文档库

最新最全的文档下载
  • 求职/职场
  • 总结/汇报
  • 工作bob网页登录网址
  • 教学研究
  • 资格考试
  • 外语考试
  • 高等教育
  • 高中教育
  • 初中教育
  • 小学教育
  • 幼儿教育
  • 表格/模板
  • 人文社科
  • 当前位置:文档库 > 基于MatlabWebServer的神经网络目标识别方法

    基于MatlabWebServer的神经网络目标识别方法

    收稿日期:2008-07-14;修回日期:2008-09-16。 基金项目:上海高校选拔培养优秀青年教师专项基金资助项目(600356)。

    作者简介:周薇娜(1982-),女,浙江杭州人,讲师,博士研究生,主要研究方向:模式识别、人工智能; 胡文骅(1976-),男,上海人,工程师,主要研究方向:数字信号处理、模式识别; 卢秀芝(1985-),女,浙江诸暨人,主要研究方向:模式识别。

    文章编号:1001-9081(2008)S2-0369-03

    基于Matlab W eb Server 的神经网络目标识别方法

    周薇娜,胡文骅,卢秀芝

    (上海海事大学信息工程学院,上海200135)

    (wnzhou@cie .shm tu .edu .cn )

    摘 要:提出了一个通过网络访问Matlab W eb Server 从而可以远程实现目标识别的方法。为使Matlab W eb Server 正常运行,对系统的使用环境进行了一定规则的配置,而进行目标识别的神经网络算法也作了适当的修改以适应所在环境。实验结果表明该系统在远程仿真上是可行的,它克服了目标识别只能单机运行的缺点。

    关键词:Matlab W eb Server;目标识别;神经网络;远程仿真中图分类号:TP311.52 文献标志码:A

    Target detecti on m ethod usi n g neura l network ba sed on M a tl ab W eb Server

    ZHOU W ei 2na,HU W en 2hua,LU Xiu 2zhi

    (College of Infor m ation Engineering,Shanghai M ariti m e U niversity,Shanghai 200135,China )

    Abstract:To realize the target detecti on thr ough I nternet re motely,a syste m based onM atlabW eb Server was p resented .ForMatlab W eb Server πs well running,the syste m envir on ment should be configured in certain rules,and the artificial neural net w ork arith metic by which the targetwas detected was modified t o adap t t o the envir on ment .The result shows that the syste m is feasible in re mote si m ulati on and it als o gets rid of the disadvantage that the target could only be detected on an on 2site computer .

    Key words:Matlab W eb Server;target detecti on;neural net w ork;re mote si m ulati on

    0 引言

    在进行红外小目标的检测、识别和跟踪中,通过红外传感

    器所获取的红外图像,不仅会受到随机噪声和外界环境的影响,而且由于目标较小,复杂背景中存在的与目标相似的点也会给检测带来困难。采用从背景出发,充分利用在图像中占绝大部分的背景来构造目标的检测方法,能一定程度地克服红外图像检测中的这些困难[1]。而背景预测大致分为线性预测和非线性预测两类。由于各类噪声影响,预测窗口中的点和估计值之间的关系往往不是线性的,所以考虑用非线性的关系进行处理[2]。神经网络在非线性函数处理方面有它独到之处,它可以较好地逼近任意非线性函数[3]。因此用基于神经网络的背景预测来识别小目标是一种较好的方法。但是,目前神经网络的应用研究多限于单机版,限制了人工智能系统的推广和应用,因此有效利用I nternet 软硬件资源,开发与之相应的人工智能系统有着巨大的现实与潜在需求。

    M atlab 是一个高性能的数值计算和可视化教学软件,通过基于Matlab 的W eb 应用,能使世界各地的人通过I nternet 将数据发送给Matlab W eb 服务器,借助Matlab 的强大计算与图形展示功能,获得计算的结果或相应的图形结果。因此本文提出了I nternet 环境下基于Matlab 的人工神经网络目标识别系统的开发方案。

    本文提供了在函数局部逼近方面表现较优的两种神经网络(NARX 、RBF 神经网络)算法进行背景预测,建立了基于Matlab W eb Server 的远程目标识别的系统体系框架。

