基于RBF神经网络的人体运动跟踪与姿态预测

Human motion tracking and gesture prediction based on the RBF neural network

孙光民[1] 陈德明[1] 秦圣峰[2] Wright D．K．[2] 康金胜[2] 赵越[2]

本文采用径向基函数神经网络进行人体运动跟踪与人体姿态预测，利用采集的运动数据对本文提出的运动跟踪与姿态预测方法进行性能评估，给出部分测试和比较实验结果，实验结果表明，基于径向基函数神经网络的人体运动跟踪与人体姿态预测方法是可行的。[著者文摘]

In this paper, the Radial Basis Function （RBF） neural network is employed to track the human motion and predict the human body gesture. Some tests and comparison experiments have been made to evaluate the performance for the motion tracking and gesture prediction using collected motion data. The experimental results show that the RBF neural network based motion tracking and gesture prediction methods is feasible.[著者文摘]

基于RBF神经网络的点云数据曲面重建快速算法

Fast algorithm for surface reconstruction from cloud data based RBF neural network

黄淼[1] 张海朝[1] 普杰信[1] 李超[2]

在分析现有重构方法局限性的基础上，给出了一种基于神经网络的点云数据重构三维网格形状的快速算法。首先对点云数据进行归一化处理；然后进行特征线提取，并以特征线为基础对曲面进行分割。该方法能直接从神经网络的权值矩阵得到曲线的控制顶点或曲面的控制网格，通过神经网络的权值约束实现曲线段或曲面片之间的连接。实验结果表明，使用该方法能快速获得形状良好的网格曲面。[著者文摘]

On the basis of the analysis of the existing reconstruction methods＇ limitations, a fast neural network based algorithm for 3D surface reconstruction from cloud data was presented, Firstly, a unitary processing for the cloud data was made. And then the contour lines were extracted and the surface based contour lines were segmented. The method can directly from the neural network value matrix get the right curve control points or surface control mesh, and through neural network values restriction achieve the right curve or patch of smooth connection. Experimental results show that this method can quickly obtain good shape Mesh.[著者文摘]

BP人工神经网络识别玉米品种的研究

杨蜀秦[1] 宁纪锋[2] 何东健[2]

以xhg，xn12，wn14等3种黄玉米和whitecorn白玉米品种为研究对象，分析了玉米籽粒的形态特征，提取与玉米籽粒的颜色、形状、尺寸等有关的6个形态结构参数，用BP人工神经网络方法进行了训练识别，结果表明，其对4个玉米品种的综合识别率为93％。

基于BP神经网络的指纹模板分类器分类算法

蔡俊 任德官

指纹识别是计算机模式识别领域中一个比较活跃的课题。有着十分广泛的应用前景。对于庞大的指纹信息，人们越来越关心的是如何对其分类与储存。文章提出了一种基于BP神经网络的指纹模板分类算法，在简介指纹图像的预处理和模板建立过程的基础上，着重阐述基于黄金分割法的自适应变步长算法，仿真表明它比传统的固定步长算法有更好的收敛速度和精度。

基于分形和神经网络理论的多尺度图象分割方法

杨绍国 尹忠科

特征空间聚类分割方法的关键问题是有效的特征参数提取和聚类方法的构造，针对这两个问题。本文采用小波变换的多尺度分析方法提取图象的多尺度分形维数作为分割特征参数，用Ｋｏｈｏｎｅｎ自组织特征映射实现特征空间聚类，获得了良好的分割效果。

基于模糊小波神经网络的磁共振图像分割方法

A Segmentation Method of MRI Based on Fuzzy Wavelet Neural Network

孙炜 王耀南

针对磁共振图像分割的特点,将小波分析优异的局部特性、模糊逻辑的定性知识表达能力和神经网络的自学习能力结合起来,提出了一种基于模糊小波神经网络的磁共振图像分割方法.该方法采用小波函数作为模糊隶属函数,利用神经网络实现模糊推理,并采用反向误差传播算法对网络进行训练.实验结果表明,这种基于模糊小波神经网络的磁共振图像分割方法与普通神经网络分割方法相比,具有更高的分割精度和更快的训练收敛速度.[著者文摘]

Considering the features of magnetic resonance image （MRI） segmentation, a segmentation method of MRI based on fuzzy wavelet neural network was proposed in this paper. The method combines the excellent local performance of wavelet analysis, the qualitative knowledge expressing ability of fuzzy logic, and self-learning ability of neural network. In the method, wavelet function was used as fuzzy membership function, neural network was applied to realize fuzzy inference, and BP algorithm was employed to train the network. The experimental results show that the proposed method has better segmentation precision and faster network convergence speed than traditional neural network segmentation method.[著者文摘]

