跳到主要內容

臺灣博碩士論文加值系統

(44.200.27.215) 您好!臺灣時間:2024/04/24 17:57
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:黃進旺
研究生(外文):Jin-Wang Huang
論文名稱:植基於類神經網路隨機彩色濾波陣列辨識
論文名稱(外文):Efficient Identification of Arbitrary Color Filter Array Images Based on the Neural Network Prediction
指導教授:鍾國亮鍾國亮引用關係
指導教授(外文):Kuo-Liang Chung
口試委員:鍾國亮
口試委員(外文):Kuo-Liang Chung
口試日期:2016-07-11
學位類別:碩士
校院名稱:國立臺灣科技大學
系所名稱:資訊工程系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2016
畢業學年度:104
語文別:中文
論文頁數:39
中文關鍵詞:彩色濾波陣列辨識標準差倒傳遞類神經網路均方差Matlabnntool訓練
外文關鍵詞:Color Filter ArraysIdentifyStandard DeviationBack Propagation Neural NetworkMean Square ErrorMatlabnntoolTraining
相關次數:
  • 被引用被引用:0
  • 點閱點閱:126
  • 評分評分:
  • 下載下載:7
  • 收藏至我的研究室書目清單書目收藏:0
本研究提出植基於類神經網路的倒傳遞網路的通用辨識法, 可以辨識14種的CFA的通用式, 包括RGB型, 非RGB型, 特別可以針對目前較難以辨識的RGBW型, 以進行辨識未知的CFA圖像, 雖然稍耗時間, 但可辨識更多不同種類的CFA。本研究採用單一區塊作為樣本演算單位, 因此將影像分割成數個區塊(Blocks), 輸入到倒傳遞神經網路中進行訓練, 以區分出各個CFA 模組的所屬神經元的結果。
This study presents a back propagation network–based method to identify the input CFA pattern. In this thesis, we can tackle 14 kinds popular CFAs.
In the proposed learning-based CFA-recognition method, some statistical estimates and efficient sampling technique are employed. Based on Kodak and Imax test image sets, experimental results on nntool in Matlab show that the recognition accuracy is 100% although the execution time requirement has the room to be improved.
教授推薦書…………………………………………………………i
論文口試委員審定書………………………………………………ii
中文摘要 ……………………………………………………………iii
Abstract ………………………………………………………………iv
誌謝………………………………………………………………v
目錄……………………………………………………………………vi
圖目錄 ………………………………………………………………vii
表目錄………………………………………………………………viii
第一章緒論………………………………………………………………1
1.1類神經網路介紹 ………………………………………………2
1.2類神經網路架構 ………………………………………………4
第二章使用理論介紹……………………………………………………6
2.1共軛梯度法(Scaled conjugate Gradient) ………………8
第三章植基於類神經網路隨機彩色濾波陣列辨識 …………………9
3.1樣本取樣與正規化…………………………………………9
3.2網路訓練及辨識……………………………………………11
第四章實驗結果 ………………………………………………………16
4.1所使用類神經網路的設定…………………………………18
4.2實驗數據……………………………………………………24
第六章結論 ……………………………………………………………29
參考文獻 ………………………………………………………………30
[1]B. E. Bayer, “Color imaging array,” U.S. Patent# 3 971 065, 1976.
[2]M. Parmar, and S. J. Reeves, “A perceptually based design methodology for color filter arrays,” Proceeding of IEEE ASSP 2004, Montreal, pp. 473-476, May 2004.
[3]R. Lukac, and K. N. Plataniotis, “Color filter arrays: Design and performance analysis,” IEEE Trans. Consumer Electron, Vol 51, No. 4, pp. 1260-1267, Nov. 2005.
[4]Y.H. Huang, K.L. Chung, and T.J. Lin, "Efficient identification of arbitrary color filter array images based on the frequency domain approach", Signal Processing, 115, 2015, pp. 120-129. (SCI Impact Factor: 2.238; Ranking=51/248 (Engineering, Electrical & Electronic)).
[5]J. Leonard, and M.A. Kramer, "Improvement of the backpropagation algorithm for training neural networks", Computers & Chemical Engineerin Volume 14, Issue 3, March 1990, Pages 337-341.
[6]Fletcher and C. M. Reeves, "Function minimization by conjugate gradients", Comput. J. 7 (1964), 149–154.
[7]Polak and G. Ribi`ere, "Note sur la convergence de directions conjugu´ee", Rev. Francaise Informat Recherche Operationelle, 3e Ann´ee 16 (1969), 35–43.
[8]Martin Fodslette Moller, "A Scaled conjugate Gradient Algorithm for Fast Supervised Learning", Neural Networks, Vol.6, pp. 525-533, 1993.
[9][Online].Available:<http://www4.comp.polyu.edu.hk/~cslzhang/CDM_Dataset.htm>, slate March 5 2016.
[10] [Online].Available:<http://r0k.us/graphics/kodak/>, slate March 5 2016.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top