    1 M atlab W eb Server 工作原理

    1.1 基于Matlab 的W eb 应用程序工作模式

    M atlab W eb Server 采用B /S 模式。该模式的最大优点是

    它将应用程序部署在W eb 服务器端,从而能够创建跨平台的应用[4]。服务器端的应用程序使用W eb 服务器作为和客户端浏览器的接口,应用程序在W eb 服务器上生成的HT ML 文档可以被所有平台上的用户浏览。本文所介绍的基于M atlab 的W eb 应用程序也是采用B /S 的工作模式。1.2 Matlab W eb 应用基本原理

    在基于M atlab W eb Server 的远程仿真系统中,用户通过浏览器向服务器发送数据,服务器进行计算分析,把结果(数据或图片)返回到客户端的浏览器上显示,其运行的基本原理如图1所示

    基于MatlabWebServer的神经网络目标识别方法

    图1 Matlab W eb Server 工作原理

    Matlab 的W eb 应用主要由两部分组成,一部分是M atlab W eb 服务器,它实际上是一个可执行的应用程序matlabserver .exe,是M atlab 应用程序运行的环境;另一部分是W eb 服务代理,一个可执行程序mat w eb .exe,它将所有对Matlab 的请求重定向到matlabserver .exe 进行处理。

    Matlab W eb 应用必须基于某一标准的W eb 服务环境,客

    户端浏览器通过TCP /I P 协议请求W eb 服务器中的文档,而

    第28卷

    2008年12月

     

    计算机应用

    Computer App licati ons

     

    Vol .28Dec .2008

    Matlab W eb代理筛选所有的请求,如果是M atlab W eb请求,则将其交由M atlab W eb服务程序处理,否则由标准的W eb服务器进行处理。在设置Matlab W eb应用环境时,其中M atlab W eb服务代理必须与系统的W eb服务器安装在同一台机器上,而M atlab W eb服务程序可以和M atlab W eb服务代理在同一台机器中,也可在不同的机器中。在具体实现时,还必须对Matlab W eb服务代理与M atlab W eb服务程序进行适当的配置,这是分别通过文件mat w eb.conf与matlabserver.conf来实现。

    2 神经网络目标识别方法

    本文提供的两种神经网络采用相同的目标识别步骤,但在网络的训练中使用各自不同的算法,用户可以通过I nternet 选用不同的红外图像,不同的神经网络及其参数进行训练。具体步骤如下:

    1)选取输入图像。通过文件夹选择对话框选择红外图像后,对输入图像进行预处理。将二维的输入图像逐行扫描,降维处理得到其一维信号。然后将该一维信号进行归一化处理,把输入信号映射到[-1,1]范围内。

    2)确定输出图像。如前所述的背景预测思想,认为输入图像就是期望输出。

    3)初始化。由用户给定隐含层节点数,输出节点数,误差预定值;当误差低于预定值时,训练自动停止。其中误差预定值的选取需要考虑到训练时间和逼近精度,根据两种网络的不同特点,需要选取不同的值。

    4)分别选用NARX网络采用的Levenberg2M arquardt算法和RBF网络学习算法进行训练。

    5)将输入图像输入到训练好的网络,得到背景预测图像。

    6)计算输入图像和背景预测图像之间的残差图。

    7)设置门限TH,找出目标的候选点。本文中选取TH为TH=k1×m+k2×σ。其中m为残差图的均值,σ为残差图的均方差。k

    1

    ,k2和检测概率有关,一般k1=1,k2取2~15。

    一般来说,两种网络均有良好逼近性能和快速收敛性,可以在信噪比较低的情况下得到较好的检测效果。但比较而言,NARX网络在收敛速度上比RBF略胜一筹,而RBF逼近能力则强于前者[5]。

    最终,把训练所得的背景图、残差图及结果图在输出页面上显示。

    3 基于Matlab W eb Server的目标识别该系统建立了小目标识别的人工神经网络模型,确定输入图像、神经网络的隐含层节点数、输出节点数、误差预定值等参数后,用户可以在任一客户端浏览器上,对所得到的红外图像进行目标识别,得到相应的过程及结果图片。本系统选用II S6.0+http://www.wendangku.net/doc/0061d21da76e58fafab00399.html作为开发环境。http://www.wendangku.net/doc/0061d21da76e58fafab00399.html强大的界面处理功能使所得页面更加人性、美观。

    3.1 W eb服务器设置

    首先要配置服务器,在网站根目录下创建cgi2bin目录,虚拟或物理的都可以,将mat w eb.exe和mat w eb.conf拷贝到里面,并设定此目录权限为可以执行脚本和应用程序。

