线阵CCD测量弹丸飞行姿态方法的研究

线阵ＣＣＤ在测试高速弹丸的飞行姿态时,碰到的难点之一是扫描速度无法满足要求．本文提出的多镜头方案,解决了线阵ＣＣＤ扫描速度的问题,同时也使得数据传输与存储问题得到简化．整个测试系统成本低,可靠性好．     

基于CCD测量的万能工具显微镜

传统的二维测量设备都是人眼通过目镜来读数的,这就不可避免地存在视觉误差.本设备采用光学CCD代替人眼读数,并利用图像处理技术、像素细分技术,实现了对工件的自动描准,自动测量,通过实践证明,该设备具有很高的测量精确度和实用价值.     

基于Gabor滤波器和改进BP神经网络的人脸检测方法

提出一种基于Gabor滤波器和改进BP神经网络的人脸检测方法.该方法首先利用Gabor滤波器空间位置与方向选择特性,采用8种方向Gabor滤波器提取人脸样本图像特征;然后把基于Gabor滤波器的特征向量作为人脸/非人脸分类器输入,并用PCA方法对特征向量降维;最后利用已降维的特征训练改进的BP神经网络.仿真实验表明,该方法比单一使用Gabor滤波器和单一使用BP神经网络检测率高.     

基于CCD的公路路面病害检测技术研究

提出了一种适合于公路路面裂缝类病害检测的数字图像处理算法。通过对路面裂缝类病害图像特征的分析与研究，在经典的图像处理算法的基础上，改进了传统的滤波算子、边缘检测算子以及图像分割算法。文中对实际路面的横向、纵向和不规则裂缝进行处理和识别，得到的裂缝边缘图像清晰，裂缝边缘连续性好。     

基于一种改进BP神经网络的一类非线性系统辨识方法

对一类非线性系统的辨识方法进行了讨论。辨识模型为一个改进的神经网络,该神经网络包括:线性网络和BP神经网络。对线性网络的模型选择和多层前馈网络的关系做了细致的研究, 并分别进行了仿真。仿真结果表明,该系统辨识方法对于一类非线性系统具有很好的辨识作用。     

小波和神经网络图像复原方法的比较研究

分析了用小波方法在神经网络方法进行图像复原的原理，指出了用小波方法进行图像复原存在的不足；当图像质量很差或当图像被退化矩阵模糊后，小波复原很难实现。面对这两种情况，用神经网络方法能够较好地复原图像。给出了实验验证的例子，得出了几个结论。     

基于神经网络的微结构光传播规律的研究

分析了对CCD所采集数据的处理,提出了运用神经网络建立数学模型的方法,对数学模型评价进行了讨论.研究表明,由此建立的数学模型给衍射光学研究提供了很好辅助手段.     

基于CCD的皮革面积测量装置的设计

设计了一种基于CCD（eharge—coupleddevice）图像传感器的皮革面积测量装置。在单片机的控制下,图像传感器与步进屯机协调工作,面阵CCD拍摄皮革图像,输出视频信号,再进行二值化处理得到图像数据,单片机处理该数据并计算出皮革面积。该装置静态成像,避免了机械传动误差;皮革边界量化误差符合正态分布,总和为零。     

一种结合小波神经网络的脉冲噪声滤波方法

采用小波神经网络对噪声像素进行模式识别,将其与无噪像素区分开,然后对噪声像素按照域值为其分配相应的比例系数,最后与中值滤波相结合输出.既能够有效地保护无噪像素,又能够对噪声像素进行合理的去噪.实验结果表明:无论是PSNR,SNR对比,还是视觉效果,该方案较以往常见的滤波器都得到了很大的提高.当噪声强度为20%时,本文方案较传统中值滤波器和自适应长度中值滤波器PSNR值分别提高了11.8 dB和7.59 dB.     

基于神经网络的图像分割方法及其在颗粒检测中的应用研究

随着计算机速度的不断提高,数字图像处理技术的发展越来越快。而基于数字图像处理的颗粒检测技术在国计民生中的应用也越来越广,提高颗粒检测技术的速度与准确性显得越来越重要。本文详细介绍了采用模糊竞争Hopfield神经网络对图像灰度级进行聚类,也就是需在某种目标函数最小化的条件下,实现灰度特征集的最优模糊划分,得到最优的阈值,实现图像的分割,并在此基础之上建立了一套对颗粒进行特征参数测量的图像测量系统,可以有效地实现对大量颗粒的测量和表征。     

改进阈值函数的指纹图像去噪方法

为了使指纹识别技术更加准确和识别效率更高,提出了改进的阈值函数对指纹图像进行去噪.首先针对指纹图像的特点,构造了一个改进的阈值函数,该阈值函数与传统软、硬阈值函数及某些现有改进阈值函数相比,具有很好的可调性,并且是处处可导的,其更好地逼近软阈值函数,且在阈值点处的图像更加光滑,在对图像去噪时能够更多的保留其上的真实信息...     

