基于BP神经网络的管道缺陷识别

为了能够自适应地识别管道内部缺陷,针对目前管道内部图像须有人工实时检测的弊端,提出了一种以机器学习完成缺陷分类的方法。该方法通过训练好的BP人工神经网络智能识别管道内缺陷及其种类,通过图像处理技术提取管道内各参数,最后利用管道内边缘周长、面积、辉度等参数识别缺陷类型。实例应用结果表明:该方法能够有效地识别异物、裂纹、堵塞。     

基于卷积神经网络的管道表面缺陷识别研究

针对传统管道表面缺陷检测方法存在效率低、准确率不高的问题,提出一种通过机器视觉检测管道表面缺陷的方法,在采集管道表面缺陷的图像信息后通过卷积神经网络的算法分类不同的缺陷。通过加入批量归一化层,改进低层和中层卷积核的构造,优化了GoogleNet的构造,提高了卷积神经网络的泛化性和收敛性。试验结果表明,应用卷积神经网络后对管道表面缺陷的识别率较高,显著提高了管道表面缺陷识别的效率和准确率,具有较好的工程意义。     

基于导波能量差的管道缺陷周向定位实验研究

针对超声导波检测需通过对回波信号进行分析而得到管道健康信息,而无法反映缺陷的周向位置信息的问题。文中采用超声导波方法对管道缺陷周向定位进行了研究,分析了超声导波在管道中遇缺陷后的能量分布,以及周向定位的原理。根据F(1,3)模态导波周向波数只有一个的特性,提出了象限能量差定位缺陷方法,并对该方法进行了实验研究,结果表明,方法可以准确地判定出缺陷所在周向位置。     

基于导波模态对称曲线的管道近焊区缺陷识别

研究了模态对称曲线辅助识别管道近焊区缺陷的可行性。通过建立导波检测系统,基于导波模态对称检测理论,设计模态对称算法并绘制模态对称曲线,用于管道近焊区缺陷的识别,采集管道近焊区缺陷试验信号进行分析。结果表明,管道近焊区导波模态对称曲线幅值在缺陷处升高,且随着缺陷的截面积比的加大而增高。通过对回波信号进行小波包能量谱分析,发现回波信号的能量在缺陷处聚焦,验证了用模态对称曲线辅助识别管道近焊区缺陷的有效性。     

基于小波神经网络的信号调制识别

采用小渡分析与神经网络相结合的思想进行数字通信信号调制类型的识别.首先利用小波分析对信号进行分解,根据小波系数进行特征提取,然后利用概率神经网络对4种常用数字通信信号进行识别.仿真结果表明,小波分析和神经网络相结合,可以很好的实现数字通信信号调制类型的识别.     

基于小波和BP神经网络的无线电探测目标识别技术

目标识别是智能弹药研发的关键技术之一，本文采用小波变换和BP神经网络理论对无线电探测目标识别技术进行了研究，给出了分类识别算法，并用实测数据进行了实验验证，结果表明该识别算法具有很高的目标识别率．     

基于小波能量特征和FLD的人脸表情识别

提出一种能量特征和Fisher线性判别法(FLD)相结合的面部表情识别方法,首次提出了小波能量特征在表情识别中的应用.鉴于小波能量特征具有表现表情纹路的能力,与人脸表情识别的要求正好相符,把小波能量特征加入到原始图像中,再用FLD进行特征提取.通过在日本JAFFE人脸表情库的七种表情(生气、厌恶、恐惧、高兴、中性、悲伤、惊讶)上进行实验,验证了该方法的有效性.它不仅能获得高的表情识别率,而且过程简单,易于实现.     

小波变换和神经网络在车牌识别中的应用

介绍了车牌识别的背景、意义和一般实现过程，阐述了小波变换和神经网络的基本理论，详细地分析和论述了小波变换和神经网络在车牌识别四个核心阶段（即图像预处理、车牌定位、字符分割和字符识别）中的应用，最后总结并对两者在车牌识别技术中的应用前景进行了展望。     

基于小波概率神经网络的彩色纹理识别

提出了一种将颜色信息融入到纹理识别中的新方法--基于小波概率神经网络的彩色纹理识别.首先将RGB彩色纹理图像转化为HSV彩色模型,用小波变换(WT)进行树形结构小波分解提取彩色纹理的特征,然后使用概率神经网络对测试样本进行分类识别.实验结果证明,该方法的识别效果比较好.     

