一种PCNN和边缘检测协同的SAR图像分割算法

针对高分辨率SAR(synthetic aperture radar)图像目标复杂,且具有严重的相干斑噪声,灰度出现剧烈起伏导致目标边缘模糊难以实现精准分割的问题,提出了一种分数阶傅里叶变换(fractional Fourier transform,Fr FT)域中里兹分数导数(Riesz fractional derivative,RFD)边缘检测和脉冲耦合神经网络(pulse coupled neural network,PCNN)协同的高分辨率SAR图像分割算法。该算法首先将原始图像经过边缘检测处理以保留较好的边缘信息,再由PCNN模型进行图像分割,最后通过形态学进一步去除相干斑点。将所提算法应用到不同区域的高分辨SAR图像分割中,实验结果表明该方法能够有效抑制相干斑噪声和灰度边界模糊的影响,获得精准的分割效果。     

多结构元形态学和PCNN的图像凹点检测

脉冲耦合神经网络(PCNN)模拟人眼视觉机制进行凹点检测时,受背景和噪声影响较大,不易检测出有效凹点.提出一种基于多结构元形态学和PCNN改进模型的凹点检测方法.首先利用多结构元形态学边缘检测器抑制背景和噪声影响,保持图像的层次性和主要细节,然后通过PCNN改进模型进行凹点检测,最后选择适当的阈值调整凹点数目.实验结果...     

基于主导拮抗抑制的多尺度边缘检测

图像边缘检测算子的抑噪能力和定位精度是一对矛盾,从视觉神经生理学角度出发,提出一种基于主导拮抗抑制的多尺度边缘检测模型。该模型将主导拮抗抑制机制拓展到多尺度处理,通过引入侧膝体拮抗通道的强抑制机制达到自适应抑噪的效果,获得的对比度信息经过简单细胞子域的非线性整合得到锐化的边缘输出,最后将多个尺度的处理结果进行融合,获得最终的边界轮廓。理论和实验证明通过主导拮抗抑制机制和多尺度处理的结合,获得抑噪能力强、定位精度高的边缘检测模型,该模型具有生理学基础,结构简单,计算效率高。     

一种融入运动特性的显著性特征提取方法

针对复杂背景下图像序列中运动目标的跟踪前检测问题,提出一种融入运动特性的显著性特征提取方法,该方法综合目标的灰度、细节和运动等形成稳健的显著性特征,并得到一组显著性特征提取图.在这组图像中,具有这种多特征的区域得到加强,其他区域受到抑制,从而能够轻松地检测出可引起人类视觉注意的运动目标.由于该算法中的显著性特征来源于目标的多种底层特性,因此该算法具有很强的稳健性.实验证明,这种方法具有较强的稳定性和实用性,抗干扰能力强.从视觉效果的角度出发,能够较大地提高运动目标在复杂背景中的信杂比.     

面元法的红外制导图像边缘检测

红外图像通常存在着噪声大、目标和背景之间具有较小的灰度差、边缘较模糊的特点,使现有的方法不能有效地提取红外图像的边缘。而图像的表面积特征能较好地针对红外图像的这些特征提取出边缘,因此利用图像的表面积特征提出了一种实用的面元边缘检测法。在对图像灰度值变化情况进行分析的基础上,使用了一种十字面积计算公式以满足边缘检测的需要。通过噪声误差对面元法和梯度法计算结果的影响分别进行分析,发现面元法比梯度法的噪声抑制能力至少高两倍,而且在边缘处的噪声抑制能力更高。将面元法几种常用模板算子法的红外图像边缘检测结果进行实际对比后发现,所提出的面元法对红外图像的目标边缘检测能取得良好的结果。     

基于高阶曲面拟合的边缘检测算法研究

图像的边缘检测是图像分析领域十分重要的基础,在工程应用中占有很重要的地位.提出了一种基于高阶曲面拟合的边缘检测算法.算法首先利用自适应滤波对图像进行了去噪处理,接着通过曲面拟合获取图像的梯度信息,最后用统计方法进行了阈值选取.实验证明该算法得到的边缘图像相对简单,边缘点较少,有利于识别,同时该检测算法也为后续的图像分析、图像理解打下了良好的基础.     

