基于BP神经网络的水蒸气红外透过率仿真

针对在计算大气透过率方法中利用经验公式误 差大和专业软件复杂低效等问题,提出了一种基于 贝叶斯正则化BP(back propagation)神经网络的水蒸气红外透过率的计算方法。利用BP 神 经网络良好的非线性拟合特点,建 立大气参数与水蒸气透过率之间的关系模型。以实测温度、压强和湿度作为输入向量,中红 外平均水蒸气 透过率作为输出,构建3-7-1式的BP神经网络。仿真结果表明: 在相同的大气参数下,与逐线积分法相比, 本文方法在运算过程大幅简化的同时相对误差很小;与经验公式法相比,本文方法对透过率 的计算精度大幅提升。     

基于遗传神经网络的全天户外场景红外热像仿真

针对红外场景仿真中使用热力学方法对物体温度场建模的不足,将BP神经网络应用到场景中物体的红外温度场建模中,并通过遗传算法优化神经网络的初始权值.通过对场景中物体的表观温度进行多次测量,得到训练样本集合.然后训练神经网络,建立由车辆和路面组成的场景的温度场模型,并根据设定的气象条件分别对白天和夜晚场景进行仿真.根据仿真结果分析,此模型能够根据所设定的气象条件较准确地实时仿真场景的红外图像.     

采用KPCA和BP神经网络的单目车载红外图像深度估计

提出一种基于监督学习得到深度估计模型的单目车载红外图像深度估计方法。首先用核主成分分析法（KPCA）筛选红外图像特征。将最初提取的红外图像特征用核函数非线性映射到一个线性可分的高维特征空间,再完成主成分分析（PCA）,得到降维后的红外图像特征。然后以BP神经网络为模型基础,对红外图像特征和深度值进行训练,训练后的深度估计模型可对单目车载红外图像的深度分布进行估计。实验结果证明,利用该模型估计的单目车载红外图像的深度信息与原红外图像的深度信息一致。     

红外场景实时仿真研究

对目标和背景组成的场景的红外特性进行了实时仿真。为实现红外场景实时仿真,以场景的红外特性数据库为基础,将机器学习算法引入到仿真之中。利用遗传算法优化权值的神经网络建立了场景温度模型,结合三维可视化显示技术,模拟出不同设定条件下的场景红外图像。仿真结果显示,采用该模型的场景温度计算值和实测结果相符,并能够满足仿真对实时性的要求。     

红外图像仿真系统的设计与实现

红外图像的获取方法有试验和仿真等多种。试验获取方法成本较高,过程复杂,提出一种利用仿真手段获取红外图像的方法,容易实现、成本低廉。首先,介绍了虚拟场景的建模方法,利用仿真建模软件MultiGen Creator建立了场景模型库,并进行大气建模和红外材质建模;其次,利用场景驱动软件Vega对所有的模型进行了驱动和渲染,生成可调用的adf文件;最后,开发了人机交互界面,通过VC++与Vega提供的API,设计实现了红外图像仿真系统,可以使场景在可见光和红外波段之间转换,也可以实现场景的实时漫游,还实现了特殊效果展示以及其他仿真功能,运行效果良好。     

红外图像的计算机仿真及仿真软件

根据红外成像理论,提出了红外图像计算机仿真的原理和方法,分析了各种辐射对成像的影响,给出了辐射计算公式及无源场景温度求解方法,说明了场景模型、大气传输模型和材料的物理特性库在红外图像仿真中的作用,介绍了一种红外图像计算机仿真软件,进行了仿真实验并给出了一些仿真图像。     

基于BP神经网络的红外透过率计算

针对实时条件下中红外波段平均大气透过率的计 算,提出了一种基于贝叶斯正则化BP神经网络的方法。 利用BP神经网络良好的非线性拟合特点,建立大气参数与中红外平均透过率之间的关系 模型,从而可以准确迅速 地得到计算结果。此网络模型是以实测温度、压强、湿度和气溶胶的后向散射系数作为输入 向量,分别以水蒸气和CO₂吸收透过率、气溶胶散射透过率和大气透过率作为输出。仿 真结果表明:在相同的大气参数下,本方法的计算 结果与期望值之间的相对误差较小,且远小于经验公式法,验证了本方法的可行性与有效性 。因此,本方法对大气透过率的准确地快捷计算提供了有益的借鉴。     

红外偏振图像的仿真

为了在获得真实偏振图像之前获得偏振图像,采用仿真的方法进行了实验研究,即先通过实验获得各种物体的偏振度建立一个偏振数据库并进行理论研究论证,再利用K-均值聚类算法对红外图像中的物体进行聚类,最后将聚类后的图像通过计算得到偏振图像。结果表明,得到的仿真偏振图像效果很明显,能够很好地区分人造物和自然物,从而验证了仿真算法的可行性。图像仿真对于更好、更方便地研究物体的偏振特性和建立偏振数据库有着非常重要的意义。     

