一种广角镜头成像几何畸变校正算法实现

由于成像光学系统固有的特性,以及镜头成像平面与物体平面存在的倾斜角和转角,使得获取的图像存在着非线形几何畸变,在对图像进行定量分析和检测之前,必须消除这些畸变。为此,本文提出了一种以校正径向几何畸变为主的非线性校正方法,讨论了控制点的选取原则,建立了三次多项式的畸变校正模型;分析了不同灰度重建方法的特点,进行了仿真实验,校正结果良好,在成像测量应用中有很好的实用价值。     

光学成像系统中非线性畸变的数字校正方法

该文通过对光学成像系统中非线性畸变的分析，提出了一个数字校正方法。该方法利用与光轴对称的径向畸变数学模型求出光学镜头的校正系数，对畸变图像进行校正。对校正方法的程序实现进行讨论，给出了对实际畸变图像进行校正的实验结果。     

大坝变形蚁群聚类径向基函数神经网络安全监控预测模型

本文研究了蚁群聚类法和径向基函数神经网络的基本原理,结合大坝变形安全监控的要求,探讨了大坝变形监测数据聚类处理方法,构建了径向基神经网络隐层基函数,由此表征了大坝变形规律的影响因素与变形之间的非线性映射关系.通过上述研究,建立了大坝变形蚁群聚类径向基函数神经网络(ACC-RBF)安全监控模型.实例分析表明,所提出的模型比传统的径向基神经网络模型预测精度更高.     

柱状曲面容器内粒子图像测速中径向畸变校正方法

针对粒子图像测速（PIV）中速度矢量由于折射率引起的光学畸变进行了系统校正研究,提出了一种用于柱状曲面容器内PIV测量的径向光学畸变校正方法。并应用于泰勒一库埃特流测量的校正。     

基于控制点鲁棒提取的视觉成像畸变校正方法

基于控制点的摄像机视觉成像畸变校正过程中,控制点自动提取困难且误差较大,因此难以实现动态图像的在线准确校正.针对目前控制点提取校正方法的局限性,提出了基于鲁棒性好的控制点匹配提取校正方法.该方法在实现控制点的自动、精确、鲁棒提取的基础上,建立畸变图像与原始图像的最优次数多项式映射模型,并结合双线性插值运算对图像进行校正.该校正算法应用结果表明:该方法在图像识别系统中实现了快速、精确的图像畸变校正,校正误差为0.037像素.     

一种视频测井图像畸变校正方法

根据侧向多镜头视频测井装置获取图像的原理,提出了基于空间坐标变换的图像畸变校正方法.该方法首先通过畸变图像与校正图像之间控制点对的映射关系建立几何畸变模型,其次根据多项式拟合公式实现畸变图像的校正,最后通过双线性插值算法对图像进行灰度重建.通过采用直接和间接两种空间坐标变换方法对畸变图像进行仿真校正处理,结果表明,间接法校正图像的准确度高,像素过度平滑,满足了测井图像的精度要求.     

基于仿射变换和透视投影的摄像机镜头畸变校正方法

依照摄像机成像过程,提出了一种方便快捷的摄像机镜头畸变精确校正方法。基于逆向摄像机镜头校正模型、仿射变换和透视变换,推导了从标准靶标图像坐标到理想图像坐标之间的精确函数关系,采用最小二乘估计对畸变参数求解,利用双线性插值法还原理想图像,并给出了详细的实验过程和实验结果。结果表明,该方法具有对实验条件要求低、算法运行速度快、校正结果精确等特点,适用于自动实时校正环境。     

基于图像的钢筋延伸率的测量方法

研究了利用图像进行钢筋延伸率测量的方法,即在畸变模型为一阶径向畸变的情况下,利用透视投影中的交比不变性质来计算一阶径向畸变参数,进行线性的系统标定,进而实现对钢筋延伸率的测量。实验结果表明,与直接比例法相比,此方法计算量小,测量精度高。     

影响径向基神经网络分类性能的因素

为进一步提高径向基神经网络超光谱图像分类的精度与效率,研究了径向基神经网（RBFN：Radical Basis Function Network）的径向基函数分布密度和输入数据归一化形式对分类结果的影响。通过计算机仿真实验,绘出了径向基函数分布密度和输入数据归一化形式对分类过程训练精度与测试精度影响规律曲线,为径向基神经网络在模式识别中的应用提供指导。     

径向畸变的校正及其效果评估

基于张正友标定方法,采用目标点的共线特征开展径向畸变校正的实验研究,并对畸变校正精度进行评估。经实验,校正精度达到亚像素级,能够满足大多数视觉测量应用的精度要求。     

基于增量余弦RBF网络的惯性导航初始对准

针对传统高斯RBF网络应用于惯性导航初始对准建模时，对处于两基函数中心点之间的值拟合效果不太理想的情况，提出了一种将增量余弦RBF网络用于惯性导航初始对准建模的方法。该方法采用增量余弦函数作为RBF网络的基函数，对多变量非线性系统有很好的拟合能力。相对于传统高斯RBF网络，增量余弦RBF网络的基函数具有更强的局域性，解算时同时参与运算的基函数数量更少，有效地降低了网络的解算时间。仿真结果表明，增量余弦RBF网络用于惯性导航的初始对准，既可获得较高的对准精度，又有效地降低了系统的解算时间，提高了系统的实时性。     

