基于BP神经网络的彩色温度软测量

合集下载

基于BP神经网络的自然感彩色融合算法

基于BP神经网络的自然感彩色融合算法何炳阳，张智诠，李强，谢志宏（陆军装甲兵学院控制工程系，北京 100072）摘要：红外与可见光图像的自然感彩色融合能够显著提高人眼视觉的情景感知和目标探测能力。

基于样本的融合算法是一种快速有效、实时性强的自然感彩色融合算法。

针对已有算法构建颜色查找表时存在的样本数据冲突和查找表不完整两个难题，提出一种基于BP神经网络的自然感彩色融合算法。

算法采用BP神经网络对图像样本的二维灰度向量(g1, g2)和三维色彩向量(R, G, B)进行非线性拟合，从而获得灰度与色彩间的映射关系f(g1, g2)→(R, G, B)，并由此构建完整的颜色查找表。

融合时，由输入的双波段图像的灰度g1,g2和颜色查找表得到彩色融合图像。

实验结果表明，本文融合图像颜色自然，景物易于分辨，在清晰度、彩色性、映射准确性方面已经达到甚至优于Toet算法的图像融合效果。

关键词：彩色融合；颜色查找表；色彩映射；BP神经网络；非线性拟合中图分类号：TP391 文献标志码：A 文章编号：1001-8891(2018)05-0431-07 Natural Color Fusion Algorithm Based on BP Neural NetworkHE Bingyang，ZHANG Zhiquan，LI Qiang，XIE Zhihong(Department of Control Engineering, Academy of Armored Army Forces, Beijing 100072, China)Abstract：The natural color fusion of infrared images and visible images can significantly improve the situation perception and target detection of human vision. Sample-based color fusion is a fast, effective, and real-time natural color fusion algorithm. In view of the problems of the existing algorithm in terms of the color look-up table construction, i.e., sample data collision and look-up table incompleteness, this paper proposes a new natural color fusion algorithm based on the BP neural network. In the algorithm, the mapping f(g1, g2)→(R, G, B) between grayscale and color is obtained by using the BP neural network to nonlinearly fit between the two-dimensional grayscale vector (g1, g2) and the three-dimensional color vector (R, G, B) of the image simples. Subsequently, the color look-up table is constructed based on the mapping. During color fusing, the fused image is obtained by the color look-up table and the input grayscale g1,g2 of dual-band images. The experiments show that the fused images based on the proposed algorithm have natural colors and are easily distinguishable objects. The fusion results obtained by the proposed algorithm are almost as good as or even better than the fusion results by Toet’s method in terms of definition, colorfulness, and mapping accuracy.Key words：color fusion，color look-up table，color mapping，BP neural network，nonlinear fitting0引言红外和可见光图像融合能够充分综合不同波段图像的互补信息，获得更利于人眼感知的场景图像，因而成为图像融合中的研究热点，在情报侦查、安防监控、辅助驾驶等领域具有很大应用潜力和应用价值。

基于神经网络的图像颜色测温研究

分析比较三种网络在图像颜色测温中对温度的拟合。关键词：图像测温；线性逼近；经网络非神
中图分类号：Ｐ５Ｔ７１文献标识码：Ａ文章编号：６２７０（０００ — １９０１７ — ８０２１）４０８ — ３
社．（３．２）０
３结束语
本文详细论述了数字图像旋转的几何原理．以及常用的３种插值方法在数字图像旋转中应用，介绍了３种插值方法的特
点。这３种插值方法不仅适用于图像旋转处理．适用于其它也
［］ＥＮＴ．ＡＳＬ美ＫＮＥＨＲＣＴＥＭＡＮ．字图像处理［．志刚，北数Ｍｊ朱译．
京：子工业出版社．０２电２ｏ．
ＲＡＥＧＯＮＡＬＺＤｉｉｌＩｇｒｃｓｉｇ（ｅｏｄＥｉｏ）ＡＦＬＣ．ＺＥ．ｇｔｍａｅＰｏｅｓｎＳｃｎｄｔｎａｉ
技术，０５３．２０（）
处理时间最短，时性比较好，得到的图像质量不高，旋实但在最近邻法转的过程中容易产生锯齿状边界。适用于要求旋转实时性高，但对图像质量要求不高的程序
研究的重要课题之一。尤其是高温方面的测量，现起来难度实很大，已经引起了国内外的广泛关注。由于物体图像颜色与温