红外偏振图像的仿真

为了在获得真实偏振图像之前获得偏振图像,采用仿真的方法进行了实验研究,即先通过实验获得各种物体的偏振度建立一个偏振数据库并进行理论研究论证,再利用K-均值聚类算法对红外图像中的物体进行聚类,最后将聚类后的图像通过计算得到偏振图像。结果表明,得到的仿真偏振图像效果很明显,能够很好地区分人造物和自然物,从而验证了仿真算法的可行性。图像仿真对于更好、更方便地研究物体的偏振特性和建立偏振数据库有着非常重要的意义。     

基于Vega的动态红外图像仿真

为提高红外图像的仿真效果,在Vega平台实现动态红外图像的仿真。首先分析了目标场景辐射特性模型、大气传输模型以及红外探测器模型,然后以F-16飞机为例详细地分析了Creator建立三维模型和在Vega平台完成动态红外图像仿真的过程,最后利用MFC和Vega API编程开发了友好的交互界面,用于不同仿真条件的切换和参数的调整。仿真实验结果表明该方法简单易行、有较高的逼真度,可为红外目标模拟器提供信号源。     

基于BP神经网络的PID控制器的设计及模拟研究

本文首先对BP神经网络进行概述,然后对基于BP神经网络的PID控制器的设计进行分析,最后进行模拟仿真研究,得出基于BP神经网络的PID控制器与传统PID控制器具有适应性强、精度高等明显优势的结论.     

基于遗传算法和BP模糊神经网络的红外步态识别

为了提高红外步态识别精度的目的,采用分别基于小波描述子特征的模糊分类器识别和基于体形平均灰度图特征的贝叶斯分类器识别,再进行基于遗传算法和BP模糊神经网络的多分类器融合识别的新方法。做了基于中科院红外步态数据库的识别仿真实验,获得识别率、等错误率和累积匹配分值的实验数据及对比结果,得到多分类器融合识别比单分类器识别提高约10%识别率,降低约10%等错误率,完全收敛阶数提高1倍多的结论。具有识别精度高、收敛速度快的特点。     

基于神经网络的铜转炉内壁蚀损红外检测方法

针对铜转炉内壁蚀损状态难于直接检测的问题,提出了一种基于神经网络和红外无损检测技术的铜转炉内壁蚀损在线检测方法,分析了炉表面温度场与炉衬内壁蚀损的对应关系以及由红外热像仪测取炉表面温度场、图像处理与神经网络智能计算炉内壁蚀损量的检测原理,建立了相应的检测系统.试验检测的误差在5%之内,结果表明:建立的铜转炉内壁蚀损红外检测方法是可行的,具有较好的适应性,可满足现场的测量要求.     

基于BP网络的红外图像压缩仿真过程分析

介绍了BP网络在红外图像压缩中的原理及模型,详细地描述了图像压缩的实现过程,并采用Levenberg-Marquardt算法实现了红外图像的压缩.分析仿真结果表明,通过增加隐含层的神经元数和牺牲压缩率,可以提高重构红外图像的质量.     

人工神经网络BP算法在近红外光谱分析中的应用

简要介绍了人工神经网络及其在近红外光谱分析中的应用。给出了三层BP网络的基本结构和对应的BP算法。通过测定润滑油的流动性、苯和甲苯的回收率及相对标准偏差的两个实例,分析了人工神经网络BP算法的明显优势。最后指出了存在的部分问题。     

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.     

基于神经网络的红外辐射大气透过率建模及计算

基于定点测量的标准黑体温度实验数据,建立大气透过率的神经网络估计模型。在不同距离测量黑体温度后,引入BP网络自适应学习测试数据的潜在规律,建立大气透过率与当前测量距离及测试温度之间的函数关系,可以精确计算目标的实际温度。仿真结果表明,用本文方法所建的BP网络可以有效地学习样本信息,建立的非线性大气透过率模型解决了大气透过率因影响因素复杂计算难度大等问题。     

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神经网络的高精度本地多基准时钟合成算法研究

解决基于单个原子钟的系统频率准确度难以突破10^-12量级,基于多基准时钟合成算法的系统无法同时显著改善时钟的长期稳定性和短期稳定性,难以满足未来诸多领域超高精度时钟同步需求的问题,本文将多基准时钟合成算法和神经网络算法相结合,提出一种基于误差逆传播算法神经网络（BP神经网络）的本地多基准时钟合成算法,可以同时改善时钟源的短期和长期稳定性.