基于BP神经网络的复杂彩色图像文本定位*

针对复杂彩色图像中文本的特征,提出了基于小波变换和BP神经网络甄别文本区域的算法.该算法首先利用文本块的边缘特征遴选出备选图像块,而后采用小波变换提取备选图像块的纹理特征,把这些纹理特征参量连同图像块的颜色特征和笔画特征参量输入训练好的BP神经网络,判断备选图像块是否包含文本.该方法运算简单,定位时间短.采用专用的文本定位比赛用图进行实验的结果表明,定位准确率可达到92％,召回率为87.4%.     

基于神经网络的低照度彩色图像增强算法

由于低照度彩色图像存在整体亮度低、对比度低、颜色偏暗和信噪比低等特点,所以经典图像增强算法对其增强效果非常有限。提出了一种利用BP神经网络进行彩色图像增强的算法,并将RGB图像转换成HSI图像,以保证增强处理不引起图像的色彩失真。实验证明:该方法显著地改善了低照度彩色图像的视觉效果,提高了图像整体亮度和图像的信噪比,可调节图像的动态范围,能增强图像的对比度和细节,可增加图像信息熵。     

基于白光干涉彩色图像的微结构表面形貌测量

微结构的表面形貌会显著地影响微纳器件的使用性能及产品质量,是微纳测试领域的一个重要研究方面,利用白光干涉技术是测量物体表面形貌的一种常见方法。区别于常用的CCD黑白相机,使用CCD彩色相机采集白光干涉条纹的彩色图像,使获取的图像包含了R、G、B三个通道的信息。利用小波变换法分别求解出在不同扫描位置处R、G、B通道的相位信息,通过建立的评价函数,并结合最小二乘法可精确确定零光程差的位置,利用相对高度和零光程差位置的线性关系,进而得到物体的表面形貌。通过仿真以及实际测量由VLSI标准公司制造的标准台阶结构,验证了所提出方法的有效性。     

基于BP神经网络的DMA漏损定位仿真实验设计

独立计量区(District metered area, DMA)技术和漏损控制是供水企业降低供水管网运营成本的重要手段。DMA分区优化技术在一定程度上精简了传感器配置数量,DMA极端简单配置传感器数量条件下的漏损定位方法研究还比较鲜见。同时,现有研究成果对漏损定位方法干扰因素问题的分析还不多见。因此,基于仿真实验对漏损定位的上述两个问题进行研究。首先,介绍供水管网漏损的概念以及DMA技术在供水管网中的应用。然后,基于EPANET-Matlab-Toolkit-2.1.1包含的Net1.inp文件,在EPANET仿真软件平台上采用单一入口节点配置水压和水流传感器模拟有限资源条件下的独立计量区。接着,运行EPANET仿真软件分别模拟理想条件情形和某供水节点需水量临时大增情形独立计量区24小时供水情况,获取两个入口节点数据集。最后,采用MATLAB平台编写BP神经网络预测模型程序,并采用上述两个数据集分别进行训练测试。结果显示理想条件下BP神经网络预测模型在有限资源条件下的DMA漏损定位精度很高,供水节点需水量临时大增情形将增大模型预测误差。     

基于小波变换和区域分割的红外可见光彩色图像融合算法

提出一种基于小波变换和区域分割的YCb Cr变换域红外-可见光彩色图像融合算法,以小波变换融合为基础,将融合结果作为YCb Cr域参量,以区域分割方法为基础,与参考图像进行色彩传递。实验结果表明,采用方法比传统的线性色彩传递方法具有更好的彩色图像融合效果,同时参考图像适应性较好,适合单一图像以及视频的融合。     

彩色图像边缘检测及其在图像融合中的应用

提出了一种新的基于小波变换的彩色图像边缘检测方法,运用噪声和微弱边缘的识别以及动态双域值的选取,使得检测出来的边缘定位精度高,抑制噪声性能好。利用基于区域特征的信息融合策略,比较待融合图像的边缘点的值和区域能量特征值,选择特征突出者对应的原始图像区域组成融合结果。实验结果表明,该算法可以良好地保留两幅图像的细节信息,得到高质量的融合图像。     

基于神经网络和小波变换的MRI图像去噪方法

过去10年中,小波变换在图像去噪中取得了很大的成功.人们提出了多种适用于小波去噪的阈值方法,而这些方法就是希望能够正确地反映有噪声小波系数与无噪声小波系数之间的映射关系.基于这种想法,我们提出一种在小波域中利用神经网络寻找这种映射关系的图像去噪新方法.我们把该方法应用于不同噪声分布的磁共振图像的去噪,取得了良好的效果.     