基于蚁群算法的图像边缘检测研究

将蚁群算法应用于图像分割领域,提出了一种新的基于蚁群算法的图像边缘检测方法。详细阐述了蚁群算法与该方法的基本原理和具体实现过程。为了提高算法效率,进行两处改进,第一将蚂蚁初始位置由随机放置修改为放置在图像边缘附近,可取一图像灰度梯度阈值来实现,第二将信息激素强度和启发式引导函数值均定义为像素点灰度梯度值的函数。大量实验结果证明了该算法能有效地检测出图像边缘,而且具有适应性强、效率高等特点。     

基于改进Hough变换的红外图像直线检测

红外图像像素分辨率低、对比度差等特点使得红外图像的直线检测较为困难.Hough变换具有较强的抗干扰性和鲁棒性,是计算机视觉领域中非常有效的直线检测方法.本文提出一种基于改进Hough变换的红外图像直线检测方法,经过实验验证,在红外图像像素分辨率低、边缘模糊等情况下,该方法能够很好地检测出边缘直线,同时确定边缘直线的端点...     

红外空中小目标小波域检测方法

针对空中远距离红外小目标检测的实际问题,提出了一种基于小波变换的检测算法.该方法首先对小目标图像进行小波分解并在考虑高频系数能量的基础上对噪声和背景边缘系数进行抑制,然后将遗留下来的高频系数通过线性映射变换成灰度图像.其次对3个方向的高频图像按照一维最大熵法进行二值化处理并通过形态开算子进一步滤除噪声,随后将高频图像两两相与关联生成单帧检测结果,并进一步利用帧间目标位置的相关性完成小目标检测过程.最后,在原图像中以检测结果图像的质心为中心生成跟踪窗口.试验结果表明,相对于通常的小目标检测算法,提出的算法在背景抑制、检测准确度以及速度方面都具有一定的优势.     

基于不变矩和神经网络的目标识别方法

针对寻的导引头成像制导中实时采集图像由于存在几何失真及像质模糊而导致目标识别精度差的问题,提出了一种基于不变矩和神经网络的目标识别方法.该方法采用一种改进的不变矩算法提取目标图像的不变矩特征量来训练BP神经网络,实现目标图像的识别和分类.仿真结果表明该不变矩特征库训练的神经网络分类器具有较高的识别精度,是一种比较实用的目标识别方法.     

BP神经网络和D-S证据理论的目标识别

目标识别是指挥自动化系统的一个重要组成部分,针对现代战争对抗手段不断增强的特点,运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法.前端采用3层BP神经网络结构,以传感器接收数据为输入,以神经网络输出作为证据,后端对不同传感器的证据按D-S理论进行融合,得到待识别目标的识别概率.经由MATLAB编程对国内外几种主要机型的识别进行仿真研究,与现行目标识别方法相比较,能够更快速、准确、可靠地识别飞机目标,较好地满足了空战中作战指挥系统对飞机机型识别的需求.     

基于粗糙集理论的武器系统效能评定

简述了各种武器效能评定方法。建立武器参数效能模型,首先要挑选特征参数,这里采用知识约简方法选择武器的特征参数。利用神经网络理论建立了参数效能模型,武器系统的效能与武器特征参数的关系可通过神经网络的阈值和权值得到体现。通过实例对神经网络法与指数法所得的结果进行了比较,结果表明神经网络法比指数法精确。     

基于特征融合的刀具磨损监测方法

提出了一种基于特征融合的刀具磨损监测方法,将该方法应用于铣刀磨损监测取得了较好的效果,文中论述了特征融合方法的基本思想,多传感器信号的特征关联、抽取及正规化处理,作为融合中心的神经网络的构造及训练等内容。实验分析表明,该方法实现刀具磨损监测是行之有效的。     

