神經(jīng)網(wǎng)絡(luò)在三維形面測量中的應(yīng)用

課程報告神經(jīng)網(wǎng)絡(luò)在三維形面測量中的應(yīng)用神經(jīng)網(wǎng)絡(luò)的特點(diǎn)及應(yīng)用1.信息處理的并行性、信息存儲的分布性人工神經(jīng)網(wǎng)絡(luò)是由大量簡單神經(jīng)元相互連接構(gòu)成的高度并行的非線性系統(tǒng)，具有大規(guī)模并行性處理特性。雖然每個神經(jīng)元的處理功能十分有限，但是大量神經(jīng)元的并行活動使網(wǎng)絡(luò)呈現(xiàn)出豐富的功能并具有較快的速度。結(jié)構(gòu)上的并行性使網(wǎng)絡(luò)的信息存儲必然采用分布方式，即信息不是存儲在網(wǎng)絡(luò)的某個局部，而是分布在網(wǎng)絡(luò)所有的連接權(quán)中。一個神經(jīng)網(wǎng)絡(luò)可存儲多種信息，其中每個神經(jīng)元的連接權(quán)中存儲的只是多種信息的一部分。當(dāng)需要獲得已存儲的知識時，神經(jīng)網(wǎng)絡(luò)在輸入信息激勵下采用“聯(lián)想”的方法進(jìn)行回憶，因而具有聯(lián)想記憶功能。神經(jīng)網(wǎng)絡(luò)內(nèi)在的并行性與分布性表現(xiàn)在其信息的存儲與處理在空間分布、時間上都是并行的。神經(jīng)網(wǎng)絡(luò)的特點(diǎn)及應(yīng)用

2、高度的非線性、良好的容錯性和計算的非精確性神經(jīng)元在網(wǎng)絡(luò)中處于激活或抑制二種不同的狀態(tài)，這種行為在數(shù)學(xué)上表現(xiàn)為一種非線性關(guān)系，神經(jīng)元的廣泛互聯(lián)與并行工作也必然使整個網(wǎng)絡(luò)呈現(xiàn)出高度的非線性特點(diǎn)。而信息分布存儲的結(jié)構(gòu)特點(diǎn)會使神經(jīng)網(wǎng)絡(luò)在兩個方面表現(xiàn)出良好的容錯性：一方面，由于信息的分布式存儲，當(dāng)網(wǎng)絡(luò)中部分神經(jīng)元損壞時不會對系統(tǒng)的整體性能造成影響；另一方面，當(dāng)輸入模糊、殘缺或變形的信息時，神經(jīng)網(wǎng)絡(luò)能通過聯(lián)想恢復(fù)記憶，從而實現(xiàn)對不完整輸入信息的正確識別。神經(jīng)網(wǎng)絡(luò)能夠處理連續(xù)的模擬信號以及不精確的、不完全的模糊信息，因此神經(jīng)網(wǎng)絡(luò)給出的是最優(yōu)解而非精確解。神經(jīng)網(wǎng)絡(luò)的特點(diǎn)及應(yīng)用

3自學(xué)習(xí)、自組織與自適應(yīng)性自適應(yīng)性是指一個系統(tǒng)能夠改變自身的性能以適應(yīng)環(huán)境變化的能力，它是神經(jīng)網(wǎng)絡(luò)的一個重要特性。自適應(yīng)性包括自學(xué)習(xí)與自組織兩層含義。神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)是指當(dāng)外界環(huán)境發(fā)生變化時，經(jīng)過一段時間的訓(xùn)練或感知，神經(jīng)網(wǎng)絡(luò)能夠通過自動調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，使得對給定輸入產(chǎn)生期望的輸出，訓(xùn)練是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的途徑，因此人們經(jīng)常將學(xué)習(xí)與訓(xùn)練這兩個詞混用。神經(jīng)系統(tǒng)能在外部環(huán)境的刺激下按一定規(guī)則調(diào)整神經(jīng)元之間的突觸連接強(qiáng)度，逐漸構(gòu)建神經(jīng)網(wǎng)絡(luò)，這一構(gòu)建過程稱為網(wǎng)絡(luò)的自組織（或稱重構(gòu)）。神經(jīng)網(wǎng)絡(luò)的自組織能力與自適應(yīng)性相關(guān)，自適應(yīng)性是通過自組織實現(xiàn)的。神經(jīng)網(wǎng)絡(luò)的特點(diǎn)及應(yīng)用以上主要特性使得神經(jīng)網(wǎng)絡(luò)在眾多的領(lǐng)域得到了廣泛的應(yīng)用。在民用方面主要用于語言識別、圖像識別與理解、計算機(jī)視覺、智能機(jī)器人故障檢測、實時語言翻譯、企業(yè)管理、市場分析、決策優(yōu)化、物資調(diào)運(yùn)、自適應(yīng)控制、專家系統(tǒng)、智能接口、神經(jīng)生理學(xué)、心理學(xué)和認(rèn)知科學(xué)的研究等；在軍用方面主要用于雷達(dá)、聲納的多目標(biāo)識別與跟蹤、戰(zhàn)場管理和決策支持系統(tǒng)、軍用機(jī)器人控制各種情況、信息的快速錄取、分類與查詢、導(dǎo)彈的智能引導(dǎo)、保密通信、航天器的姿態(tài)控制等。課題中的應(yīng)用背景