一种彩色图像边缘检测方法

研究了基于小波的彩色图像多尺度边缘检测的方法。选择了感知性强的YUV色彩空间，根据小波理论用多分辨分析的张量积代替小波函数的张量积，建立了二维的Mallat算法以实现快速小波变换。并对1个标准图样进行了多尺度的小波分解，得到各尺度下的边缘检测结果。可以看出，在较高尺度和较低尺度检测时，实验结果与理论分析相吻合，效果较好。     

基于附加密钥复用的彩色图像加密技术

为了避免使用复数来密文记录和传输彩色图像,提出一种基于附加密钥复用的彩色图像加密方法。先把彩色图像分成三基色分量:红、绿、兰;选取3个独立的附加密钥分别对这3个分量使用改进的光学联合相关变换法加密,得到3个联合功率谱。把这3个联合功率谱进行叠加,得到的复合联合功率谱即加密结果,其包含了原始彩色图像的全部信息。解密时,使用加密时所用的3个附加密钥分别对此复合联合功率谱进行解密,即可正确地重建原始图像的红、绿、蓝分量,进而恢复出原始图像。计算机仿真结果表明,本方法可以将一幅原始彩色图像隐藏于单幅强度图像之中。由于记录强度图像无需参考光波,因此本方法在加密过程中成功地避免了干涉装置,降低了对加密环境的要求。此外,相比于其他彩色图像隐藏方法需要加密至复数密文之中,本方法的密文大小仅为其二分之一,加密效率提高了一倍。     

基于色彩空间非线性变换的彩色图像边缘检测

为了在边缘检测中有效的利用图像的色彩信息,提出了基于色彩空间非线性变换的彩色图像边缘检测算法。该算法利用了ιαβ空间信道相关性低的优点,采用基于Sobel算子的色度差算子进行边缘检测。实验结果表明:该算法不但可以检测出亮度变化剧烈区域内的物体边缘,而且还可以检测出在光线很暗的区域内不同颜色物体的边缘。因而可以极大的提高图像边缘的检测效果。     

基于大黄的红外光谱的人工神经网络鉴别研究

将傅里叶变换红外光谱法和人工神经网络用于鉴别正品和非正品大黄样品。在对神经网络训练前用小波变换对测量的红外光谱进行压缩,将原700个数据点的光谱压缩到44个变量,因此加速了神经网络的训练速度。52个大黄样品被用于网络模型的建立,其中包括25个正品大黄和27个非正品大黄的样品。文章还对隐含层神经元数目和动量参数的影响做了考察。结果表明,在优化的条件下用该方法对大黄样品的鉴别正确率达到98％。这种方法可被用于含大黄中药生产的质量控制。     

基于改进BP神经网络的航空液压油软测量

BP 神经网络越来越多地被应用于软测量建模中,与传统方法相比,BP神经网络进行信息处理可以减少数据的分析和建模工作,但也存在易于陷入局部最小值和初始权值随机选取的缺陷问题。为了解决传统BP神经网络存在的缺陷,论文中在数据预处理过程中引入主成分分析法（PCA）,在BP网络输入权值时引入遗传算法（GA）,最终达到弥补BP神经网络缺陷的目的;详细介绍了改进算法的流程与步骤,将改进的BP神经网络应用于航空液压油的软测量,先是对航空液压油软测量参数进行分析,包括辅助变量的选择和数据预处理,然后进行基于改进型BP神经网络的建模与仿真实验。实验结果表明,基于改进BP神经网络的航空液压油软测量效果优于传统神经网络,具有更强的泛化能力,因此可进行更广泛的应用。     

小波变换与神经网络融合法在油页岩近红外光谱分析中的应用

便携式近红外光谱分析技术可实现油页岩含油率的原位检测,在油页岩资源现场勘查中发挥着重要作用。但是,由于其测得的原始光谱数据量大、冗余信息多,直接建模会影响速度与精度。因此提出一种小波变换与神经网络融合法,先将油页岩全谱数据进行db8小波3级分解,提取其近似系数形成输入矩阵,然后再进行神经网络建模。为了验证有效性,利用30个油页岩合成样品,从中随机选择20个用于训练,另外10个用于预测,并分别使用全谱数据与小波特征数据进行了10次神经网络建模。结果表明,全谱数据建模速度均值为570.33 s,预测残差平方和及相关系数均值分别为0.006 012及0.843 75;而小波神经网络法对应的以上均值为3.15 s, 0.002 048及0.953 19。由此说明小波神经网络法优于全谱数据建模法,为油页岩含油率的快速、高精度检测提供了一种新方法。     

基于主成分分析的自组织竞争神经网络在多光谱遥感影像分类中的应用

多光谱遥感影像具有波段多、信息量大的特点,传统的分类方法难以达到提高精度的要求.利用主成分分析对多波段遥感图像进行降维,再采用竞争型自组织神经网络对图像进行非监督分类.这种方法的分类精度为87.5%,Kappa系数为0.86,明显高于最大似然法,最小距离法和基于像元的自组织竞争神经网络法.实验结果表明该方法在多光谱遥感影像分类中具有较好的适用性.     

