基于BP神经网络的结构光光条中心提取

论文摘要

为了精确、快速地提取结构光光条中心,提出了一种基于BP神经网络的中心提取方法。给出了使用BP神经网络实现光条中心提取的基本原理、训练网络所需的理想中心点的求取方法,以及网络权值的调整算法。研究了隐含层神经元个数m、隐含层层数h,以及训练样本对中心提取精度的影响,结果表明:当m=3,h=1,训练样本为带有噪声的随机光条时,神经网络能够得到更好的光条中心。由对比实验可以看出,所提方法相较于Steger方法和灰度重心法的中心提取精度更高,而且对1280 pixel×960 pixel光条图像中心提取的平均用时仅约为0.04 s,为Steger方法的0.27%。所提方法具有高精度、高效率等优势,能够满足复杂光条亚像素中心提取的要求。

论文目录

• 1 引 言
• 2 基本原理
•   2.1 选取像素点
•   2.2 计算亚像素中心
•   2.3 神经网络的训练
• 3 实验与讨论
•   3.1 训练网络
•   3.2 截面中心提取
•   3.3 光条中心的提取
•   3.4 影响中心提取精度的因素
•     3.4.1 神经网络结构
•       1) 输入层神经元数
•       2) 隐含层神经元数
•       3) 隐含层层数
•     3.4.2 训练样本
• 4 对比分析
• 5 结 论

文章来源

类型: 期刊论文

作者: 李玥华,刘朋,周京博,任有志,靳江艳

关键词: 测量,结构光光条,中心提取,神经网络,网络训练,误差分析

来源: 光学学报 2019年12期

年度: 2019

分类: 基础科学,信息科技

专业: 自动化技术

单位: 河北科技大学机械工程学院

基金: 国家自然科学基金(51705130),河北省自然科学基金(E2016208084)

分类号: TP212.14;TP183

页码: 186-194

总页数: 9

文件大小: 6602K

下载量: 241