数字图像相关法中散斑图的质量评价

散斑质量对数字图像相关法中位移的测量精度有着重要的影响,因此定量评价散斑图像的质量是数字图像相关法中一个重要的问题。论文基于灰度共生矩阵提取了散斑图像中的能量、对比度、相关性和熵这四个特征参数,并用实验验证了位移测量结果的均值误差和这四个特征参数之间的关系,证明了这四个特征参数的有效性;同时为了保证散斑质量评价的准确性,论文以平均灰度梯度作为散斑质量评价的基础参数,结合能量、对比度、相关性和熵这四个特征参数,一同作为神经网络的输入参数,经过训练可得到评价散斑图像质量的分类模型。结果表明,该方法可对散斑图像的质量进行较准确的评价。

基于改进WNN的短时交通流量预测的研究

论文提出了一种结合自适应人工鱼群算法及粒子群优化算法的混合寻优算法,替换了小波神经网络在求解最优参数时所使用的梯度下降法,从而可在一定程度上优化小波神经网络。在此基础上,采用改进的小波神经网络对短时交通流量数据进行建模与预测。仿真实验结果表明,在进行短时交通流量预测时,改进后的小波神经网络模型相比其他一些主流的优化预测模型,无论在收敛速度、稳定性还是在预测精度方面均有一定的提高。