摘要：针对采用反向传播算法的神经网络(Backpropagation:BP)作为实现仿生模式识别理论的工具时所遇到的最佳结构设计问题,提出了一个基于提高仿生模式识别系统性能的BP神经网络结构设计准则。该准则基于无论是在不同类样本点间还是同类样本点间都存在有先验知识这一结论,通过利用同类样本中所蕴含的先验知识对神经网络的结构进行设计,不仅能够确保仿生模式识别过程中的学习过程有效收敛,而且也使得网络结构的设计满足特定任务的要求。交通标识符识别的对比实验结果证明了该设计准则的有效性。

摘要：根据沙蚁复眼中的偏振敏感神经结构,设计了一种大气偏振信息检测与导航传感器,实现了从大气偏振信息中提取二维罗盘信息。针对偏振光导航的特点,设计了一种嵌入式多信息源融合导航试验平台,实现了偏振光、三维地磁和GPS导航的有机集成。

摘要：复杂场景目标识别是图像理解领域的重点和难点。Boosting算法是机器学习中用于提高精度的算法,现已在简单目标识别中获得广泛应用。提出了一种针对复杂场景目标识别任务的统计学启发Boosting算法,补充了现有识别任务中Boosting方法所缺乏的理论分析依据。首先在统计学基础上,分析了Boosting的稳定性能,以此快速确定弱分类器数目,解决了算法性能的不可预测性,缩短了算法设计时间。之后针对不同复杂程度的真实世界场景,设计稳定有效的Boosting识别算法,实验结果表明算法对存在光照、视角、干扰、遮挡和类内多变的场景目标均有较高的识别精度,具有鲁棒性。

摘要：工程图纸的统一管理和集成制造、协同设计的发展 ,以及图纸网络传输的需要 ,要求有一种集成的图纸存档和通信系统 (DACS) .文中提出 DACS的概念 ,并对 DACS设计中的几个关键问题 ,如数据库应用构架设计、点阵图与矢量图的统一封装、图纸与文档的配合、图纸录入的效果进行了分析 .同时 ,还给出了一个具体的

摘要：针对模糊神经网络分类器设计过程中所遇到的样本采样与标注过程耗时、代价大的问题,提出了一个新颖的模糊神经网络分类器主动学习方法,以最小-最大边界法以及确定样本的不确定性阈值两个新概念为主动样本选择准则,确保选择其中信息量尽可能大的样本进行标注,使得网络设计过程中对未标注样本的标注工作量和时间大为减少.实验结果表明,该方法与模糊神经网络的被动学习模型相比,训练样本数目大为减少,训练时间大大缩短.

摘要：文章采用人工神经网络对电磁带隙结构进行建模,并结合逆向方法训练网络;神经网络用于电磁带隙结构的设计,具有缩短设计时间、降低设计成本的优点;通过文中实例可以看出,人工神经网络设计的结果与数值仿真的结果吻合良好,显示出该方法的有效性。

摘要：BPM（Beam－PropagationMethod）是标量亥姆霍兹方程的迭代解法，用它可计算光振福在光纤或波导中的分布。本文介绍了用BPM计算厚透镜的算法，并介绍了相于光学系统的计算机模拟算法，这对于相干光学系统的设计有着重要的意义．

摘要：目的颜色恒常性通常指人类在任意光源条件下正确感知物体颜色的自适应能力,是实现识别、分割、3维视觉等高层任务的重要前提。对图像进行光源颜色估计是实现颜色恒常性计算的主要途径之一,现有光源颜色估计方法往往因局部场景的歧义颜色导致估计误差较大。为此,提出一种基于深度残差学习的光源颜色估计方法。方法将输入图像均匀分块,根据局部图像块的光源颜色估计整幅图像的全局光源颜色。算法包括光源颜色估计和图像块选择两个残差网络:光源颜色估计网络通过较深的网络层次和残差结构提高光源颜色估计的准确性;图像块选择网络按照光源颜色估计误差对图像块进行分类,根据分类结果去除图像中误差较大的图像块,进一步提高全局光源颜色估计精度。此外,对输入图像进行对数色度预处理,可以降低图像亮度对光源颜色估计的影响,提高计算效率。结果在NUS-8和重处理的Color Checker数据集上的实验结果表明,本文方法的估计精度和稳健性较好;此外,在相同条件下,对数色度图像比原始图像的估计误差低10%15%,图像块选择网络能够进一步使光源颜色估计网络的误差降低约5%。结论在两组单光源数据集上的实验表明,本文方法的总体设计合理有效,算法精度和稳健性好,可应用于需要进行色彩校正的图像处理和计算机视觉等领域。

摘要：目的光场相机一次成像可以同时获取场景中光线的空间和角度信息,为深度估计提供了条件。然而,光场图像场景中出现高光现象使得深度估计变得困难。为了提高算法处理高光问题的可靠性,本文提出了一种基于光场图像多视角上下文信息的抗高光深度估计方法。方法本文利用光场子孔径图像的多视角特性,创建多视角输入支路,获取不同视角下图像的特征信息;利用空洞卷积增大网络感受野,获取更大范围的图像上下文信息,通过同一深度平面未发生高光的区域的深度信息,进而恢复高光区域深度信息。同时,本文设计了一种新型的多尺度特征融合方法,串联多膨胀率空洞卷积特征与多卷积核普通卷积特征,进一步提高了估计结果的精度和平滑度。结果实验在3个数据集上与最新的4种方法进行了比较。实验结果表明,本文方法整体深度估计性能较好,在4D light field benchmark合成数据集上,相比于性能第2的模型,均方误差(mean square error,MSE)降低了20.24%,坏像素率(bad pixel,BP)降低了2.62%,峰值信噪比(peak signal-to-noise ratio,PSNR)提高了4.96%。同时,通过对CVIA(computer vision and image analysis)Konstanz specular dataset合成数据集和Lytro Illum拍摄的真实场景数据集的定性分析,验证了本文算法的有效性和可靠性。消融实验结果表明多尺度特征融合方法改善了深度估计在高光区域的效果。结论本文提出的深度估计模型能够有效估计图像深度信息。特别地,高光区域深度信息恢复精度高、物体边缘区域平滑,能够较好地保存图像细节信息。

摘要：目前偏振光导航传感器大多以POL-神经元模型为基础,误差主要来源于通道间信号增益差异,以及检偏器阵列的相对角度误差。为了提高偏振罗盘信息的检测精度,提出了一种独立通道偏振罗盘信息检测方法。利用三个相互独立的偏振光检测通道测量大气偏振信息,获取航向角信息。并且,结合分时复用技术,设计了独立通道偏振光导航传感器,提出了相应的标定方法和误差补偿算法。实验结果表明,独立通道偏振光导航传感器能够显著降低偏振罗盘信息检测误差,补偿后传感器误差在±0.05°以内。