基于BP神经网络的焦平面阵列的非均匀性校正

传统的基于BP神经网络的非均匀性校正算法由于采用了四邻域均值代替期望值,使得图像呈现低通的特性.本文针对红外焦平面阵列成像系统,对传统的神经网络算法进行了改进,将加权中值滤波处理后的结果作为期望输出,并在神经网络算法中权值修正时加入了动量项,加快了算法的收敛速度.通过仿真实验,与传统的神经网络相对比,校正效果得到明显的改善.     

红外焦平面阵列非均匀性校正算法的研究

红外焦平面阵列普遍存在非均匀性,会严重影响红外成像质量。对非均匀性的主要来源和表现形式进行了探讨,介绍了在工程应用中常用的校正方法,两点温度校正法、时域高通滤波法和人工神经网络法,给出详细的推导,并对几种校正算法进行了分析和研究,对这几种校正算法的优点和缺点进行讨论和综合对比,为进一步开展红外焦平面非均匀性校正提供参考意见。     

红外焦平面器件非均匀性校正的FPGA实现

提出了一种基于FPGA的红外焦平面非均匀性校正的实现方案。在系统中,采用基于黑体的两点校正的方案。另外,校正参数的获取,可以采用两种工作模式,通过存储器下载和在线计算校正参数。实验表明,这种解决方案可以实时完成校正处理,并有效地抑制了器件的非均匀性。     

光谱仪焦平面阵列非均匀性校正的研究

针对成像光谱仪相关技术要求,对辐射源定标焦平面阵列非均匀性校正的数学方法进行了深入研究,导出了适于成像光谱仪应用的相关算法并分析了其特点,实验结果表明焦平面阵列非均匀性校正算法能有效提高成像光谱仪干涉图的成像质量,显著提高光谱复原的精确性.     

一种新的红外焦平面阵列非均匀性校正技术

在分析了红外焦平面陈列非均匀性的噪声特性基础上,提出用噪声抵消的方法来对红外焦平面阵列的非均匀性进行自适应校正,针对实际图像进行了实验,结果表明该方法比神经网络法能得到更好的校正效果。     

基于Nios红外图像实时非均匀性校正研究

针对红外成像系统在图像处理中所涉及的数据量大,实时处理难于实现的特点,运用Altera公司SOPC-Nios嵌入式软核心处理器技术,提出一种利用FPGA硬件实现红外焦平面阵列实时非均匀性两点校正的方法.该方法针对非均匀性校正关键的内部循环和耗时算法,创建Nios嵌入式处理器的定制指令,将复杂的顺序指令简化为硬件实现的单指令,用硬件实现校正算法,极大地提高了系统的处理速度和性能,有效地解决了红外成像技术中实时性难题.     

基于场景的自适应红外焦平面非均匀校正技术

为提高基于场景的自适应算法性能,根据图像非线性滤波理论,提出采用中值滤波进行图像前处理的自适应红外焦平面校正技术。该算法经过仿真图像序列和实际图像测试,达到较高的非均匀校正水平,降低了固定图案噪声,保护了图像细节。同时算法具有计算复杂度低,可以有效获得随帧数变化的探测器增益和偏置参数。     

改进卡尔曼滤波的IRFPA非均匀性校正算法

提出一种改进的卡尔曼滤波的IRFPA非均匀性校正算法,该算法使用求逆引理对传统迭代公式进行求逆变换,使用误差协方差逆阵形式实现迭代过程,使算法计算复杂度由nk×nk阶矩阵求逆降低至nk维对角矩阵求逆,简化了传统卡尔曼滤波算法的递推过程,提高了实时性能．通过对实际采集的红外图像序列进行仿真实验,结果表明：该算法在继承传统校正算法校正精度的同时,兼顾提高了算法校正速度,运行效率可以提高至2倍．     

基于遗传算法BP神经网络优化IRFPA非均匀性适应校正算法

本文具体研究了红外图像非均匀性校正算法中的基于场景类BP神经网络校正算法。针对BP神经网络算法运算量大、容易进入局部最小值、实时性能差的问题,提出利用遗传算法优化BP神经网络校正过程的算法。     