基于图像处理的模拟尾流气泡幕分类识别

提出了一种应用数字图像处理技术对模拟尾流气泡幕分类识别的新方法.文章介绍了BP神经网络的基本结构及其工作原理,通过仿真测试了BP神经网络对模拟尾流气泡幕图像的模式分类.应用灰度图像统计矩法得到了均值﹑归一化系数﹑三阶矩﹑一致性和熵等特征量,设定神经网络学习率为0.1时经过14次循环可以达到训练目标误差为0.001,此时网络对不同压强下的尾流气泡幕分类正确率到达100%.这种方法在处理尾流图像时具有直观、高效、精确等特点,易于应用于对尾流探测、识别等工程技术中.     

基于小波变换的视差图像全局几何配准新算法

为了解决视差图像的快速、鲁棒配准问题,提出了一种基于小波近似图像和垂直细节图像由粗到精的加权全局配准策略.首先利用小波变换的多分辨率特性,对图像进行小波变换生成一个基于灰度的金字塔,从金字塔顶层到底层对每一层的近似分量进行由粗到精的配准.为了进一步提高配准可靠性,在金字塔次底层分别对近似图像和垂直细节图像进行加权相关配准,得到稳定的最优配准.     

基于BP神经网络的排爆机械臂逆运动学分析

机械臂逆运动学是已知末端执行器的位姿求解机械臂各关节变量,主要用于机械臂末端执行器的精确定位和轨迹规划,如何高效的求解机械臂运动学逆解是机械臂轨迹控制的难点。针对传统的机械臂逆运动学求解方法复杂且存在多解等问题,提出一种基于BP神经网络的机械臂逆运动学求解方法。以四自由度机械臂为研究对象,对其运动学原理进行分析,建立BP神经网络模型并对神经网络算法进行改进,最后使用MATLAB进行仿真验证。仿真结果表明：使用BP神经网络模型求解机械臂逆运动学问题设计过程简单,求解精度较高,一定程度上避免了传统方法的不足,是一种可行的机械臂逆运动学求解方法。     

基于径向基神经网络和BP神经网络对日落黄荧光光谱的分析

对食用合成色素日落黄的荧光光谱进行研究,发现在最佳激发波长370nm紫外光的激励下,荧光峰值波位于576nm;经分析认为,日落黄溶液之所以能产生荧光是因为分子中偶氮键将一个苯环和一个萘环连接在一起,形成大共轭结构,并且取代基与—SO3Na与—OH处于萘环的对位,大大增强了日落黄分子的共轭程度,使其具有强的吸光功能,发出强荧光。另外,结合径向基神经网络和BP神经网络对未知样本进行浓度预测,结果精确,平均相对误差分别为3.51%和5.45%,RSD分别为1.83%和2.95%。该方法有望成为对食用合成色素进行高效检测的有效方法。     

多光谱图像的玉米叶片含水量检测

水是植物正常生长发育必不可缺的元素之一,能够快速检测并获取植物叶片水分,对田间作物灌溉生产管理和作物的生理需水特性研究等具有重要的意义。利用RedEdge-M型号多光谱相机,以不同生育期的55组玉米叶片作为试验对象,在光线充足且无阴影遮挡的环境下对试验玉米叶片样本进行拍摄,拍摄过程中通过直连下行光传感器来消除太阳高度角对光谱反射的影响,每组玉米叶片样本经过拍摄可得到蓝、绿、红、近红外和红边等5个波段的TIFF图像。借助图像处理软件ENVI5.3构建玉米叶片样本兴趣区域(ROI),以ROI范围内玉米叶片样本的平均反射光谱作为该样本的反射光谱来减小镜头边缘减光现象带来的误差。参照标准白板出厂时提供的专属标定反射率、白板ROI范围内的平均反射光谱和玉米叶片样本白板ROI范围内的平均反射光谱,比值换算得到各组玉米叶片5个波段处的光谱反射率。同时利用YLS-D型号植物营养测定仪,采用五点取样法选择玉米叶片的5个区域测取玉米叶片样本的水厚度平均值作为叶片含水量的测量指标。随机选取43组玉米叶片样本得出的光谱反射率作为训练样本,采用BP神经网络建立基于多光谱图像的玉米叶片含水量反演模型,并融合莱文贝格-马夸特理论(Levenberg-Marquardt,L-M)进行经典神经网络现有缺点的改进。输入神经元数目为5个,即蓝、绿、红、近红外和红边等5个波段图像对应的反射率,输出神经元为1个,即玉米叶片含水量。剩余12组玉米叶片作为验证样本用于模型反演数据的相关性分析,结果表明,利用多光谱图像光谱信息并结合基于Levenberg-Marquardt方法改进后BP神经网络玉米叶片含水量反演模型,模型反演的拟合相关系数能达到0.896 37, 12组验证集中玉米叶片含水量参考值和反演值的相关系数r达到0.894 8,反演结果比较理想。可以实现对玉米叶片含水量的快速准确检测,对精准农业的推广和应用提供了方法和参考依据。