基于小波变换和神经网络集成的人脸表情识别

提出了一种表情识别的新方法，首先通过基于小波变换的图像分解和K-L变换等处理，来抽取面部表情区域的有效鉴别特征．之后采用神经网络集成技术对六种典型表情进行识别。在CMU表情数据库上的实验表明，该方法达到了很高的识别率．而且对光照变化也有一定的不敏感性。     

一种基于小波神经网络的缺陷检测新算法

运用多分辨分析对缺陷检测信号进行小波分解和重构,消除信号中的噪声,再基于多分辨分析提取检测信号的特征量。选取B-小波为小波基构建了断丝定量识别的小波神经网络模型,并运用该小波神经网络对缺陷检测信号进行了检测,试验结果证明了小波神经网络能够较为理想地完成缺陷信号的智能化检测,对断丝位置及断丝根数能实现无人工干预的自动识别,比传统的断丝识别方法准确率提高了很多。     

基于超声导波波谱法管道缺陷检测仿真研究

针对超声导波检测难以准确判定管道缺陷的问题,通过分析超声导波遇管道缺陷后其回波的传播,提出了以波谱法来定位和定量管道缺陷。采用ANSYS软件仿真了T(0, 1)模态超声导波在带缺陷管道中的传播,得到检测的幅值波谱图,发现波谱图中缺陷处的颜色总是最先变化;通过分析所有节点同一时间坐标信号的幅值,发现相对最大缺陷信号幅值,幅值衰减在1/10内的节点数与缺陷的周向尺寸之间存在确定的系数关系。     

基于小波神经网络非线性预测方法的研究

针对非线性预测问题,提出了小波神经网络算法．该算法采用权重贡献率分析法和关键神经节点法分析权重,精进模型,利用具有优良渐进性的递推预报误差法训练小波的尺度因子和平移因子,并提出了一种网络的改进算法．通过对导航设备的仿真预测,该算法优于同等规模的BP神经网络,其收敛速度快,预测精度高．     

小波变换与神经网络复合的图像清晰度识别研究

基于小波变换与神经网络复合模型的图像清晰度识别方法具有较强的图像边缘特征提取、非线性处理、自适应学习和模式识别能力.提出一种通过神经网络模拟人眼的调焦机制,基于小波变换与神经网络复合模型,实现对图像清晰度评价的方法.利用二维离散小波变换对图像信号的特征进行提取,并对7个小波分量及原始图像做统计处理得到16个统计值,作为图像的特征量供后续的识别分析.构建了5层BP神经网络模型对图像清晰度进行识别,采用可变步长附加动量项的最速下降法调整网络权值.所设计的神经网络首先对由75幅图像组成的训练集合进行训练,再对102幅图像组成的测试集合进行实验验证.结果表明,这是一种相当有效的判别方法,取得了较高的识别率.     

基于小波变换和神经网络的视频水印算法

针对视频版权的保护提出了一种基于三维小波变换和RBF神经网络的视频水印算法。本算法采用二值图像作为水印,对水印图像进行随机置乱预处理以增强其安全性能;对宿主视频进行视频分割,并分别对得到的各序列做三维DWT变换;把水印嵌入到经过三维变换的低频子带中,在水印提取过程中,结合RBF神经网络模型,而不需要原始图像,快速有效提取出水印。实验结果表明,该算法具有较强的不可见性,且针对帧压缩、旋转、滤波和比例缩放等具有良好的鲁棒性。     

基于小波神经网络的红外光谱发射率计算方法

红外光谱发射率是战机蒙皮重要的红外隐身参数之一,为消除大气等外界因素对红外辐射特性测试结果的干扰,建立一种基于小波神经网络的目标红外辐射亮度模型,利用这种模型对测试样本进行网络训练,建立3~5 μm 和8~12 μm 波段红外辐射亮度模型,进而计算不同波长下目标的光谱发射率。通过与标准黑体对比,验证所建小波神经网络模型的光谱发射率与黑体实际的光谱发射率相比,最大相对误差约为2%,并将该方法应用于飞机蒙皮的光谱发射率计算。     

基于小波概率网络的局部放电模式识别

针对高压电器局部放电模式分类中样本数较少,常规的分类方法识别率较低,提出了一种基于概率神经网络与小波变换的混合算法。利用实验室模拟的局部放电信号进行小波分解,提取小波能量系数作为特征参数,并作为概率神经网络的输入进行分类。其得到的结果优于多层前馈神经网络及采用顺序最优化学习方法的支持向量机算法。     

基于小波神经网络的嵌入式语音识别系统

以ARM和嵌入式操作系统Windows CE为平台设计了基于小波神经网络的语音识别系统。首先介绍了语音识别的基本原理、系统的硬件组成、系统的功能结构、系统的工作原理,然后叙述了小波和神经网络的理论知识及算法,最后介绍了嵌入式语音系统的软件设计。由于采用S3C2410芯片负责系统的控制和识别工作,而语音信号的特征提取和训练算法全部由SPCE061A芯片来完成,从而使得语音识别系统识别率提高,可移植性好。     

基于小波网络和HMM的语音识别方法

利用隐马尔可夫模型(HMM)的动态时间序列建模能力及神经网络的模式分类能力,构成混合语音识别模型,同时考虑到语音信号的非平稳性,采用小波分析方法提取语音特征向量。通过时间规整方法,将所有具有可变长度的语音特征向量转换为相同维数的特征向量,从而简化了神经网络的结构。仿真结果表明,采用混合语音识别模型以及时间规整方法,不仅可提高识别率,同时大大缩减了训练时间,获得了很好的识别效果。