光學(xué)三維傳感具有非接觸測量、精度高、速度快等優(yōu)點(diǎn),在工業(yè)檢測、機(jī)器視覺、生物醫(yī)學(xué)等方面都有重要應(yīng)用。其中傅里葉變換輪廓術(shù),憑借其只需一幅條紋圖,處理速度快等優(yōu)點(diǎn),得到了廣泛的應(yīng)用。但傅里葉變換輪廓術(shù)中存在濾波操作,在提取基頻分量,減小噪聲的同時,減小了用于恢復(fù)物體高度分布的有用信息的空間帶寬積,加上電荷耦合器件(CCD)離散采樣使靈敏度降低,該方法在對復(fù)雜物體進(jìn)行測量時,存在一定局限性。為了克服傅里葉變換輪廓術(shù)(Fouriertransformprofilometry,FTP)的不足,本文引入神經(jīng)網(wǎng)絡(luò),在只需一幅條紋圖的情況下對復(fù)雜物體進(jìn)行三維測量。測量原理

神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的函數(shù)逼近能力。在神經(jīng)網(wǎng)絡(luò)內(nèi)部,每個神經(jīng)元就是一個簡單的非線性函數(shù),在訓(xùn)練過程中,通過對內(nèi)部神經(jīng)元不斷進(jìn)行調(diào)整,整個神經(jīng)網(wǎng)絡(luò)能夠?qū)崿F(xiàn)復(fù)雜函數(shù)的功能。通過將樣本的理想輸出與神經(jīng)網(wǎng)絡(luò)輸出進(jìn)行比較,調(diào)整各個神經(jīng)元,使得兩者之差不斷減小,達(dá)到期望誤差值,使輸出函數(shù)F(x)完成理想的復(fù)雜函數(shù)功能。已經(jīng)證明,只要隱含層神經(jīng)元數(shù)目足夠,2層反向傳播網(wǎng)絡(luò)可以以任意精度逼近任意連續(xù)函數(shù)。在三維面形測量中,采用正弦光柵投影,獲得的變形光柵像一維表達(dá)式為

其中A(x)為背影分布,B(x)為調(diào)制度分布,為投影光柵的頻率,為攜帶有物體高度信息的相位分布。A(x),B(x)變化緩慢,假設(shè)其在半個周期內(nèi)為常數(shù),I(x)可以表示為

由于CCD離散采樣,得到的I(x)為離散分布函數(shù)。由于采樣過程不能保證條紋的峰值和谷值都能被恰好取到,所以由I(x)的離散值直接獲得A,B的方法是不可行的。為了得到I(x)的連續(xù)函數(shù)表達(dá)式,引入神經(jīng)網(wǎng)絡(luò)方法,建立一個單輸入、單輸出的2層反向傳播神經(jīng)網(wǎng)絡(luò),將采集到的I(x)離散分布作為訓(xùn)練樣本,由訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)可以得到I(x)的逼近函數(shù)。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。隱含層的傳遞函數(shù)為雙曲正切函數(shù)tanh(x)=sinh(x)/cosh(x)=[e^x-e^(-x)]/[e^x+e^(-x)]輸出層的傳遞函數(shù)為線性函數(shù),整個神經(jīng)網(wǎng)絡(luò)的輸出為

其中,,f(x),N分別為為隱含層上各個神經(jīng)元的連接權(quán)值、閾值、傳遞函數(shù)和神經(jīng)元個數(shù),其中f(x)=2/[1-exp(-2x)]-1,,r分別為輸出層神經(jīng)元的連接權(quán)值和閾值。

將神經(jīng)網(wǎng)絡(luò)引入三維面形測量中,在面結(jié)構(gòu)光投影的情況下,只需要一幅條紋圖便可以獲得復(fù)雜