    然后,在II S设置的W eb服务扩展中增加一个允许的W eb服务扩展,指定要求的文件为mat w eb.exe,扩展名可任取,这就设置了CGI的执行权限。由于Matlab Server是通过CGI方式工作的,为了让II S使用CGI程序,因此在此必须打开CGI权限。

    最后,在网站根目录下创建icons目录,虚拟或物理的都可以,将网站目录下的图片文件移入其中,并设定此目录拥有写权限,这就建立了专用的图片文件目录。

    3.2 Matlab W eb服务代理的设置

    Matlab W eb服务代理的设置通过mat w eb.conf配置文件来实现,具体包括Matlab W eb Server服务器的端口、等待时间、路径等的设置。例如:

    [RBFuncti on]

    m lserver=202.121.216.241/3服务器I P地址3/ m ldir=c:/I net pub/wwwr oot/online2ANN

    /3Matlab程序及图片保存地址3/其中RBFuncti on是应用程序的入口M函数,可根据用户选择的不同处理算法确定。这里是选RBF神经网络为例,下同。

    3.3 Matlab W eb服务器的设置

    Matlab W eb服务器的设置是通过matlabserver.conf配置文件来实现的,参数:

    -m1

    -p80

    其中m是可以同时启动的Matlab进程数目。p是指Matlab W eb Server监听的端口。

    3.4 创建输入网页

    输入网页是用户和服务器进行交互的接口。编写请求Matlab W eb服务的HT ML输入文档主要完成两方面的功能,一方面是接收浏览器用户提交的表单和数据,这与一般的W eb应用的处理方法相同,可以通过HT ML的表单来实现;另一方面是设置一个特殊的标志,将该请求重新定向到Matlab W eb服务代理进行处理。

    关键语句:

    第一条语句建立了HT ML表单和Matlab W eb Server的联系,其中matlab.exe是HTTP W eb服务器中的一个定位和通信程序,使matlab.conf的配置文件找到对应的M atlab W eb Server,第二条语句中表明输入表单中有一个隐藏的变量,其值va lue对应的是调用的M函数的名字。图2是系统的输入界面

    基于MatlabWebServer的神经网络目标识别方法

    图2 输入界面

    3.5 编写Matlab W eb应用程序的M文件

    编写Matlab的M文件,即接收输入HT ML表单中的输入值,使用前述神经网络目标识别方法处理图像数据,最后将计算结果,最终生成的图形通过适当的方法输出。主要步骤如下:

    1)初始化返回参数,以返回数据给输出文件。

    073 计算机应用2008年

    2)设定工作目录,这项工作需要加mat w eb .exe 客户端程

    序时,由mat w eb .conf 配置文件协作完成。

    3)接收输入文件的输入参数。4)根据这些参数进行相应的操作。5)输出参数到输出文件的HT ML 文件中。6)调用ht m lrep 函数将结果返回给输出文件。3.6 创建输出文件以及输出结果

    创建输出文件只需要两个步骤,首先是使需要输出的标量或者字符串的参数必须包含在输出HT ML 文件标记的“$…$”结构中,然后通过M 文件的ht m lrep 函数,使输出结构中相应的变量值替换这些标记。

    关键语句:

    $K1$

    输出界面如图3

    基于MatlabWebServer的神经网络目标识别方法

    图3 输出页面

    4 结语

    本文提出了基于M atlab W eb Server 的神经网络远程目标识别方法,经由M atlab W eb Server 客户端,用户可以通过网络对服务器端的神经网络进行训练实现目标识别。该方法在实际建立的系统中得到了有效的运用,取得了较好的使用效果。

    事实证明,该方法是可靠实用的。实际上利用相似的方法,利

    用M atlab 的强大仿真与计算功能也可以加强网络的仿真与计算能力,具有很大的实用价值。参考文献:

    [1] 彭嘉雄,周文琳.红外背景抑制与小目标分割检测[J ].电子学

    报,1999,27(12):47-51.

    [2] 李吉成,沈振康,鲁新平,等.基于背景杂波自适应预测的红

    外弱小目标检测[J ].激光与红外,2004,34(6),479-486.

    [3] MARTI N T H,HOWARD B D,MARK H B.Neural net w ork design

    [M ].北京:机械工业出版社,2002.

    [4] 朱勇.Matlab W eb Server 在交互式网络课件开发中的应用[J ].

    阜阳师范学院学报:自然科学版,2005,22(2):49-51.

    [5] 周薇娜,许开宇.红外船舶小目标检测[J ].电子测量与仪器学

    报,2006,20(S ):1071-1074.