神经网络的原理及应用

人工神经网络是在现代神经科学研究成果的基础上提出的,反映了人脑功能的基本特征。但它只是人脑功能的某种抽象、模拟和简化。研究这一技术的目的在于,探索人脑加工、储存和搜索信息的机制,并将其原理应用于人工智能的可能性。本文介绍了一些神经网络模型及应用。     

关联网络中的级联失效模型与分析

网络之间的关联依赖关系能使某一网络内的级联失效扩散至其他网络,其本质是位于不同网络的关联节点之间基于功能依赖的相关失效.以两个关联的网络为对象,建立关联网络模型,提出了一种关联网络的级联失效模型.模型将关联网络中的级联失效分解为网络内级联失效和网络间级联失效,并采用了基于度的级联规模评价方法.利用模型研究了两个关联无标...     

The effect of training data set size and the complexity of the separation function on neural network classification capability: The two-group case

Classification among groups is a crucial problem in managerial decision making. Classification techniques are used in: identifying stressed firms, classifying among consumer types, and rating of firms' bonds, etc. Neural networks are recognized as important and emerging methodologies in the area of classification. In this paper, we study the effect of training sample size and the neural network topology on the classification capability of neural networks. We also compare neural network capabilities with those of commonly used statistical methodologies. Experiments were designed and carried out on two-group classification problems to find answers to these questions. The prediction capability of the neural network models are better than traditional statistical models. The learning capability of the neural networks is improving compared to traditional models because the discriminate function is more complex. For real world classification problems, the usage of neural networks is highly recommended, for two reasons: learning capability and flexibility. Learning capability: Neural network classifies better in sterile experiments as performed in this research. Flexibility: Real life data are rarely not contaminated with noise, such as unknown distributions, and missing variables, etc. Neural networks differ from a statistical model that it is not dependent on any assumption concerning the data set distribution. © 1997 John Wiley & Sons, Inc. Naval Research Logistics 44: 699–717, 1997     

基于BP神经网络的舰炮武器系统综合保障性能评价

通过对舰炮武器系统的分析,建立舰炮武器系统综合保障性能评价的指标体系。把神经网络的相关知识应用到舰炮武器系统综合保障性能评价中,得到了相应的BP神经网络评价模型。通过一些舰炮武器系统的实例计算,验证了模型的正确性,为舰炮武器系统的研制和改进提供了一定的参考依据。     

超视距协同空战协同表现评价模型

针对超视距协同空战中的协同网络表现评价问题,在分析影响超视距空战协同效果因素的基础上,提出协同满意度概念,构建协同满意度评价指标体系。研究了基于二元语义模型的协同满意度评价方法,最后实例验证了评价模型和评价方法的可行性,为有效进行超视距协同空战的训练和管理提供了依据。     

基于神经网络集成的传感器故障诊断研究

针对诊断传感器偏置故障及漂移故障的难点问题,提出了一种基于神经网络集成的传感器故障诊断方法。该方法将传感器输出看做时间序列,通过加噪声生成抖动数据,建立多组神经网络,以获得神经网络集成预测器输出。通过将预测器输出与传感器实际输出相比较获取残差序列,获得基于残差序列的传感器偏置故障和漂移故障的辨识策略,实现传感器故障在线诊断。应用结果表明该方法可以提高神经网络的运算精度,从而快速准确地检测和分离传感器故障,辨识传感器故障类型以及故障发生的时间。     

基于高阶累积量与神经网络的干扰识别算法

研究了一种基于高阶累积量和神经网络的干扰识别算法。该方法把卫星通信中常见的各种干扰信号的归一化高阶累积量作为分类特征参数,应用神经网络对特征参数进行分类训练,将接收干扰信号的归一化高阶累积量输入已训练的神经网络进行干扰类型的识别。试验结果表明:该算法在低干信比的情况下具有较高的识别准确率。