摘要：迷彩设计中,通过对目标背景的图像信息进行归类处理,利用图像分割技术获取背景斑点,然后设计出与背景亮度和纹理相协调的迷彩图案.目前,最常用的图像分割方法是均值聚类法,由于它直接利用灰度信息以致分割的细节不明显,容易导致模拟背景纹理失真.针对它的不足,提出了采用基于自组织特征映射(selforganizing feature map, SOFM)神经网络的分割方法对背景进行聚类分割.该方法将整幅图像作为神经网络的输入,聚类分割后的颜色作为输出,按照自组织特征映射网络的学习过程,使用其函数进行迭代运算直至学习停止.比较实验结果表明,SOFM方法能更好地保留图像的细节纹理,得到较为理想的设计效果.

摘要：设计了一种基于机器视觉的可以对软体纤维丝集束实现自动计数的检测系统。系统采用自制半球形LED光源照明,对软体纤维丝集束切片,经显微光学系统放大,再由电荷耦合器件(Charge coupled device,CCD)采集放大图像至计算机,通过图像处理系统计算出集束中软体纤维丝数量,并与标准值比较,自动给出是否合格的判别结果。并提出了一种图像处理方法,该方法首先采用基于区域熵值最大的原则将不同光强照射下获取的源图像进行融合,再对融合后的图像利用自组织特征映射(Self organization feature map,SOFM)神经网络求取分割阈值,然后使用求取的分割阈值作为测度指导源图像实现二值化融合,最后采用基于统计量的边界分离和计数方法实现纤维丝集束的计数。实验证明,该系统检测误差不大于1%,重复测量标准差不超过0.07,实现了对软体纤维丝集束的智能计数。

摘要：针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于人工免疫网络(aiNet)进行背景抑制、基于行列k均值聚类实现阈值分割的单帧红外弱小目标检测算法。首先采用aiNet结合Robinson警戒环技术,融入自组织特征映射(SOM)拓扑思想,设计一系列抗体进化策略,建立自适应局部空间背景模型—模糊拓扑记忆抗体库,并以此分析各像素点的背景模糊隶属度来抑制背景杂波;接着提出基于行列k均值聚类的阈值分割算法来检测真实目标。实验结果表明,该算法的F1指标高达99%,其能随背景的局部变化来自适应建立空间背景模型,从而自适应抑制背景杂波突显目标,能有效提高信噪比检测弱小目标。

摘要：纸币清分是银行的一项重要业务 ,目前人民币的机器清分技术还是我国的一项空白 提出了一种用于高速纸币清分机的实时人民币识别方法 ,该方法提取了纸币图像的方向块特征 ,将人民币的长度和宽度作为识别特征 ,采用了改进的Kohonen网络设计了识别分类器 实验结果表明 ,提出的方法取得了较高的识别率 ,并且满足了实时性的要求 。

摘要：为了有效地提高矢量量化(VQ)码书的性能,提出了一种新的自学习特征映射(SLM)算法,并应用到图像VQ中,实验表明,与自组织特征映射(SOM)算法相比,SLM算法具有聚类特性好和峰峰信噪比高等优点,是一种非常有前途的码书设计算法.

摘要：综述了神经网络作为图象压缩信号处理工具的方法。由于神经网络的大规模并行及其分布结构，使之成为解决数据压缩的有力工具；网络的特征与人类视觉系统的特征相类似，这就使我们更容易处理视觉信息。例如，多层感知可作为差分脉冲编码调制的非线性预测器，已证明这种预测器较线性预测器可改进预测效果。另一活跃的研究领域是用Ｈｅｂｂｉａｎ学习规则获取主分量，主分量是理想的线性ＫＬ变换的基向量。这些学习算法的计算更优越于传统特征分解技术并适应于输入信号的变化．还有另一种模型为ＳＯＦＭ（ｔｈｅＳｅｌｆ－ＯｒｇａｎｉｚｉｎｇＦｅａｆｕｒｅＭａｐ）已在向量量化码本设计中有许多成功的应用。结果码本与标准ＬＢＧ算法相比对初始条件的依赖程度较低，且码字的拓扑序可用来进一步提高编码的效率并减低计算的复杂性。

摘要：针对自组织特征映射算法用于图像矢量量化存在的问题,为了提高矢量量化码书的性能,提出基于方差分类初始化码书的三维邻域SOM算法,通过对三维邻域SOM算法中的初始化码书算法进行改进,建立了基于方差分类的初始化码书算法.实验表明,用该算法设计图像矢量量化码书具有码矢利用率高、码书的性能好等优点.

摘要：点云的数据分区问题是逆向工程中的一个瓶颈问题。论文在传统的自组织特征映射(SOFM)神经网络的基础上,用多层自组织特征映射(MLSOFM)神经网络实现逆向工程中点云的数据分区,克服了SOFM用于数据分区的局限性,不需预先指定分区的数目,实例运行结果验证了此方法的可行性。

摘要：在规模化电动汽车接入电网背景下,协调控制电动汽车群的充放电功率,可使之成为对电网有益的储能调频工具。文中从剩余电量的角度研究了电动汽车集群的自组织分类方法,设计了一个自组织神经网络,将电动汽车群根据电量划分为几个在数学空间上相近的类。以聚类结果为基础,根据不同类中电动汽车的电量水平,提出一种自适应调节下垂系数的电动汽车充放电控制终端变参数下垂调频控制方法。仿真结果表明,应用文中提出的控制方法,规模化接入电网的不同电量水平的电动汽车将自组织地按各自容量比例分担电网峰值负荷、消纳电网富余电能,满足电网调频需求。

摘要：在介绍矢量量化和自组织特征映射神经网(SOFM)的基础上,针对SOFM算法的特点对其进行了几个方面的改进,提高了SOFM网络的性能。采用改进后的基于SOFM的矢量量化技术对图像进行无损压缩编码,码书设计时间减少了约70%,图像效果、编码质量均有所提高,实验结果表明了本算法的压缩比比传统的差值编码(DPCM)无损压缩最高可提升40%,证明了算法的有效性。