    [6] ZHAO A I 2P I N G .Matlab W eb Server and its app licati on in re mote

    collaborative design of magnetic bearing syste m [J ].Chinese Journal of Mechanical Engineering,2001,14(2):179-183.

    [7] 周德廉,孙庆鸿,何杰,等.基于Matlab W eb 服务器的BP 神经

    网络分析资源的异地调用[J ].机械设计与制造工程,2001,30

    (6):54-56.

    [8] 李世银,辛晓丽,罗驱波,等.基于Matlab W eb Server 的通信原

    理远程仿真系统开发[J ].电气电子教学学报,2005,27(3):

    103-105.

    [9] 唐春霞,吴晓蓓,徐志良.基于Matlab 的W eb 应用[J ].控制工

    程,2005,12(2):159-161.

    [10]蔡丽萍,李茂青,王颖.基于Matlab W eb Server 的远程控制实

    验室仿真模块实现[J ].厦门大学学报:自然科学版,2007,44

    (4):499-502.

    [11]高山,潘丰.基于Matlab W eb 服务器控制系统的分析与设计

    [J ].江南大学学报:自然科学版,2005,4(2):116-119.[12]徐望明.基于Matlab W eb Server 的数字图像处理仿真实验[J ].

    信息技术,2007(10):13-16.

    [13]陈国强,赵俊伟.基于Matlab W eb 服务器的直线度误差远程评

    定系统[J ].机床与液压,2006(3):208-213.

    (上接第368页)

    5 结语

    通过对电测井曲线进行分层来得到地下含水层结构是一

    种经济可行的方法,对于水利部门和地矿部门这些需要了解地下水分布情况的部门来说是非常重要而有现实意义的一项工作。

    本文采用沃尔什变换对电测井曲线进行分层,详细给出了层界点的判断算法,尤其对难以确定的下降终止点判断算法进行了深入探讨和分析。得到的分层结果比较令人满意。而且本文所做的工作对于利用沃尔什变换进行信号的处理与分析有一定的意义。参考文献:

    [1] 张明玉.极值方差聚类法在测井分层取值中的应用———以莫北

    油田莫005#区为例[J ].新疆石油地质,2002,23(5):429-431.

    [2] 阎辉,李鲲鹏,张学工,等.测井曲线的小波变换特性在自动分

    层中的应用[J ].地球物理学报,2000,43(4):568-573.

    [3] 焦翠华,李冰.零通小波用于测井曲线多尺度分层[J ].测井技

    术,1999,23(3):173-175.

    [4] 王祝文,刘箐华.沃尔什变换在测井曲线分层中的应用研究[J ].

    地质与勘探,2003,39(4):81-84.

    [5] 林海燕,戴云,肖慈 .一种基于沃希变换的测井自动分层方法

    [J ].成都理工学院学报,1999,26(1):173-175.

    [6] LANN I N G E N,JOHNS ON D M.Aut omated identificati on of r ock

    boundaries:An app licati on ofW alsh transf or m t o geophysicswell 2l og analysis[J ].Geophysics,1983,48(2):197-205.

    [7] 陈钢花,孙志勇,耿生臣,等.测井曲线在济阳坳陷中生界地层划

    分中的应用[J ].测井技术,2005,29(1):40-42.[8] 杜环虹.测井曲线抛物线拟合及应用[J ].测井技术,1996,20

    (1):48-52.[9] 雍世和,陈钢花.测井曲线自动分层[J ].测井技术,1987,11(6):

    44-47.

    [10] 刘家瑾,陆国纯.测井曲线的有序最优化极差分层[J ].测井技

    术,1987,11(3):59-67.[11] 杜士兴.具有自动分层能力的综合性测井解释程序[J ].测井技

    术,1996,20(2):108-112.[12] 胡克珍,张超谟.测井资料计算机辅助地层对比[M ].北京:石

    油工业出版社,1996:1-13.[13] 史清江,王延江,孙正义,等.小波变换和沃尔什变换在测井曲

    线分层中的联合应用[J ].中国石油大学学报,2006,30(2):

    138-142.

    [14] 柴清和,柴立和,邱传飞.基于沃尔什函数的信号采样与恢复

    [J ].仪器仪表学报,2005,26(8):166-170.

    [15] 河北省地质局地球物理探矿大队编.电测找水[M ].北京:水利

    电力出版社,1974.

    17312月周薇娜等:基于Matlab W eb Server 的神经网络目标识别方法