preferred system for high spatial resolution imaging and measurements. However, scanning electron microscope usually is contaminated by distortion and drift aberrations which cause serious errors to precise imaging and measurements of tiny structures. This paper develops a new method to correct drift and distortion aberrations of scanning electron microscope images, and evaluates the effect of correction by comparing corrected images with scanning electron microscope image of a standard sample. The drift correction is based on the interpolation scheme, where a series of images are captured at one location of the sample and perform image correlation between the first image and the consequent images to interpolate the drift–time relationship of scanning electron microscope images. The distortion correction employs the axial symmetry model of charged particle imaging theory to two images sharing with the same location of one object under different imaging fields of view. The difference apart from rigid displacement between the mentioned two images will give distortion parameters. Three‐order precision is considered in the model and experiment shows that one pixel maximum correction is obtained for the employed high‐resolution electron microscopic system.     

神经网络共轭梯度优化算法在激光加工定位中的应用

在应用激光技术加工复杂曲面时,通常以采样点集为插值点来建立曲面函数,然后实现曲面上任意坐标点的精确定位。人工神经网络的BP算法能实现函数插值,但计算精度偏低,往往达不到插值精确要求,造成较大的加工误差。提出人工神经网络的共轭梯度最优化插值新算法,并通过实例仿真,证明了这种曲面精确定位方法的可行性,从而为激光加工的三维精确定位提供了一种良好解决方案。这种方法己经应用在实际中。