基于神经网络的颜色单通道温度软测量

论文摘要

温度是科学研究、工业生产及日常生活中经常遇到的一种物理量。温度的测量已成为科学研究的重要课题之一,研究温度测量方法的改进具有很重要的现实意义。课题首先介绍了颜色辨温的方法概要和现状,论述了颜色辨温的原理,证明了高温物体的颜色与温度确实存在着某种映射的关系而且颜色的三相颜色刺激值R、G、B都与温度有着量上的联系。然后针对物体图像颜色与温度之间是一种复杂的非线性映射关系,且摄像技术受环境影响较大,整体采集误差较大等问题,根据神经网络能以期望的精度逼近任何连续映射、并且能通过自学习完成该逼近的能力,论述了应用神经网络来实现颜色温度测量的原理及优越性。其次,运用MATLAB软件平台实现了对图像采集样本的图象数字化处理,将采集图像通过分割、去噪滤波和像素分离,得到了R、G、B颜色单通道色素值,并实现了BP神经网络的编程,且通过仿真进一步地选取LM神经网络作为实验载体网络。最后通过三颜色通道独立的神经网络建模、训练和仿真,实现了应用神经网络对颜色温度的测量,得到了红、蓝、绿各颜色通道仿真实验结果。结果表明,R、G、B各颜色通道都有良好的测量精度效果。进一步比较了各个颜色单通道之间的测量效果的差别,其中绿色单通道精度最高且测量值域最大,为主导分量。实现了颜色测温方法的改进及模型的优化。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 本课题的重要意义
• 1.2 颜色温度测量
• 1.3 人工神经网络简介
• 1.4 国内外研究现状
• 1.4.1 国外研究现状
• 1.4.2 国内研究现状
• 1.5 论文的研究内容
• 1.6 本章小节
• 第二章 颜色测温原理
• 2.1 彩色测温方法原理
• 2.2 本章小节
• 第三章 人工神经网络原理
• 3.1 人工神经元模型结构
• 3.2 人工神经网络学习
• 3.3 误差反馈（BP）神经网络
• 3.3.1 BP神经网络的构造及算法
• 3.3.2 神经网络激活函数
• 3.4 本章小节
• 第四章 改进BP神经网络算法研究
• 4.1 BP算法的改进
• 4.2 改进BP神经网络的设计实现
• 4.2.1 BP神经网络实现
• 4.2.2 仿真结果以分析
• 4.3 改进神经BP网络的选取
• 4.4 本章小结
• 第五章 图像采集及预处理
• 5.1 图像处理相关知识
• 5.1.1 RGB图像
• 5.1.2 去噪滤波
• 5.2 实验系统及实验器材
• 5.3 应用MATLAB实现图象处理
• 5.4 数据预处理
• 5.5 样本数据分析
• 5.6 本章小节
• 第六章 应用神经网络实现颜色温度测量
• 6.1 神经网络模型的选取
• 6.2 仿真实验及结果分析
• 6.2.1 LM神经网络的实现
• 6.2.2 仿真与实验结果分析
• 6.3 本章小节
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 附录
• 致谢
• 攻读硕士期间发表的学术论文