基于学习边缘信息的图像插值算法

为解决图像插值时产生边缘模糊和重影等现象,利用神经网络学习图像边缘信息,匹配两相邻断层图像间相似点,实现图像的灰度插值。对于新插值图像上的每一个像素,在相邻两个断层各选择一系列候选对应点,利用神经网络选择最佳匹配的一对对应点,利用这对对应点的灰度值插值出新图像上相应位置的灰度值。试验结果表明,改善了传统图像插值中图像边缘模糊的现象,并且极大的消除了重影现象。

基于MPSO-ANN的火炮零部件硬度无损检测研究

依据音频无损检测原理,针对某火炮零部件(凸轮轴)硬度与音频参数的非线性映射问题,将ANN网络应用到音频检测中,同时采用改进粒子群算法(MPSO)优化BP神经网络结构和初始权值;MPSO算法把PSO算法的单向搜索变为多向搜索,提高了搜索精度,平衡了局部和全局搜索能力,较好地收敛到最优解,克服了BP网络结构难以确定和易于陷入局部极小值的缺点,实现了不同零部件硬度检测中的样本训练与预测,分别对内推、外推样本进行比较分析;结果表明其适应度逐渐趋于稳定并迅速收敛,精度满足要求。

一种学习向量神经网络的图像插值算法

利用一种新型学习向量神经网络实现了对灰度图像的基于最佳点对匹配的图像插值。采用新型学习向量神经网络的最佳点对匹配图像插值算法插值出的中间图像,较好的解决了插值图像边缘模糊的现象。试验结果表明,该方法插值得到的图像边界清晰较好,模糊度小,图像连续。