径向基神经网络算法在车牌字符识别中的应用

提出一种基于径向基网络的汽车车牌字符识别算法.在预处理阶段,采用灰度化、自适应阈值分割去除图像噪声并增强图像对比度;在字符分割阶段,采用极限元素位置确定法实现独立字符分割;在字符识别阶段,利用自行构建的字符子块图像库对径向基神经网络进行训练.选取基于反向传播(BP)神经网络的字符识别算法和基于支持向量机(SVM)的字符识别算法与文中方法进行比较.实验结果表明:文中方法在识别准确率上具有明显优势,更适用于汽车车牌的字符识别.     

基于PSO-RBF神经网络的串联机械臂逆运动学分析

针对目前基于神经网络对串联机械臂求逆解方法中出现的精度不足和实时性较差的问题,使用粒子群优化(particle swarm optimization,PSO)算法对径向基函数(radial basis function,RBF)神经网络进行结构优化,提出一种基于PSO-RBF神经网络的机械臂逆运动学算法。首先由正运动学模型获取神经网络训练和测试参数样本,经过欧拉角变换在神经网络输入端建立机械臂关节位姿映射关系,然后通过PSO算法对径向基核函数进行参数寻优并对测试样本求解分析,最后获取经逆运动学求解后机械臂的运动轨迹,验证了该算法的可靠性。仿真结果显示,由PSO-RBF神经网络逆运动学算法能够快速得出满足精度要求的关节角度,为进一步机械臂工业控制提供了理论支持。     

基于电流观测器的链式STATCOM反步控制方法

针对电网中链式静态同步补偿器(STATCOM)系统的非线性特性和不确定性,提出了一种基于高增益自适应观测器的链式STATCOM反步控制方法.针对STATCOM的输出电流值的估计,设计了一种基于神经网络高增益观测器,通过引入径向基函数(RBF)神经网络,对模型参数变化进行估计,通过反馈设计,对系统进行线性化处理,利用反步法实现电压控制器设计.结合李雅普诺夫的渐近稳定性理论,获得链式STATCOM输出无功电流的控制.仿真和实验结果进一步验证了控制方法的正确性和有效性.     

一种基于进化计算的高斯径向基网络模型构建方法

为了提高高斯径向基神经网络模型的构建精度,将径向基中心、基宽以及连接权构成分区实数编码结构,将训练样本集作为每一个进化个体解码后的网络输入及输出,并将样本的期望输出同网络实际输出的平均误差平方和作为进化个体的适应度函数,将不同隐层节点数构成的进化个体的最优值作为设计问题的高斯径向基网络结构.采用2个Benchmark测试函数验证在不同隐层节点数情况下通过该进化算法构建的径向基模型的精度,从进化时间、进化代、最小适应度值以及均方根误差等方面作对比.结果表明,采用这种分区实数编码能高精度地构建不同设计问题的高斯径向基网络模型.     

磁控开关型故障限流器RBF神经网络自适应偏置电流控制

基于新型磁控开关型故障限流器偏置电流控制系统复杂的非线性时变特性,提出一种基于径向基函数神经网络的限流器偏置电流自适应控制系统,采用2个RBF神经网络来分别构成自适应控制网络和辨识网络,实现了偏置电流的实时控制.试验证明,利用该偏置电流控制系统,限流器的响应速度和限流效果可以得到保证.     

光轴外扩式布置的双目相机图像立体校正

摘要： 针对宽视野光轴外扩式布置双目图像采集和显示系统的图像立体校正问题,利用三维重建误差,提出了一种基于双目图像视差特性的立体校正方法.在分析光轴外扩式布置双目相机图像视差特性的基础上,针对相机光心与显示投影中心间的位置误差和相机光轴与显示视轴间的角度误差,建立图像仿射变换、水平视差畸变和垂直视差的校正函数,利用一组空间采样点的三维重投影误差作为目标函数通过优化方法求解校正参数.仿真实验表明：在视轴外扩夹角为30°时,本方法可以有效地消除光心位置误差和光轴角度误差对图像视差造成的影响.真实图像校正实验表明：校正后的图像水平畸变小,在显示宽视野双目图像时,能保持正确的三维立体感.
关键词：中图分类号：文献标志码： A     

基于RBF神经网络的自回归系统辨识模型

根据神经网络能以任意精度逼近任意非线性连续函数的特点,通过径向基函数神经网络构建非线性动态系统的辨识模型。针对该模型输入值超出径向基函数的映射区域时将导致系统辨识输出值为零的现象,提出了一种基于改进径向基函数结构的自回归系统辨识的方法,有效地消除了零现象。这使得自适应辨识模型在较大的输入向量下能够逼近实际系统的输出,从而提高了系统辨识的鲁棒性。该方法的可行性得到了仿真验证。