应用BP神经网络的光谱测温与仿真

6' -* c" 6.WI62# "" W5]2.WI62# .$ "$# 其中!6为原始输入数据$W5]2和 WI62分别为输入数据中的最大值和最小值$6' 为归一化后的输入数据&*' (
网络的训练时间与网络的输入样本集有关!输入样本集越大越复杂!所需要的时间越长( 实际上! 训练时间不是首要考虑的问题( 随着训练时间的延长!训练误差应该越来越小( 但是!训练时间和训练误差并不是越小越好!而是有一个最优值的问题!因为网络存在* 过度训练+ (
>&"2)0-$)"'&"0-),0"'"-5,0"'"()-(.5/',$-)/%(4-5".%(D<3II
41MO&6C:WI6+1LnI5&:E&6C
16PNIN7NG&RD89&CG6IQP56E -7SG8Q&6E7QNIVIN9FGQO6&'&C9B58YI6 16PNIN7NG&RFGQO6&'&C9B58YI6 $;""="DOI65
$#引#言人工神经网络 58NIRIQI5'6G785'6GNX&8\P,))
简单而言它是一个数学模型既可用电子线路实现也可以用计算机程序来模拟是人工智能的一种实现方法神经网络的类型多种多样它们是从不同角度对生物神经系统不同层次的抽象和模拟从功能特性和学习特性来分典型的神经网络模型主要有感知器线性神经网络 TA神经网络径向基函数神经网络自组织映射神经网络和反馈网络等

BP神经网络在红外热波无损检测定量识别中的应用

ｈｅｏｄＡｒｉｅｙＥｎｉｅｒｎｉｅｓｔ，Ｘｉａ１０５，Ｃｈｎ）ＴｅＳｃｎｔｌｒｇｎｅｉｇＵｎｖｒｉｙｌ７０２ｎｉａ
Ａｂｓｒｃ：Ｉｒｅｏｏｖｈｒｂｅｆｑａｔａｉｅｉｅｔｆｃｔｏｔａｔｎｏｄｒｔｓｌｅｔｅｐｏｌｍｏｕｎｉｔｄｎｉａｉｎ，ＢＰｎｕａｅｗｏｋｗａｍｐｉｄｏｔｖｉｅｒｌｎｔｒｓｉｌｔｅｉｕｃｉｎｏｃｉｖｕｎａｉｄｎｉａｉｆｔｆｎｔｏｔａｈｅｅｑａｔｔｔｅｉｅｔｆｃｔｎ．Ｉｐｌｅｔｅｍｏｇａｈｉｖｉｏｎｕｓｄｈｒｒｐｙ，ｔｅｈｇｅｔｔｍｐｒｔｒｈｉｈｓｅｅａｕｅ
ｄｆｅｅｃａｄｈｂｓｔｓｉｇｉｅｉｆｒｎｅｎｔｅｅｔｅｔｔｗａｔｋｎｓｎｕ，ａｄｅｅｔｅｔａｄｉｍｅｅｗａｔｋｎｓｎｍｓａｅａｉｐｔｎｄｆｃｄｐｈｎｄａｔｒｓａｅａｏｔｕ，ａｄｔｅｅｒｌｅｗｏｋｗａｕｅｏｆｔｔｅｆｎｔｏｅａｉｎｈｐｏｅ．ＴｒｉｉｇａｐｅｕｐｔｎｈｎＢＰｎｕａｎｔｒｓｓｓｄｔｈｕｃｉｎｒｌｔｏｓｆｔｍｉｉｈａｎｎｓｍｌｓ
了３０次随机计算。通过结果分析，发现使用ＢＰ神经网络进行计算具备以下特点：网络收敛速度并不

BP神经网络的软测量和软件仿真资料

摘要软测量是一门新兴的工业技术,其原理是通过数学模型计算工程上难以检测以及无法检测的信号，很多过程工业非线性比较严重,如果用常规的非线性建模将使算法相当复杂,而神经元网络能够以任意精度逼近任意非线性映射,在解决高度非线性和严重不确定性系统建模与控制方面具有巨大的潜力。

因此,利用神经网络建立软测量模型越来越引起工程技术人员的关注。

本文在介绍基于神经网络软测量技术的基础上，采用VC++6.0设计了基于BP神经网络的软测量和仿真软件，其输入和输出个数可根据具体工艺需要方便的修改，便于软测量在工程应用中推广。