一种基于学习向量量化神经网络的图象分割方法

况菲 王耀南 余洪山 万琴

基于视觉传感器实现道路信息的理解是目前移动机器人自主导航的重要研究方向，其中道路图象的正确分割是提取有效路径信息的关键。该文针对复杂、干扰因素多的室外环境下传统方法难以实现道路图象正确分割的问题，提出了一种基于LVQ神经网络的道路图象分割方法。该方法通过选取道路图象的归一化色彩分量为特征向量，应用基于LVQ学习算法的神经网络分类器进行道路与非道路识别；为解决环境噪声对神经网络输出的影响，本文设计了串行级联式四阶形态滤波器实现对神经网络输出的分割图象的滤波处理。通过对实测图象进行分割处理验证了该方法的有效性和鲁棒性，可用于室外环境下机器人的实时视觉导航控制。

基于神经网络的汽车车图象自动识别

王年 任彬

提出了一种利用前向三层神经网络及计算机视觉技术对汽车车型进行自动识别的方法，包括汽车车型图象的分割，特征提取以及基于前向三层神经网络的自动识别和分类，文中的所有算法均在５８６／１３３微机上实现，识别和分类效果良好。

粗糙集神经网络在图像分割中的应用

Rough sets neural network used in image segmentation

吴冰[1] 魏建[1] 刘艳昌[1] 李慧[2]

提出了粗糙集神经网络用于图像分割的方法.该方法利用粗糙集约简理论对分割后的图像区域特征进行约简,以降低特征向量维数,抽取出规则,然后根据这些规则构造神经网络隐含层的神经元个数,从而确定粗糙集神经网络的结构.粗糙集神经网络中每个神经单元的输入为区域值,输出为决策分类值,此时权值预设为各规则粗糙隶属度值,然后用BP算法迭代,最终实现图像的分割.试验证明,该方法大大缩短了训练时间,提高了精度,并且得到优于常规的分割图像以及满足图像处理的实时性要求.[著者文摘]

The paper provides the method of the rough set neural network for image segmentation. The theory of rough reduction be used for the regional characteristics of segmented image, to reduce the dimension of feature vectors, extracted rules, then construct the number of hidden layer neurons by those rules. Finally, determine the structure of neural network, set input of each neuron in rough set neural network as values region, and output value as classification decision. Predetermined value of the right is the degree of membership rough rules, and then use BP iterative algorithm to the ultimate realize image segmentation. Experimental result indicated that the method greatly reduce the training time, improve the accuracy of the segmentation, and be superior to conventional images. It satisfies the requirements of real - time image processing.[著者文摘]

用BP神经网络进行秧苗图像分割

吕朝辉 陈晓光 等

采有BP神经网络模型，研究了真彩色秧苗图像分割的神经网络方法。选取训练样本图像，以人工分割后的图像结果为导师信号，将图像的特征向量采用BP算法进行训练，获得有效的网络权值。以玉米秧苗图像为实例进行训练和图像分割，实验结果表明，BP网络能够获得较好的分割效果。该研究为进一步的秧苗图像处理奠定了基础。

一种基于空间域和频谱域特性的图象分割方法

吴新根 鲍旭东

提出了一种基于空间域和频谱域特征的神经网络的医学图像分割方法。本方法不需要教师监督，能自动生成最优的网络输出节点，即分类数，对ＣＴ，ＭＲＩ和超声图像的分割表明本方法有效方便。

基于多神经网络分类器组合的火焰图像分割

李树涛 王耀南 等

单一神经网络分类的性能很大程度上取决于网络参数的选择，设计一个性能最优的神经网络分类器是非常困难的。针对这一问题，本文提出了基于多个BP神经网络分类器组合的回转窑火焰图像分割方法。选取多组不同的训练样本对多个具有不同初始条件的BP网络进行训练，网络收敛后，用于火焰图像的分割，会产生多种分割结果，采用平均值法、投票表决法、最大统计概率法和神经网络4种方法对其进行组合，得到了最科的分割结果。实验结果表明，本文提出的方法具有分割效果好和可靠性高等优点，满了实际使用的要求。

基于BP神经网络的混凝土超声CT图像分割

A Segmentation Method of Ultrasonic CT Image Based on BP Neural Network

李卓球 方玺 宋显辉

由于图像直观的特点，超声波层析成像技术在混凝土结构的无损检测中扮演日益重要的角色。采用BP神经网络模型，研究了超声波CT彩色图像的分割方法。以超声CT检测图像和起导师信号作用的二值图像为训练样本，采用BP算法进行训练，对实测图像分割后得到了目标边缘清晰的较好分割效果：此方法主要优点是设计简单，易于实现；欠缺是BP网络学习时间过长，[著者文摘]

In this paper, the BP neural network method for segmenting the target and detecting the edge from the color image was studied. The .samples and their corresponding binary images for P,P neural network training were derived from the ultrasonic CT images in concrete＇s non-destructive detecting. The experimental results showed that the segmentation and the edge detecting effects of the BP network method were .satisfying. Easy to design was the best advantage of such method. However the drawback was BP neural network need too much time for learning.[著者文摘]