用二元树复小波变换法实现离焦图像的半盲复原

提出了一种基于二元树复小波变换和神经网络的半盲离焦图像复原算法,首先利用二元树复小波变换和特征值分解提取图像的特征矢量,将该矢量用来训练小波神经网络,利用训练好的网络估计离焦模糊参数.由此获得点扩展函数,用Wiener滤波完成图像的复原.实验结果表明,该方法能有效地估计离焦模糊参数和复原模糊图像.     

一种基于BP神经网络和小波变换的网络流量预测模型

结合小波变换和BP神经网络,建立一种网络流量预测模型.首先对流量时间序列进行小波分解,得到多个尺度的小波系数序列,以系数序列和原来的流量时间序列分别作为模型的输入和输出,构造人工神经网络并且加以训练.用实际网络流量对该模型进行验证,结果表明,该模型具有较高的预测效果.     

基于小波域HMT模型的图像复原

小波域隐马尔可夫树（HMT）模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度呈指数衰减的特性.提出了基于小波域HMT模型的图像复原算法作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用共轭梯度法对其进行求解.实验结果表明,该算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有显著的提高.     

基于小波神经网络的股票预测

通过将Morlet母小波基函数作为神经网络隐含层神经元的激励函数,构建了Morlet小波神经网络,对网络结构进行了隐含层节点的优化,对股票收盘价的变化进行仿真和预测,实验结果表明,Morlet小波神经网络具有较好的逼近非线性映射的能力,其泛化性能和预测能力较优.     

一种改进的离焦模型

针对常用的圆盘模型和高斯模型修复离焦图像时不能用于自动图像处理的问题,提出一种改进的离焦模型。该模型根据离焦图像的圆对称性,估算离焦的点扩散函数及其参数,以其描述离焦现象。基于该离焦模型实现了一种离焦模糊图像复原算法。实验结果表明,与采用圆盘模型和高斯模型的离焦模糊图像复原算法相比,该模型的图像复原结果更优。     

基于BP神经网络改进的FIR滤波器研究

详细研究了BP神经网络算法，分析了FIR线性相位滤波器幅频响应与BP神经网络算法的关系，对滤波器设计方法进行了改进，给出了设计低通滤波器实例。它克服了传统方法的主要缺陷，不涉及逆矩阵的复杂计算。仿真结果表明，该算法在低通、高通和带通滤波器设计中各项性能接近理想状态。     

基于遗传BP神经网络的COSM图像复原算法

提出了一种基于遗传BP人工神经网络的COSM图像复原算法,利用BP神经网络的学习记忆和泛化能力,通过用一组COSM样本图像对网络进行训练,建立含有离焦模糊的模糊三维图像与清晰三维图像之间的非线性映射关系,然后利用训练好的BP神经网络对待复原的COSM图像进行复原处理,从而实现COSM图像复原.复原的三维图像无论在主观视觉还是定量分析上都取得了很好的效果.与传统的图像复原算法不同,该算法免去了解卷积等复杂的运算,不存在病态问题,可广泛应用于模糊图像的复原中并且效果较好.     

小波域上基于神经网络的数字水印算法

提出了一种基于BPN神经网络的水印算法.首先,对数字图像进行小波分解;其次,在小波域内选择水印位嵌入的系数块;最后,利用神经网络从嵌入水印的图像中恢复原始水印信息.实验结果表明:这种水印算法具有很好的性能.     

基于小波包变换和BP神经网络的DSSS系统干扰抑制算法

 提出功率分布优势小波包变换(PDP-WPT)和扩展BP神经网络(EBPNN),并基于两者提出针对直扩系统(DSSS)的变换域信息信号提取(TISI)干扰抑制算法。首先采用PDP-WPT高效跟踪直扩系统中的敌意干扰,提高算法收敛速度;然后通过EBPNN对变换系数进行信息信号的自适应识别达到干扰抑制的目的,具有复杂度低、鲁棒性好的特点。理论分析得到采用TISI后的扰信比(ISR)抑制量、信噪比(SNR)损失量和误码率(BER)的数学表达式。仿真结果表明：在相同干扰信号的情况下,与两种传统算法相比较,本算法的扰信比抑制量分别提高了43.8%和20.8%,信噪比损失量分别降低了62.5%和34.8%。     

基于小波域维纳滤波的图像复原算法优化

作为图像复原中一个非常重要的环节,图像去噪是为了取得一个视觉上的高质量图像.通常对小波域维纳滤波的研究都是在图像为零均值的情况下研究,但在现实情况中图像一般不为零均值,于是该文考虑了图像不是零均值的情况,并对局部期望的均方误差参数进行改进,形成参数LSI.通过比较原参数和LSI,根据它们中较小的数进行阈值化处理,选择小波系数,最后进行图像去噪.仿真结果表明,改进后的滤波器对于图像有一个更高的峰值信噪比,有效地改善了小波域维纳滤波算法的性能.     