文中最后采用Matlab软件设计了仿真程序，以一个2输入1输出非线性模型为例进行了仿真，并给出了训练和仿真结果。

关键词:Matlab；软测量技术；VC++6.0；神经网络AbstractSoft-sensing technique is a newly booming industry technology. Its theory is to calculate the signal in engineering field, which is hard or incapable to check, with mathematical model. The non-linear is very serious in a lot of processing industry. The algorithm will be very complex if normal non-linear model is used. However, Neural network, which has great potential in high non-linear solution and serious undefined system model construction and control, could come to non-linear image with any accuracy. So more and more industry engineers pay much attention to set up the soft-sensing model with neural network.A general neural network soft-sensing technology is introduced in this paper.In this base, BP neural network Soft-sensing and simulation software is designed using VC++6.0.And the number of input/output parameter can be modified in the field of engineering .It is designed and simulated in Matlab using the non-linear model with two Input parameter and one output parameter. The training and the simulation results is given in the end.Key words :Matlab；Soft-sensing technique；VC++6.0；Neural network目录第一章软测量的概述 (1) (1)1.1软测量的技术发展 (2)1.2本文研究的内容和研究方法第二章基于神经网络的软测量模型建立 (4)2.1 软测量原理 (4)2.2 神经网络在软测量中的应用 (5)2.2.1神经网络原理 (5)2.2.2神经网络软测量模型建立第三章基于神经网络的软测量软件设计 (7)3.1 软件开发工具选用………………………………… (7)3.2 软件设计方法………………………………… (7)3.3 各模块的功能及实现…………………………………第四章软测量仿真研究 (16) (16)4.1仿真方法 (16)4.2 仿真结果及分析 (20)4.3 小结第五章结束语 (21)参考文献 (21)第一章概述1.1软测量的技术发展随着现代工业过程对控制、计量、节能增效和运行可靠性等要求的不断提高，各种测量要求日益增多。

BP神经网络的火焰图像温度检测方法

BP 神经网络的火焰图像温度检测方法王　韬,刘　奇,陈　洪,孟川杰(四川大学电气信息学院,四川成都610065)摘　要:基于炉膛火焰温度不同,与之相对应通过CC D 摄取的炉膛火焰图像颜色也不同,提出了一种检测炉膛火焰温度的方法。

将获取的炉膛火焰图像RG B 模型转换为HSI 颜色值,用H 、S 值作为BP 神经网络输入,通过样本图像训练后,拟合H 、S 与温度T 的非线性关系,计算得到炉膛火焰温度值。

实验表明,计算温度与实际温度良好相符,温度测量方法切实可行。

关键词:CC D ;BP 神经网络;HIS;颜色模型中图分类号:TH744114 文献标识码:A 文章编号:167224984(2005)022*******T emperature measurement method of flame im ages based on BP neural netw orkW ANG T ao ,LI U Qi ,CHE N H ong ,ME NG Chuan 2jie(C ollege of E lectric In formation ,S ichuan University ,Chengdu 610065,China )Abstract :Based on the fact that different furnace flame images captured by the CC D correspond with the different tem perature of the furnace flame ,a tem perature measurement method of the furnace flame images is presented in this paper 1Trans forming the RG B color m odel images captured by the CC D into HSI color m odel images ,training this neural netw ork and approximating the nonlinear relationship between the color and the tem perature based on BP neural netw ork ,the tem perature is calculated 1The experimental results prove that the calculating tem perature accords with the actual one and show that the method is feasible 1K ey w ords :CC D ;BP neural netw ork ;HSI ;C olor m odel收稿日期:2004212205;收到修改稿日期:20052022231　引　言设备安全运行的需要,使得锅炉炉膛火焰温度检测成为一个重点。