一种基于改进阈值函数的小波图像去噪算法

在Dohono D L提出的多分辨分析小波阈值去噪算法的基础上,提出了一种新的阈值函数.与传统的硬阈值和软阈值比,此函数不仅易计算,而且具有优越的数学特性和清晰的物理意义.实验结果表明,该方法可有效地去除白噪声干扰,无论在视觉效果还是在信噪比和均方误差定量指标上均明显优于常用的软、硬阈值及改进的软硬阈值折中算法,充分体现出小波阈值去噪方法的优越性.     

一种基于Pi-sigma神经网络图像压缩的方法

鉴于Pi—sigma神经网络改进了传统神经网络的某些不足，得到了广泛应用，因此提出一种基于Pi—sigma神经网络图像压缩的方法。实验证明，在相同的实验条件下，Pi—sigma神经网络用于图像压缩的效果优于传统的加法神经网络图像压缩的效果，而且收敛速度更快，占用空间更少。     

基于改进小波阈值的去噪方法

针对以往小波阈值图像去噪法出现的去噪不彻底、噪声残留、和噪声误判等问题,对阈值函数和阈值进行了改进,保留了传统的软阈值和硬阈值的优点,改进它们各自的缺点,提出一种新的阈值函数和阈值选取方式,使它在处理小波系数时更加灵活,以达到更好地去除噪声的目的.通过MATLAB仿真实验和对算法的精度分析表明,用改进后的阈值去噪法可以很好地去除图像噪声,使图像的对比度和峰值信噪比均得到很大的提高.     

基于改进卷积神经网络的藻类分类与识别方法

通过观测水体中海藻的种类和数量对水质的影响,达到预防藻类污染和检测水质好坏的 目的.基于改进卷积神经网络与深度学习 目标检测模型相结合的方法对藻类图像的大小、形态等特征进行提取与训练,实现藻类图像的识别分类.实验结果表明,运用改进的卷积神经网络和目标检测模型使得藻类识别的平均准确率达到95％以上,有效避免了过拟合的现象.该方法用于水质检测可以有效地解决由于人工识别分类带来的误差,减少人力输出,提高效率.     

基于改进BP神经网络法电力负荷短期预测

电力网络结构日益庞大,电力安全可靠运行难度不断增大,须提高电力负荷预测精度,以保证电力设备正常稳定运行。电力负荷变化具有非线性的特点,通过传统建立的模型难以精确预测电力负荷的变化,针对此难点,文中采用具有非线性特征的改进BP神经网络法进行短期负荷预测,在进行负荷预测算法时,为消除训练样本顺序的影响,将整个样本集替代单系列样本进行学习。选取某县城电力负荷历史数据作为样本,Matlab编程仿真,得出预测与期望结果比较接近,部分数据较精确,说明该算法具有一定的参考意义。     

一种改进的基于偏微分方程图像的降噪算法

针对图像去噪过程中存在边缘保持与噪声抑制之间的矛盾,提出了一种改进的基于偏微分模型的图像去噪算法.引入了正则化、绝对差值排序检测法,结合Chao和Tsai模型,构造了一种新的扩散系数函数,兼具了正则化解决方程病态问题和绝对差值排序检测法有效区分噪声与边缘的优点.实验结果表明:与其他基于常用偏微分模型的去噪算法相比,所提算法能更加有效地去除噪声,保留了更多的细节信息,提高了图像去噪的信噪比.     

基于卷积神经网络的生活垃圾图像分类模型设计

利用基于深度学习的VGG-16卷积神经网络模型,对涵盖4个大类243个小类生活垃圾的77656张图像进行分类检测识别.为了保证模型检测的准确性,先引入Retinex算法对图像进行增强处理,然后对分类交叉熵损失函数进行改进,加入L1正则化和L2正则化,构建新的损失函数.实验结果显示,使用原VGG-16网络模型对垃圾图像进...     

基于神经网络的灰度图像阈值分割方法

对于一幅目标区域和背景区域在灰度上有较明显差异的图像,为了把目标从背景中分离出来,常利用直方图谷点作为分割阈值来分割图像.本文采用一种基于神经网络的线性搜索的方法来确定直方图的谷值可以得到最优的阈值来分割图像,克服了用常规的极小值阈值法确定的极小值不稳定和不可靠的缺点,并对实际图像进行分割处理.实验结果表明采用这种新方法来搜索谷值可以得到全局极小值,用于分割图像可以把目标从背景中分离出来,并取得了满意的结果.     

改进全变分的图像去噪

为了弥补各向同性扩散去噪的非保边性、异性扩散的耗时性,分析了各向同性和异性扩散的机理,根据噪声对像素变化的影响,设计了新的扩散函数,理论上分析了该函数的扩散性能:对平滑区各向同性扩散,边缘区实现各向异性扩散。在传统全变分去噪的基础上,提出了改进全变分的图像去噪模型,运用固定点代算法设计了相应的离散迭代函数。实验结果表明,该算法在图像平滑区进行各向同性扩散,继承了各向同性的优点,降低了传统全变分的运行时间;在边缘区实现了各向异性扩散保护了图像边缘,提高了图像的峰值信噪比和视觉效果。