基于BP神经网络的虹膜图像质量分类方法

摘要：针对虹膜图像采集过程中受光照条件不足、眼镜反光和眼皮遮挡等因素的影响而造成的图像质量不理想的问题,本文提出了一种基于BP神经网络的虹膜图像质量的分类方法。利用小波变换对每一幅虹膜图像进行特征提取,进而将提取的归一化虹膜图像数据作为BP神经网络的输入,以此对BP神经网络进行训练,实现了将3种被不同的影响因素影响的虹膜图像与未被影响图像进行区分的目的。仿真结果表明,该方法具有较高的虹膜分类精度以及较低的误差率。     

采用BP-GA算法的一种LSI神经网络的电路设计

将误差反传 (BP)算法和遗传算法 (GA)有机地结合在一起 ,提出了一种新的算法 BP- GA。采用 BP- GA算法 ,设计了一个两层前向 L SI神经网络。作为神经网络的关键部件 ,提出的新型神经元性能优越。它的激活函数与理想sigmoid函数拟合很好 ;可实现对阈值及增益因子的编程并且不同增益因子下饱和输出电压值相同。采用标准 1.2 μmCMOS工艺的模型参数 ,对该两层前向神经网络电路进行的HSPICE模拟证明了它有解决异或 (XOR)问题的能力     

河道水量还原计算中的遗传BP人工神经网络方法

将遗传算法GA及人工神经网络BP算法结合起来运用于河道水量的还原计算.结果表明:基于GA BP的河道水量还原优化算法能够克服BP算法自身不可优化的弊病,较好地改善网络全局寻优能力,提高网络速度,防止网络陷入局部最小值.同时该算法较确切地反映出河道水量还原计算中河道水量形成非线性这一本质现象,提高了河道水量还原计算结果的精度.     

基于小波域MRF模型的SAR图像分割

针对存在严重斑点噪声的合成孔径雷达(SAR)图像的分割问题,提出了一种基于小波域马尔科夫随机场(MRF)模型的算法.该算法综合利用了隐含马尔科夫树的相关邻域信息和图像的多分辨率描述的信息,将期望最大化用于先验概率分布参数的估计,采用最大后验准则来进行图像的分割.通过对SAR图像的分割实验表明,该算法可有效去除斑点噪声的影响,并能在准确分割目标的同时保留目标的细节信息.     

基于PCNN的小波域超声医学图像去噪方法

在分析小波去噪和脉冲耦合神经网络(pulse coupled neural networks,简称为PCNN)去噪优缺点的基础上,提出一种基于PCNN的小波域超声医学图像去噪方法(a method of medical ultrasonicimage de-noising based on PCNN in the Wavelet Domain,简称为PCNN-WD).该方法先对小波系数进行相应的预处理,然后应用PCNN在小波域中修改小波系数,以达到去噪的目的,并且该方法能够自动地设定阈值和修改小波系数的步长.实验结果表明,该方法可以有效地去除斑点噪声,并很好地保留图像细节和图像边缘.     

辅助式小波神经网络的调制识别技术

将小波特征提取和反向传播神经网络理论相结合，设计一种辅助式小波神经网络结构，根据接收到的调制信号进行抽样后，将所提出的辅助式小波神经网络用于几种调制信号的识别，实验结果表明，辅助式小波神经网络的鲁棒性能好，对调制识别技术的正确识别率高．     

基于小波包BP网络的超声检测缺陷类型识别

针对A型反射超声波检测仪难以准确识别缺陷类型的问题,探讨了基于小波包和BP神经网络相结合的超声检测缺陷类型识别方法。对检测的多组超声缺陷信号分别进行3层小波包分解,提取小波包频谱能量特征,归一化后构造了各缺陷信号的特征向量,并分别组成训练样本集和测试样本集,用于3层BP神经网络的训练和网络识别效果检验。实验结果表明该方法能准确快速地识别出超声检测缺陷类型。     

分数阶小波时频域的图像去噪新方法

为了提高图像的质量以及满足后续图像处理的需求,提出了一种基于分数阶小波时频域的图像去噪新方法。该方法通过二维分数阶小波变换将图像映射到分数阶小波时频域内,在时频域内实现图像的去噪处理,最后通过分数阶小波逆变换实现图像的重构。图像去噪实验结果表明:采用该方法去噪后的图像输出峰值信噪比明显提高,在抑制噪声的同时可以有效保持图像细节。