基于梯度优化法的连续波近红外光断层成像研究

研究了两种基于梯度的优化算法用于连续波近红外光断层成像的情况．分析了现有优化算法存在的收敛速度慢,空间分辨率低等缺点的产生原因．为减少计算量并提高重构精度,采用了一种空间位置加权的基于梯度的优化算法．仿真结果显示空间位置加权的优化算法可有效地用于连续波近红外光断层成像．     

基于双域神经网络的稀疏视角光声图像重建

光声计算断层成像(PACT)是近年来迅速发展的一种无损生物医学成像技术,在生物医学领域有着较高的应用价值。为了获得高质量的光声图像,成像系统的信号采集装置需要配备高密度的阵列探测器。但在实际应用中,由于经济成本、制造工艺及成像时间等因素的限制,探测器的排布往往较为稀疏,难以实现稳定重建,导致重建图像中出现条纹伪影。为了解决这一问题,本文提出一种基于双域神经网络的PACT图像重建算法。该算法主要包含三个模块：数据域网络、反投影层和图像域网络,其中数据域网络和图像域网络可分别对光声数据和光声图像进行增强,以提升图像质量。为了对网络进行训练和测试,构建了一个血管仿真数据集和一个小鼠活体试验数据集。研究结果表明,所提算法可以有效地抑制条纹伪影,提升图像质量,并且重建性能优于其他重建算法。     

基于深度学习理论的光学分子成像图像重建方法

光学分子成像图像重建是当前的研究重点,由于传统光学分子成像图像重建方法存在重建误差,效果不理想等缺陷,为了获得理想的光学分子成像图像重建效果,提出了基于深度学习理论的光学分子成像图像重建方法.首先分析光学分子成像图像重建工作原理,找到导致光学分子成像图像重建质量差的因素,然后采集光学分子成像图像,选择卷积神经网络算法进...     

基于卷积神经网络的定量磁化率图像重建

文中提出了解决定量磁化率成像中偶极子反卷积的病态逆问题和快速重建高质量无伪影的定量磁化率图像的算法。基于k空间阈值法(TKD)初步重建三维定量磁化率图像(QSM),随后将TKD重建图像输入训练完成的三维卷积神经网络(CNN)模型中获得预测图像。在k空间中将TKD重建图像与CNN预测图像进行融合重建最终QSM图像。结果表明:与金标准相比,算法能够重建视觉上误差较小和无条形伪影的磁化率图像;卷积神经网络可以恢复病态区域的信号,k空间融合方法有效解决了偶极子反卷积的病态性。测试集上的重建结果在标准均方根误差(NRMSE)和高频误差范数(HFEN)重建误差上均低于主流算法。     

基于深度卷积神经网络的激光三维图像重建方法

针对当前的激光三维图像重建方法存在的精度低、效果差,耗时长等难题,为了提高激光三维图像重建效果,提出基于深度卷积神经网络的激光三维图像重建方法。首先采集待重建激光三维图像,采用去噪算法对激光三维图像进行去噪操作,并对去噪处理后的激光三维图像进行增强操作,改善激光三维图像视觉效果,然后采用深度卷积神经网络对激光三维图像进行激光三维图像重建,最后进行了多幅激光三维图像重建仿真测试,结果表明,深度卷积神经网络的激光三维图像重建精度超过93%,重建后激光三维图像质量得到提升,激光三维图像重建时间控制在40 ms以内,可以快速实现激光三维图像重建结果,同时重建后的激光三维图像整体效果要明显优于当前经典重建方法,具有更加广泛的应用前景。     

基于深度学习的红外图像超分辨率重建方法

为了提高红外图像的超分辨率重建效果,提出基于深度学习的红外图像超分辨率重建方法。利用红外图像的反射特性与红外辐射特性建立红外图像的显著性区域检测模型;通过可见光与近红外图像之间样貌差异度水平检测图像的边缘轮廓特征,提取可见光与近红外光融合性特征参数;根据融合层次不同对图像信号级、像素级、特征级、决策级四个维度进行重建,提取图像的边缘、形状、纹理特征;根据特征分布的噪声水平与配准质量,采用深度学习算法实现对红外图像超分辨率重建。仿真测试结果得出,该方法进行红外图像重建的显著性特征检测能力较强,重建后将图像分辨率提升到1 280×960 PPI,模板匹配准确率为49.4%,峰值信噪比PSNR值高于36.34 dB,结构相似度SSIM值高于0.972,重建效果较好,更适合用于特定场景下的红外图像目标特征识别。     

数据挖掘的光学断层成像重建方法

为了有效重建光学断层成像,提升成像清晰度,研究数据挖掘的光学断层成像重建方法。依据光学断层成像原理,获取光学断层成像;利用改进模糊C均值聚类算法,划分光学断层成像图像块对类别;通过各类图像块对训练极限学习机回归器,估计高分辨率图像块对垂直梯度、方向梯度和高频;以垂直梯度、方向梯度为约束,重建光学断层成像;以高频与重建光学断层成像为约束,再次重建光学断层成像,得到最终重建光学断层成像。实验证明：该方法可以有效重建模拟与真实的光学断层成像,提升光学断层成像清晰度;精准聚类光学断层成像图像块对;在不同图像块尺寸时,重建光学断层成像的位置误差与质心误差均较低,图像相似度较高,具有较高的重建精度。     

基于RBF网络图像表示的CT重建算法研究

本文提出一种基于径向基函数(Radial Basis Function-RBF)神经网络图像表示实现对计算机断层成像装置不完备投影数据的重建方法,并分析了方法的计算效率、重建质量和适用范围.该方法采用RBF神经网络表示断层图像,降低了问题的计算规模,并通过ART(Algebraic Reconstruction Technique)迭代算法重建出断层图像.在模拟实验中,我们将本方法与FBP、ART的重建图像算法进行了比较.实验结果表明所提出的方法其重建质量和计算效率都有明显地改进.     

