一种新的细胞神经网络阴影检测器的研究

该文深入研究了一种新的二维细胞自动机(CA),找到了几种新的算法规则可以用来实现字符的粗化处理和阴影检测,并且用这些规则设计了几种新的细胞神经网络,文中详细介绍了这些算法规则的布尔代数表达式和细胞神经网络学习算法。仿真结果证明了这种新的细胞神经网络是简单而有效的,同时也证明了可以用 CA规则来设计新的细胞神经网络,为细胞神经网络的设计找到了一种新颖有效的方法。     

用细胞神经网络实现图像恢复的一种新方法

本文提出并讨论了用细胞神经网络实现图像最大熵恢复的可能性,并基于对最大熵方法的物理实质分析推出了相应细胞神经网络模板的新设计方法,针对二值图象的恢复问题进行了计算机仿真,结果证明了这一方法是可行的。     

基于高光消除的SFS三维重构算法研究

从明暗恢复形状（SFS）是三维重构的有效技术之一,本文在对SFS算法分析的基础上,针对SFS算法易受高光分量影响的缺点,设计了基于多项式拟合的高光消除方法对输入图像进行预处理,然后对预处理后的图像采用Oren-Nayar光照模型建立辐照度方程,并利用Tsai的线性近似方法对辐照度方程进行求解,进而获得高度信息以实现物体的三维重构。实验结果表明,本文提出的方法能较好的消除输入图像中高光分量的不利影响,有效提升三维重构效果。     

基于镜面高光检测的明暗恢复形状新方法

镜面高光是由明暗恢复形状算法的重大障碍,但是对于单幅灰度图像,因为只包含亮度信息,现有以色度分析和极化分析为基础的高光检测方法均不能适用.为此,提出了一种利用表面形态分布信息检测镜面高光的方法.该方法充分利用成像过程信息,通过对表面法向量的估计,采用模拟退火算法,计算各反射成分的最大后验概率,从而实现高光区域检测,最后,利用基于曲率连续性假设的约束补色方法移除镜面高光.实验结果表明提出的算法在仿真和真实图像的高光检测中均具有较好的检测效果,有效提高了含镜面高光图像的表面恢复精度.     

基于PCNN的图像阴影处理新方法

该文提出了如何用脉冲耦合神经网络(PCNN)进行图像阴影处理的新方法。计算机仿真表明,采用参数优选的PCNN图像阴影处理算法,可有效地处理图像中的阴影,从而使得图像中的目标易于被发现。该文工作拓展了有明确生物学背景的PCNN在图像处理方面的功能。     

基于卷积神经网络的天基预警雷达杂波抑制方法

利用天基预警雷达实现动目标指示具有重要的军事应用价值。对于天基预警雷达,其平台高速运动及受地球自转影响导致杂波复杂非平稳性,更大的波束照射区域带来更严重的杂波非均匀性,从而导致适用于机载预警雷达的传统空时自适应处理(STAP)方法无法直接应用。针对上述问题,该文分析了天基预警雷达杂波分布特性,并构建了基于卷积神经网络(CNN)超分辨谱估计的STAP处理框架。首先,利用雷达系统和卫星轨道参数,仿真随机生成不同纬度、距离门、阵元误差、杂波起伏和地貌散射系数的回波数据集;然后,设计并调优了含5个权重层的二维CNN,实现由小样本所估低分辨杂波谱到高分辨谱的非线性映射;最后,基于高分辨空时谱构造空时滤波器实现杂波抑制和目标检测。仿真实验验证所提方法在小样本条件下可实现次最优杂波抑制性能,同时所需在线运算量远低于现有稀疏超分辨类方法,因此适用于天基预警雷达实际应用。      

一种适于镜面反射表面的从明暗恢复形状算法

为了实现镜面反射表面快速重构的需求,提出了一种基于高阶Fast Marching方法的从明暗恢复形状算法。首先假定光源为点光源,且位于无穷远处,其次认为摄像机遵循正交投影,其方向与光源方向保持一致,接着使用Blinn-Phong模型来描述镜面反射表面的反射特性,建立基于Blinn-Phong反射模型的镜面表面图像辐照度方程,然后将该辐照度方程转化为含有高度信息的Eikonal偏微分方程,利用高阶Fast Marching方法计算上述Eikonal方程的解,从而获得镜面反射表面的三维形状。实验结果表明:提出的方法可以快速精确地实现镜面反射表面的三维重构。     

基于CNN的康普顿背散射图像中违禁品分割方法

康普顿背散射(CBS)技术是一项较新的射线安检技术,可以提高复杂背景下安检设备对爆炸物等有机违禁品的探测力度,这其中一个重要环节就是图像中违禁品的分割问题.本文提出了一种基于细胞神经网络(CNN)的CBS图像滤波及分割方法,在此基础上又提出了一种基于CNN和数学形态学的孤立点滤除方法,并对这两种方法进行了详细分析,给出...     

