改进的SUSAN图像边缘检测算法

SUSAN图像边缘检测算法具有抗噪声能力较强、准确等优点，但仍有不足之处．提出了一种自适应选取阈值的方法，并对SUSAN边缘检测算法进行了改进．在此基础上，提取出图像特征来进行目标识别、精密测量等图像描述和分析处理能获得较好的效果．     

基于红外图像差值图的模糊边缘检测方法

针对红外图像边缘检测这一难题,提出了一种基于红外图像差值图的模糊边缘检测方法。首先通过计算图中每个像素点与其邻域8像素点灰度值的差值,然后寻找这些差值的最大值得到图像的差值图,接着对差值图像的边缘区域和平滑区域进行模糊划分,利用差值直方图模型确定红外图像差值图的分割阈值,从而实现边缘提取。实验结果表明,该方法用于红外图像边缘检测能获得较好的效果。     

百分位形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于图像形态学的红外图像边缘检测方法。采用并行复合顺序形态滤波算法对图像边缘进行增强和锐化并抑制高频噪声;根据百分位形态滤波相关概念及性质构造的边缘检测算子,进一步滤除红外图像中的噪声,提取图像边缘。实验结果表明,本文提出的算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器。     

小波变换在目标图像多尺度边缘检测中的应用

介绍了小波变换及其应用于图像边缘多尺度检测的原理，并给出了构造小波函数的方法和相对应的滤波器系数。用一幅图像进行的仿真实验表明，基于小波变换进行图像的多尺度边缘检测相对于传统的Ｒｏｂｅｒｔｓ算子、Ｓｏｂｅｌ算子和Ｌａｐｌａｃｉａｎ算子检测图像边缘是一种较好的方法，而且对随机噪声也有较强的鲁棒性。为此进一步提出从多个目标中快速跟踪和识别指定目标的思想。     

应用B样条函数改进LOG算子的边缘检测能力

在分析LOG算子边缘检测理论的基础上,比较了高斯滤波和样条滤波的优劣,提出了用样条滤波代替高斯滤波,提高信噪比,改善边缘检测效果。仿真试验结果验证了该方法的有效性。     

SAR图像边缘的模糊检测方法

针对合成孔径雷达(SAR)图像的边缘提取问题,提出采用模糊集理论实现SAR图像的边缘检测。设计了一种模糊边缘检测器,该检测器首先计算图像中每一个像素点的边缘隶属度,然后对该隶属度进行非线性变换以增强原始图像的对比度,最后对增强后图像进行阈值化处理得到原始图像的边缘。将模糊边缘检测器与经典的极大似然边缘检测器进行SAR实测数据的仿真试验对比,结果证明了模糊边缘检测器的有效性和优越性。     

基于相位一致性的SAR图像边缘检测

由于相位一致性具有光照条件变化和对比度变化的鲁棒性,能够为大多数图像确定1个通用的阈值,且其检测特征的原理与人类视觉系统对图像特征的认知一致,因此本文采用一致性对SAR边缘进行检测。通过将原图像与二维滤波器卷积求取图像相位的一致性,其中使相位一致性达到最大的点即为图像的边界点。试验结果表明:相较传统的基于梯度的检测算子,相位一致性能获得更加丰富和精确的SAR图像边缘信息。一致性图像边缘较为扩散,存在较多的伪边缘,后续采用了非极大值抑制和自适应双阈值法细化边缘和去除伪边缘。     

精密零件边缘检测

针对边缘检测中检测精度与抗噪性能之间的矛盾,在分析边缘检测方法的基础上,提出了采用优化Gabor滤波算法降低图像噪声和采用多尺度小波检测理论提取图像边缘相结合的方法,实现了零件的在线高效精确检测。试验结果表明,该方法不仅可有效抑制噪声,而且能得到高精度的零件边缘形状。     

基于集合映射的彩色图像边缘检测

采用支持向量机建立彩色图像RGB三维分量与一维实数之间的映射函数关系,并通过这种映射函数关系把彩色图像的RGB分量矩阵映射为一维实数矩阵,然后利用彩色图像的颜色变化实现图像边缘检测,并与canny函数图像边缘检测的结果进行了比较。     

B样条小波边缘检测改进算法

提出了一种改进的B样条小波边缘检测算法,并在抑制噪声干扰和锐化图像弱边缘的基础上,采用自适应平滑滤波和B样条小波多尺度阈值方法进行了边缘检测．实验结果表明,改进的B样条小波边缘检测算法在除噪和提取弱边缘上可获得更好的效果．     

模块化免疫神经网络模型在计算机病毒分类检测中的应用

结合神经网络优化、聚类的特点、免疫网络识别自己、非己和抗体处理抗原的机理以及遗传算法中适者生存和优胜劣汰的原理,探讨一种基于神经网络方法下的新的计算机病毒分类检测模型,该模型能动态实现系统处理信号的分类,而且对每类信号也给出了综合有效的处理方法,其利用神经网络和免疫网络相互作用的规律,最终形成一个动态的、自适应的、分布式的模型。该模型可有效地解决病毒分类检测问题,有较大潜力和发展空间。     

人工神经网络在维修性预计中的应用

维修性预计运用BP神经网络,并以Matlab BP工具箱函数建立产品的维修性预计模型.其建模步骤包括:确定训练样本、建立网络并对其进行初始化、对网络进行训练及对产品维修性参数预计.并对某火炮中主要机构进行维修性分析和仿真,通过对训练样本规范化处理,再应用相应数据预计网络模型,最后检验网络训练效果.     

