基于BP神经网络的彩色图像边缘检测方法研究

本文主要研究了基于动量梯度下降算法的BP神经网络在彩色图像边缘检测中的应用,减少了样本训练的迭代次数,缩短了样本训练时间。同时开发了相应图形用户界面（GUI）,实现了将本文的算法与传统边缘检测算法的检测效果对比,显示不同算法的图像边缘检测效果,以及保存处理完成的图片等功能。     

基于改进BP神经网络图像边缘检测的研究

针对传统的边缘检测算法容易产生边缘断裂、不连续等缺点,文中将动量法与自适应学习速率结合起来对传统的BP神经网络进行了改进,并利用该方法对二值图像进行了边缘检测,然后使用神经网络的并行处理模式对灰度图像的8个位面分别进行了检测,最后将提取的结果综合成灰度图像的边缘,实验结果表明,该方法对二值图像和灰度图像的边缘检测较传统的检测方法具有更好的效果.     

一种基于神经网络图像边缘检测的方法

本文提出一种采用组合神经网络对图像边缘检测的方法,该组合神经网络由自组织竞争型神经网络和BP神经网络所组成,结合遗传算法,通过学习与训练,可实现对图像的边缘检测。     

基于BP神经网络锅炉压力预测方法研究

锅炉压力控制是热源厂系统控制的重要组成部分。本文结合BP神经网络的特点,对锅炉的压力进行控制,提高了系统的性能,节约了能源。本文还借助于数据库里存储的数据,再依据MATLAB仿真软件对系统进行了模拟仿真。通过仿真得到的有效数据使系统控制更加精确。     

基于神经网络的图像弱边缘检测方法研究

主要立足于图像点处理与神经网络相结合的思想,提出了一种基于边缘点特征的BP神经网络图像边缘检测方法.利用提取出的图像边缘特征向量作为训练样本来训练BP神经网络,进一步完成图像边缘的检测.最后,通过实验与传统的边缘检测方法进行了对比,结果证明该方法检测的边缘轮廓清晰,检测速度较快,特别对含有弱边缘的图像能够更好避免漏检和...     

基于BP神经网络的加速度计温度补偿方法研究

本文章基于CS-3LAS-03加速度计,提出了利用BP神经网络来进行加速度计温度补偿,并在MATLAB环境下建立了基于BP神经网络的温度补偿模型,首先介绍了加速度和温度的采集系统的设计,然后对采集到的加速度值进行温度补偿,经过对实验数据的融合处理表明,该方法可极大的减小温度漂移,具有广泛的应用前景。     

基于BP神经网络的引线键合模型

提出了一种基于BP神经网络的新建模方法.利用MATLAB神经网络函数建立网络,通过组合不同参数,将50组训练样本输入网络多次训练,比较结果误差及训练步数、时间,确定了最佳网络结构及参数设置值,建立了引线键合模型.采用训练样本外的10组实验数据对模型进行验证,分析多种误差.验证结果表明,该方法对建立引线键合模型是有效的、可行的,有着较高的精确度.     

一种新的基于信息测度和神经网络的边缘检测方法

本文构造了不同的信息测度来定量描述阶跃边缘的三个本质特征,并给出由相应的三个分量组成的特征向量.用人工得到的样本对一BP神经网络进行训练,将训练后的神经网络直接用于图像的边缘检测.本文方法无需定阈值;在特征的选取上充分考虑了边缘和噪声的本质区别,具有优异的抗噪性能.实验证明本文方法具有令人满意的效果.     

基于边缘保持滤波的Canny彩色图像边缘检测方法

提出了基于边缘保持滤波的Canny彩色图像边缘检测方法。该方法利用了HSV颜色空间信道相关性低的优点,结合Canny算子定位准确的优点和边缘保持滤波理论,用边缘保持滤波取代传统的高斯滤波,用梯度矢量计算法替代传统的梯度标量计算法,从而增强了在平滑过程中对图像边缘的保持,最大程度保留了色彩的差异信息,实现了彩色图像边缘的自适应提取。实验结果证明,该方法将灰度空间的Canny算法推广到彩色矢量空间,充分利用了彩色信息,对彩色图像边缘提取具有较好的检测精度和准确度。     

基于CP神经网络的边缘检测

边缘检测是图像分析识别必不可少的环节，是一种重要的图像预处理技术。虽然传统的算子算法对边缘的检测速度快，但其得到的往往是断续的，不完整的边缘信息，且这类检测方法对噪声比较敏感，在检测噪声污染图像时会得到许多虚假的边缘。利用CP神经网络对灰度图像的边缘进行检测，但考虑到神经网络训练量过大的问题，先利用传统算子对图像进行边缘处理，将处理后的图像做为神经网络的输入。实验结果表明，该方法得到的边缘图像边界封闭性好，具有较好的抗噪特点。     

基于BP神经网络算法的入侵检测技术

在入侵检测中应用神经网络技术,可以大大提高入侵检测的检测率,有效提高网络数据的安全。本文分析了BP神经网络应用于入侵检测的实现方式及存在的问题,并对现有的BP神经网络算法进行改进,阐述了基于BP神经网络入侵检测系统及仿真实验。     