从明暗恢复形状问题中的一种分形约束方法探讨

本文提出一种由从明暗恢复自然景物表面三维形状的一种表面约束方法.该方法从传统约束条件的分形本质出发,克服了传统表面恢复方法造成恢复结果过分平滑而失真的缺点,并利用最大后验概率方法对物体表面高度函数进行Gibbs随机采样,从而得到待恢复表面三维形状的一个最佳实现.实验结果表明了本文方法的有效性.     

用细胞神经网络实现图像恢复的一种新方法

文中提出并讨论了用细胞神经网络实现图象最大熵恢复的可能性,并基于对最大熵方法的物理实质分析推出了相应细胞神经网络模板的新设计方法,针对二值图象的恢复问题进行了计算机仿真,结果证明了这一方法是可行的。     

一种新的神经网络空洞滤波器的实现

本文深入研究了一种新的二维细胞自动机(CA)，并据此提出了一种新的神经网络空洞滤波器实现方法，给出了系统实现的原理电路，并称其为细胞神经网络空洞滤波器(CNN-HF)。仿真结果表明，此系统能够有效的实现二值字符的空洞填充，且具有运行速度快，硬件实现容易等特点，期望能够在二维CA研究与应用设计方面有所启发和突破。     

基于局部Lax-Friedrichs通量分裂格式的透视SFS

提出了一种基于局部Lax-Friedrichs通量分裂格式的快速扫描算法,用以解决透视投影下的SFS问题。先对透视投影SFS进行建模,将其转换为静态Hamilton-Jacobi方程,再结合局部Lax-Friedrichs通量分裂格式和快速扫描算法对静态Hamilton-Jacobi方程进行求解,从而得到物体表面。本文算法可以用于非凸Hamiltonian函数的情况,提高了局部分析能力,不需要对初始高度进行估计,且算法简单,易于实现。对合成图像和实际图像的实验表明本文算法可以得到较好的透视投影SFS的恢复结果。      

反馈型细胞神经网络稳定性研究

一个含有MN个细胞的反馈型细胞神经网络可以等效成一个非反馈连接网络;这一非反馈连接网络含有2MN个细胞、具有似镜象结构邻域和空间可变权重模板、输入权重模板为零。本文给出了反馈型细胞神经网络的稳定性定理,以及在似镜象结构邻域下的变换形式。     

基于CNN的SAR车辆目标检测

传统的SAR目标检测算法容易受到复杂背景的干扰,因此利用被广泛应用于图像目标检测和识别领域的Faster-RCNN方法,对复杂背景下的SAR图像进行车辆目标检测实验。在对样本数据进行预处理后对车辆真实位置进行标记,采用可视化的深度学习客户端对样本进行裁剪和旋转,扩充样本数据库。利用已充分训练的模型权重对ZF和VGG-16网络进行预训练,再利用扩充的数据集进行训练和验证,并使用包含MiniSAR数据的测试集进行测试。实验证明,ZF网络和VGG-16的检测效果类似,但是ZF网络因为网络层数更少因而检测耗时更短。     

基于单幅图片恢复人体三维形貌的研究

从单幅图片出发,通过简单的方法,根据人体的先验知识,从光学角度预测图片中的光源,并对人体图片进行2.5维恢复,以便以后从视频中恢复三维信息。实验表明,在一定条件下,将光源预测应用于人体表面三维形貌的复原是有成效的。本工作为从二维视频恢复2.5维信息提供了简单、实用、可改进的方法。     

异号权重模板CNN的似细化特性及其应用

本文发现并以定理的形式证明了具有异号权重模板的细胞神经网络系统在非均匀增益分段性输函数下的细 化稳态性性。     

一种新的基于CNN调度信元的输入缓冲ATM交换结构

提出了基于细胞神经网络 (CNN)调度信元的输入缓冲ASF方案 ,该方案消除了队头阻塞造成的输入缓冲ASF性能恶化。计算机仿真表明 ,该方案非常有效 ,其性能接近于输出缓冲ASF。