基于BP神经网络的彩色温度软测量

型的限制，便于给出工程上易于实现的学习算法．神经网络技术为解决非线性、不确定系统的建模问
题提供了一条有效的途径．
本文的主要研究内容是运用彩
色图像颜色处理技术和神经网络算
法对高温物体进行测温试验．测量系统如图１示．首先利用彩色数所
ｃｒｅｐｎｄｗｉｈｔｅｄｆｅｅｏｏｓ，ａｍｅｈｄｏｅｅａｕｅｍｅｓｒｍｅｔｏｍａｅｃｌｒｂａｅｎｎｕａｅ－ｏｒｓｏｔｈｉｒｎｔｃｌｒｆｔｏｆｔｍｐｒｔｒａｕｅｎｆｉｇｏｏｓｄｏｅｒｌｎｔｗｏｋｉｒｐｓｄ．Ｒ，ＧｎｏｅＲＧＢｄｌａｅｕｅｓｔａｔｒｈｒｃｅｅｔｒ．ＢＰｅａｅｗｏｋｒｓｐｏｏｅａｄＢｆｔｈｍｏｅｒｓｄａｈｅｐｔｅｎｃａａｔｒｖｃｏｓｎｕｒｌｎｔｒｉｓｄｔｐｒｘｍａｅｔｅｎｎｌｅｒｒｌｔｏｓｂｔｅｈｅｃｌｒａｄｔｅｔｍｐｒｔｒｆｈｇ —ｔｍｐｒｔｒｂ・ｓｕｅｏａｐｏｉｔｈｏｉａｅａｉｎｅｗｅｎｔｏｏｎｈｅｅａｕｅｏｉｈ — ｅｅａｕｅｏ－ｎ
Ｖ１２Ｎ．ｏ．７ｏ２
Ａｒ２０ｐ．０８
基于ＢＰ神经网络的彩色温度软测量
朱丽娟，周永华，周黄斌
（广西大学电气工程学院，广西南宁５００）３０４

基于BP神经网络的彩色图像边缘检测方法研究

项目资助：中央高校基本科研业务费专项资金资助项目（ＤＣ１２０１０１１３４）；大连民族学院人才引进科研启动基金资助项目（２０１１６２０３）；
１１６６００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ＴｈｉＳａｒｔｉｃｌｅｍａｉｎｌｙｓｔｕｄｉｅｄｔｏｕｓｅＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｔｏｄｅｔｅｃｔｔｈｅｅｄｇｅｏｆａｃｏｌｏｒｉｍａｇｅ．Ｕｓｉｎｇｉｍｐｒｏｖｅｄｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｔｏｔｒａｉｎｔｈｅｎｅｔｗｏｒｋ，ｍａｋｉｎｇｓａｍｐｌｅｓｄｅｃｒｅａｓｅｄｆｒｅｑｕｅｎｃｙｏｆｔｒａｉｎｉｎｇａｎｄ
ＥｄｇｅｄｅｔｅｃｔｉｏｎｏｆｃｏｌｏｒｉｍａｇｅｂａｓｅｄｏｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｓ
ＬｉｕＹｕｎ，ＺｈｅｎｇＲｕｉｒｕｉ＊，ＷｕＹａｎｊｕｎ，ＸｕＢａｏｃｕｉ，ＷｕＢａｏｃｈｕｎ
Ｉｔｃａｎｃｏｍｐａｒｅｔｈｉｓｅｄｇｅｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍａｎｄｔｈｅｃｏｎｖｅｎｔｉｏｎａｌｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍ，ｓｈｏｗｔｈｅｒｅｓｕｌｔｓｏｆ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