基于改进的BP神经网络模型的遥感图像分类方法研究

遥感图像通过像元灰度值的高低差异和空间变化来表示不同属性的地物目标及其分布情况。随着人工神经网络理论的发展,神经网络技术日益成为遥感图像分类处理的有效手段,并有逐渐取代传统遥感图像分类方法的趋势。重点分析了BP神经网络模型的遥感图像分类方法,并针对BP算法的学习速率慢做了改进,利用M atlab 7.0作为实验平台,对北京市海淀区遥感影像进行分类实验。实验结果表明,与基本BP算法相比较,改进的BP算法网络训练收敛速度快,分类方法是有效的。     

基于优化BP神经网络的PID控制研究与仿真

PID控制要取得较好的控制效果．就必须通过调整好比例、积分和微分三种控制作用，形成控制量中既相互配合又相互制约的关系。优化BP神经网络是一种前向神经元网络，具有学习速率快、振荡小、精度高的优点，将其隐含层单元分别作为比例（P）、积分（I）、微分（D）单元。可以建立参数自学习的PID控制器。仿真结果表明基于优化BP神经网络的PID控制器具有较好的自学习和自适应性。     

基于遗传算法的BP神经网络在图像压缩中的应用

以神经网络和遗传算法为代表的进化算法都基于智能信息处理的理论,但是各自都存在一些缺陷.设计并实现了基于遗传算法的BP神经网络算法BP-GA,该算法将遗传算法和BP算法相结合,用基于实数编码的遗传算法优化神经网络的权值后,应用于图像压缩.实验证明,利用此混合神经网络进行图像压缩,压缩比高,图像恢复质量效果好.     

基于BP神经网络的数字识别研究

为了提高数字识别的准确性和可靠性,将BP神经网络应用于数字识别,并考察了网络结构对系统实时性、识别效果的影响以及初始权值对收敛速度的影响,选取了最佳的隐层节点数和权值初始化函数,实现了基于BP神经网络的数字识别系统。利用MATLAB进行仿真实验,实验结果表明该系统能够实现对数字的有效识别。     

基于BP神经网络的雷达干扰效果评估

雷达干扰效果是衡量雷达干扰措施是否有效和雷达干扰设备性能优劣的重要指标,如何准确、客观、快捷地评估雷达干扰效果,对雷达干扰双方均具有重大的现实意义。本文主要研究一种了基于人工神经网络的雷达干扰效果评估的方法,并进行了举例说明。     

基于并行BP神经网络的路由查找算法

结合Bloom-filter算法和并行反向传播神经网络,提出了一种新的基于并行神经网络的路由查找算法(BFBP)。该算法满足路由查找的需求,只需学习路由条目的网络ID,且易于扩展到IPv6地址查询。研究结果表明,相比于己有的神经网络路由查找方法,该算法需要学习的条目数平均减少了520倍,提高了学习效率,为神经网络应用于路由查找创造了有利条件。     

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。     

基于量子—BP神经网络的教学评价研究

将量子计算和BP神经网络相结合,产生一种新的量子—BP神经网络的方法,并将该方法应用于教学评价中,应用量子—BP神经网络的方法构建教学评价系统模型,进而对教学质量进行评价。通过实证分析,得到了满意的评价结果,说明该方法具有一定的可行性和实用性。     

基于BP神经网络的近红外光谱法鉴别芝麻油品牌的研究

研究了一种用近红外光谱分析技术快速鉴别芝麻油品牌的方法。首先对芝麻油样品的近红外光谱采用主成分分析法进行聚类分析,加结合人工神经网络技术进行芝麻油品牌的鉴别。通过主成分分析,得到前15个主成分的累计可信度达到99.72%,再将55个校正集样品的前15个主成分数据作为BP网络输入变量,建立一个3层BP人工神经网络的芝麻油...     

基于UPF-BP神经网络的视频跟踪研究

本文提出一种UPF粒子滤波与BP神经网络相结合方法用来跟踪运动背景下的视频多运动目标,该方法可以处理尺寸变换问题,从而可以鲁棒地跟踪目标。这种算法可以把最新的观测考虑进去,跟踪目标既可以是刚性目标,也可以是非刚性目标,并且跟踪算法可以实时实现。     

基于BP神经网络的OFDM系统信道估计

针对正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统中传统信道估计算法复杂度高或估计精度低的问题,给出一种基于反向传播(Back Propagation,BP)神经网络的信道估计方法.采用Simulink仿真工具构建OFDM信号采集平台,建立了基于BP神...     

基于CPLD的BP神经网络模型的硬件实现

神经网络模型的硬件实现已成为人工智能的一个重要的研究方向,本文提出一种基于CPLD的硬件实现方式,来实现BP三层神经网络模型方法,并对该模型进行了MAX+Plus II仿真验证.