改进的神经网络非均匀性校正算法研究

针对传统神经网络非均匀性校正算法所存在的像素点期望值估计不准确、场景长时间静止时校正图像发生衰退以及校正图像出现鬼影的问题,在原有的神经网络算法的基础上做了进一步的改进。主要包括三个部分:首先,计算场景的局部方差,设置合理判断阈值,区别不同的场景区域;再通过比较前后两帧场景的绝对误差值,判别场景是否静止,来控制校正参数是否更新;然后利用图像配准的方法,计算出帧间位移,对校正步长做出修正。最后与传统神经网络算法进行对比实验,结果表明,改进的神经网络算法在鬼影抑制和非均匀性校正方面都具有较好的效果。     

yo-yo 运 动 的 振 荡 神 经 网 络 控 制

在分析简单的振荡网络基本构成基础上,提出了一种用振荡神经网络对yo yo运动实现闭环控制的具体构架.给出了系统中所采用的神经网振荡器——抑制性锁相环、开关信号发生器和机器臂参考信号发生器等环节的数学模型.建立了实现yo yo运动闭环控制的实时控制系统,并通过实验对该控制方法进行验证.结果表明,振荡神经网络实现yo yo运动闭环控制的方法是可行的.     

HEVC整像素运动估计的并行螺旋搜索算法及其硬件实现

为了能够在硬件上有效减少整像素运动估计（IME）的计算复杂度,提出一种基于并行螺旋搜索算法的整像素运动估计硬件架构设计方案.该设计按照螺旋顺序,首先,由中心向四周扩散的方式逐点搜索;其次,在搜索过程中每一个搜索点处同时处理所有PU块,通过这种PU块共享搜索过程的方式来减少周期数;最后,通过提前结束判断的方式,跳过不必要的搜索点,进一步减少周期数.用Verilog语言进行硬件描述,利用VCS工具进行仿真,且仿真SAD结果与HEVC参考软件（HM）结果数据一致,证明其正确性;通过对多个序列进行测试,平均每1 733.4个时钟处理一个64 px×64 px大小的CTU.硬件框架在VIVADO平台下,用Virtex-7系列芯片进行综合,得到工作频率为198 MHz,能够实现4 K@56.4 f·s^-1的吞吐率.     

一种新的基于自组织神经网络的运动估计算法

提出了一种新的基于自组织网络的CFSSOM-VQ运动估计算法,新的帧间预测编码方案采用基于自组织特征映射算法(SOM)的矢量量化(VQ)作为帧间预测,以取代目前常用的运动补偿帧间预测(ME MC).并对SOM算法进行了改进,提出了一种分类频率敏感自组织特征映射(CFSSOM)算法.将该算法应用到会议电视视频编码的实验结果表明,与ME MC算法相比,CFSSOM-VQ算法具有更好的预测编码性能.     

基于通用DSP的红外焦平面视频图像数字预处理系统

为改善红外焦平面阵列探测器成像质量,提出了以高速数字信号处理器为核心的红外焦平面视频图像数字预处理系统,给出了系统的硬件框图和红外图像处理的主要算法实现,对系统的功能、工作过程和关键性技术进行了分析说明.测试结果表明,该系统的积分时间在0.5-5ms内可调,帧频在25-50Hz可调处理延时不超过2ms,实时性和稳定性好,可以作为多种型号军用红外探测器的后处理电路,具有一定的通用性.     

基于人工神经网络送电线路工程造价的快速估算

根据送电线路工程造价结构的影响因素,结合人工神经网络的特点,提出了运用人工神经网络进行工程造价快速估算和审查的方法.分析送电线路工程造价结构和影响因素,构建关于送电线路工程造价的神经元输入输出向量,建立了相应的人工神经网络模型,导出了算法的实施步骤,通过历史工程样本训练和实例样本计算分析,得到了比较好的快速计算结果,满足了工程项目概算方案审查的要求,为电力工程概算提供了一种客观、快速的审查方法.     

具有四值离散态的复合神经元网络及其电路实现

介绍了由两种不同类型或功能的神经细胞耦合而成的具有四值离散态的复合神经元网络(CNN),并给出了时间连续、状态连续的CNN(complex neural network)动力学方程及稳定性证明;在此基础上,给出了具有半并行结构的电路实验方案,并实施了四对复合神经元的电路。实验证实理论结果及电路的稳定性,表明CNN有良好的联想记忆和容错能力,为进一步用VLSI实现CNN提供了一种可行的方案。