颜色和温度之间的非线性关系。实验结果表明，方法精度高，行速度快，实可行。该运切
关键词：度测量；Ｐ神经网络；色模型温Ｂ颜中图分类号：Ｐ９．Ｔ３１４文献标识码：Ａ
（ｌｇｆｌｔｃｎｉｅｒｇｕｎｘＵｎｖｒｉ，Ｎｎｉｇ５００ｈａｏｅｏＥｃｉＥｎｉＣｌｅｅｒｇｅｎ，Ｇａｇｉｉｅｔｓｙａｎｎ３０４Ｃｉ）ｎ
ＡｂｔａｔＢｓｄｏｈａｔｈｔｉｅｅｔｉｈｅｅａｕｅｏｊｃｉｇｓｃｐｕｅｙｔｅｄｇｔｌａｒｏｒｓｏｄｗｉｈｔｅｓｒｃ：ａｅｎｔｅｆｃａｆｒｎｇ —ｔｍｐｒｔｒｂｅｔｍａｅａｔｒｄｂｈｉｉｍｅａｃｒｅｐｎｔｈｔｄｆｈａｃｄｆｅｅｔｔｍｐｒｔｒｆｔｅｈｇｉｒｎｅｅａｕｅｏｈｉｈ—ｔｍｐｒｔｒｂｅｔｔｏｆｔｍｐｒｔｒａｕｅｎｓｎｍａｅｃｌｒｂｓｄｏｅｒｌｆｅｅａｕｅｏｊｃ，ａｍｅｈｄｏｅｅａｕｅｍｅｓｒｍｅｔｕｉｇｉｇｏｏａｅｎｎｕａ
ｎｔｒｓｐｏｏｅ．Ｒ、ＢｏｈｅｗｏｋｉｒｐｓｄＧ、ｆｔｅＲＧＢｍｏｅｒｓｄｔｅｐｔｅｎｃａａｔｒｖｃｏｓｄｌｅｕｅｈａｔｒｈｒｃｅｅｔｒ．ＢＰｎｕａｎｔｒｓｄｔｐｒｘｍａｅａｅｒｌｅｗｏｋｉｕｅｏａｐｏｉｔｓ
本文主要研究的内容是运用彩色图像颜色处
１引言
近年来，随着电子计算机技术和光学技术的发
理技术和神经网络算法对高温物体进行测温试验。测量系统如图１。首先利用彩色数码相机对高示温物体在不同温度发出的颜色光进行标定，接着通
文章编号：０３—６９（０７０ —０１ —０１０１９２０）４１３４
基于ＢＰ神经网络的彩色温度软测量
朱丽娟，永华，周周黄斌
（西大学电气学院，西南宁５００）广广３０４
摘要：于高温物体的温度不同，基与之相对应通过数码相机摄取的高温物体的颜色也不同，出一种提神经网络的图像颜色测温方法。选取ＲＢ模型的Ｒ、和Ｂ作为模式特征向量，ＢＧＧ用Ｐ网络拟合高温物体的
展，图像处理技术在燃烧测量方面应用引起了极大关注，很多学者对基于辐射图像进行温度测量的方
法进行了研究并取得了很大的进展。由于高温物体的颜色与其温度之间存在着某种映射关系，而神经网络具有函数逼近、式识别、据分类和预测模数等特性，尤其是它的自组织、自适应、自学习功能，将神经网络应用于颜色测温可以不受非线性模型的限制，于给出工程上易于实现的学习算法。神便经网络技术为解决非线性、确定系统的建模问不题，提供了一条有效的途径。
ｔｅｎｎｉｅｒｒｌｔｎｈｐｂｔｅｈｏｏｎｈｅｅａｕｅｏｈｉｈ— ｔｍｐｒｔｒｂｅｔｈｏｌａｅａｉｓｉｅｗｅｎｔｅｃｌｒａｄｔｅｔｍｐｒｔｒｆｅｈｇｎｏｔｅｅａｕｅｏｊｃ．Ｔｈｘｅｉｎａｒｓｌｓｏｅｅｐｒｍｅｔｌｅｕｔｈｗｓ
ｔａｈｃｕａｙｉｗｉｉｃｅｔｂｅｓｏｅｎｈｕｎｎａｅｉｑｉｋＯｔｅｍｅｈｄｉｆａｉｌ．ｈｔｔｅａｃｒｃｔｎａｃｐａｌｃｐ，ａｄｔｅｒｎｉｇｒｔｕｃ，ＳｈｔｏｓｅｓｂｅｓｈｓＫｅｒｓｔｍｐｒｔｒａｕｅｎ；Ｂｅｒｌｅｗｏｋ；ｃｌｒｍｏｅｙｗｏｄ：ｅｅａｕｅｍｅｓｒｍｅｔＰｎｕａｔｒｎｏｏｄｌ
ＴｅｐｒｔｒｏｔＭｅｓｒｍｅｉｌｒｍｅａｕｅＳｆａｕｅｎｔＵｓｎｇＣｏｏ
ＢａｅｎＢＰＮｅｒｌＮｅｗｏｋｓｄｏｕａｔｒ
ＺＨＵｉｎ，ＨＯＵｎ — ｕ，ＨＯＵａｇｂｎＬ— ａＺｊｕＹｏｇｈａＺＨｕｎ — ｉ
维普资讯
第２６卷第４期２００７年１２月计Fra bibliotek 算技
术
与自动
化
ＶＯ．６．．１２ＮＯ４
Ｄｅ．２００７ｃ
ＣｏｐｉｇＴｅｈｎｌｇｙａｄＡｕｏａｉｎｍｕｔｎｃｏｏｎｔｍｔｏ