基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统的非线性畸变图像校正方法存在模型建立较难等缺点,本文采用基于神经网络畸变图像校正方法,首先将免疫学中的克隆选择算法引入量子遗传算法,然后将这种混合的量子遗传算法和BP算法有机结合,优势互补作为神经网络的学习算法用于畸变图像的校正.实验结果表明该方法具有很高的精度.
推荐文章
基于BP神经网络的X光图像畸变校正技术的研究
反馈神经网络
X光图像
畸变校正
基于RBF神经网络的镜头畸变校正方法
平面标定法
RBF
神经网络
畸变校正
基于BP神经网络的X光图像畸变校正技术的研究
反馈神经网络
X光图像
畸变校正
基于BP神经网络的大视场成像畸变校正方法
大视场
光学畸变
BP神经网络
畸变校正
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP神经网络的畸变图像校正方法研究
来源期刊 计算机与现代化 学科 工学
关键词 BP神经网络 畸变图像 畸变校正 量子遗传算法 克隆选择
年,卷(期) 2009,(12) 所属期刊栏目 图像处理
研究方向 页码范围 92-94
页数 3页 分类号 TP391
字数 2267字 语种 中文
DOI 10.3969/j.issn.1006-2475.2009.12.025
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐丹 江苏科技大学计算机科学与工程学院 22 76 5.0 7.0
2 左欣 江苏科技大学计算机科学与工程学院 26 99 4.0 9.0
3 钟诚 1 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (40)
共引文献  (295)
参考文献  (11)
节点文献
引证文献  (3)
同被引文献  (0)
二级引证文献  (0)
1977(1)
  • 参考文献(1)
  • 二级参考文献(0)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(4)
  • 参考文献(1)
  • 二级参考文献(3)
2000(4)
  • 参考文献(1)
  • 二级参考文献(3)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(10)
  • 参考文献(1)
  • 二级参考文献(9)
2003(7)
  • 参考文献(0)
  • 二级参考文献(7)
2004(4)
  • 参考文献(3)
  • 二级参考文献(1)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
BP神经网络
畸变图像
畸变校正
量子遗传算法
克隆选择
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与现代化
月刊
1006-2475
36-1137/TP
大16开
南昌市井冈山大道1416号
44-121
1985
chi
出版文献量(篇)
9036
总下载数(次)
25
总被引数(次)
56782
论文1v1指导