基于BP神经网络的介质圆柱体逆散射方法研究

将人工智能技术应用于介质圆柱体电磁逆散射问题研究,通过BP神经网络将原逆散射问题转化为一个回归估计问题,重构了目标的几何与电磁参数。在TM波的照射下,设置多个目标散射场的观测点,以散射场的幅值作为BP网络的输入,相应的几何与电磁参数作为输出,经过适当的训练,建立了介质圆柱体逆散射模型,并以此模型重构了已知探测范围内的介质圆柱体的半径、相对介电常数及电导率。比较结果显示了该方法的有效性和准确性,为目标的实时逆散射研究提供了一种有效方法。     

基于拟牛顿算法优化神经网络的入侵检测研究

当前的入侵检测技术主要有基于规则的误用检测和基于统计的异常检测.提出了一种基于拟牛顿算法优化神经网络的入侵检测方法,与传统算法相比,该方法具有收敛快,检测率高等优点.     

Transmission line detection in aerial images: An instance segmentation approach based on multitask neural networks

Camera-based transmission line detection (TLD) is a fundamental and crucial task for automatically patrolling powerlines by aircraft. Motivated by instance segmentation, a TLD algorithm is proposed in this paper with a novel deep neural network, i.e., CableNet. The network structure is designed based on fully convolutional networks (FCNs) with two major improvements, considering the specific appearance characteristics of transmission lines. First, overlaying dilated convolutional layers and spatial convolutional layers are configured to better represent continuous long and thin cable shapes. Second, two branches of outputs are arranged to generate multidimensional feature maps for instance segmentation. Thus, cable pixels can be detected and assigned cable IDs simultaneously. Multiple experiments are conducted on aerial images, and the results show that the proposed algorithm obtains reliable detection performance and is superior to traditional TLD methods. Meanwhile, segmented pixels can be accurately identified as cable instances, contributing to line fitting for further applications.     

基才BP神经网络的数字式涡流传感器特性曲线拟合的实现

为了正确反映数字式涡流传感器的实际特性,首先介绍了数字式涡流传感器的工作原理,然后从实测数据出发．提出了应用BP神经网络拟合其特性曲线的方法,运用MATLAB语言编程建立BP神经网络并进行训练和仿真,与现有最小二乘法进行对比。仿真结果表明,基于BP算法所得拟合曲线误差很小、收敛速度快且具有更高的拟合精度．比最小二乘法更具有实际意义。     

基于MATLAB神经网络工具箱的BP网络设计

本文介绍了MATLAB神经网络工具箱及其常用的工具箱函数;在说明BP网络的模型结构和算法的基础上,讨论了BP网络的训练过程及其设计原则,并用一个典型的两层结构的神经网络实现了具有函数逼近功能的BP网络设计.     

低信噪比红外图像的快速统计法边缘提取

现代成像制导中所使用的红外图像往往存在着噪声大、目标一背景间灰度差较小、边缘较模糊的特点。这些特点会增加边缘提取的难度，因此必须建立更有效的红外图像边缘提取算法以满足需要。针对这些问题，以噪声Gauss分布模型和噪声特征为基础，建立了新型统计学意义下的红外图像边缘检测法。通过对此方法的概率模型进行分析，可以证明在有较大噪声的情况下，只要边缘处的差分值大于一定的值。就能以较大的概率提取出图像边缘。通过在不同情况下与梯度法的抑噪能力进行对比和分析发现，统计边缘提取法的噪声抑制能力要高于梯度法。在与Sobel模板算子法的红外图像边缘检测结果进行仿真和对比后发现，统计法能对红外图像的目标边缘检测取得良好的结果，并且算法具有快速简单的优点。     

一种基于BP网络的雷达信号模糊模式识别方法

研究一种采用BP神经网络获取模糊隶属度,结合判决原则进行判决的雷达信号模糊模式识别方法,包括神经网络的结构设计、推理和学习算法设计、编程算法设计、实验结果分析等,并通过实例分析说明该方法的有效性。     

基于多模态遥感影像的边缘感知引导显著性检测

针对多模态遥感影像显著性检测鲁棒性差和检测精确度不佳等问题,提出一种基于多模态边缘感知引导的显著性检测方法,该方法主要由多模态遥感影像显著检测主干网络、跨模态特征共享模块和边缘感知引导网络构成。通过在特征提取主干网络中加入跨模态特征共享模块,使得不同模态间特征通过共享交互实现协同增强,并且抑制具有缺陷的特征信息。基于边缘感知引导网络,通过边缘图监督模块来检测边缘特征的有效性,从而生成准确边界。在3种显著目标检测遥感图像数据集上进行实验,平均的F_β、平均绝对误差(MAE)、S_m分数分别为0.917 6,0.009 5和0.919 9。实验结果表明,提出的多模态边缘感知引导网络(MEGNet)适用于在多模态场景中进行显著性检测。