双边沿触发计数器的设计和应用

双边沿触发计数器由偶数、奇数加法计数器及数据选择器组成.两个加法计数器在时钟信号作用下并行工作,交替处于计数和保持状态.数据选择器则将两个计数器中处于保持状态的奇偶数据交替输出,实现双边沿触发加法计数器的功能.该触发计数器采用Verilog语言设计和软件仿真,可用于计数、定时和分频三种情况.     

神经网络技术在初始对准中的应用

文中在神经网络的基础上，给出了扩展Kalman的神经网络的模型；讨论了该模型的的算法；对惯导系统非线性误差模型进行了离散化；基于扩展Kalman滤波的神经网络用在惯性导航初始对准中，不仅滤波的精度高．而且保证了滤波的实时性，最后的仿真说明了本方法的有效性。     

改进型LM-RBF 神经网络在自抗扰控制器上的应用

为解决自抗扰控制器(active disturbance rejection control,ADRC)中参数较多且难以整定的问题,提出一 种基于LM 算法且网络结构可在线优化的径向基函数(radial basis function,RBF)神经网络。利用滑动窗口的思想将 在线输入的样本放入一个长度固定的队列,将LM-RBF 网络应用于ADRC,在线整定控制器参数,并以永磁同步电 机为对象在Matlab 里进行仿真分析。结果表明：与基于RBF 的常规自抗扰控制器相比,改进后LM-RBF 使控制器 有更快的响应速度及更优的抗干扰能力,能有效提高被控系统的稳定性,满足非线性时变系统对自抗扰控制器的性 能要求。     

基于卷积神经网络的人脸检测综述

为更好地了解和研究基于卷积神经网络(ccnvolutional neural networks,CNN)的人脸检测,从低图像质量人脸检测和人脸检测系统的性能优化2方面,分析人脸检测所面临的困难并给出其解决方案,总结2015年以来基于卷积神经网络的人脸检测技术的发展进程和方向,对人脸检测任务中的遮挡、尺度、小面部集群、速度、精度以及多任务RPN(multi-task region proposal network)人脸检测等方面进行总结陈述,对未来基于卷积神经网络人脸检测的发展趋势进行预测.     

模糊理论及神经网络在目标识别中的应用

讨论了对地空导弹将要拦截的目标进行识别的方法．在综合多个因素的基础上利用模糊理论与神经网络的有关知识，给出了几种目标识别的方法，以便于为防空作战决策提供科学依据．     

混沌细胞神经网络的自适应同步及其在保密通信中的应用

针对具有时变时滞和扰动的混沌细胞神经网络的同步问题,提出一种自适应同步方法。利用Lyapunov稳定性理论、Barbalat引理和自适应控制方法,给出易于实现的自适应同步控制律,实现了误差系统的全局渐近稳定。所得自适应同步控制律具有一定的鲁棒性。最后利用混沌掩盖技术将研究结果应用到保密通信中。数值仿真结果表明,该方法所设计的自适应控制律具有良好的控制效果。     

基于神经网络CA/OS-CFAR检测方法

在杂波边缘和多目标的复杂环境下,建立性能稳定的自适应检测技术是提高恒虚警率处理能力的关键.针对单元平均恒虚警检测(cell averaging-constant false alarm rate)和有序统计量恒虚警检测(ordered statistic-constant false alarm rate)的优缺点,提出一种基于神经网络的检测方法(cell averaging/ordered statistic-constant false alarm rate).利用神经网络进行最优检测方法判断,根据选定的检测方法计算出检测阈值.通过训练计算初始阈值,采用神经网络分类并识别输入的类型.将该阈值与CA-CFAR和OS-CFAR计算结果相比较,并选用均匀杂波、多目标和杂波边缘环境的仿真案例进行测试.实验结果表明:该方法可在均值和非均匀的杂波背景中,能有效地进行最优检测方法判断.     

神经网络在火炮效能评估中的应用

神经网络评估火炮效能,依据哥氏法把毁伤条件概率近似表示成常量与正态分布密度的乘积,以射击中间误差、瞄准点与目标中心偏差求解发射N发的毁伤率.以单炮对矩形目标的毁伤率为例,将各参量变化范围内均匀产生的数据作网络输入,得到毁伤率作输出,选取Matlab对网络进行训练,求解毁伤概率,实现射击效能评定.