基于多尺度局部边缘保持滤波的X射线图像色调映射算法

为了使工业和医疗检测系统获取的高动态范围X射线图像显示于普通显示器并保留丰富的细节信息,提出了一种基于多尺度局部边缘保持(local edge-preserving,LEP)滤波的色调映射算法。原始图像通过LEP滤波器得到代表近似信息的基础层图像,并与基础层图像对应位置灰度值作差,得到代表细微边缘的细节层图像。对该基础层图像进行两次类似的分解后,原始图像被分解成一个基础层和三个细节层图像。各细节层图像的细节信息增强后与基础层图像融合,并通过直方图均衡化提高图像的对比度,得到保留了原始图像中丰富细节的低动态范围图像。实验结果表明,所提算法在结构保真度、自然度、图像质量评分的表现上都得到了较大改进,有效地优化了图像质量,提高了X射线检测系统的检测效率。     

具有细节补偿和色彩恢复的多尺度Retinex色调映射算法

针对带色彩恢复的多尺度Retinex色调映射算法(MSRCR)在分离图像光照信息时未保留部分细节信息,导致结果图像出现细节模糊和颜色失真的问题,提出了一种具有细节补偿和色彩恢复的多尺度Retinex色调映射算法(MSRCD).该算法利用Retinex理论的基本原理将高动态范围图像分为反射层和光照层,先使用双边滤波从图像光照层中提取出细节信息进行补偿,然后从图像的反射层中分离出基本层信息并进行自适应调整,压缩其动态范围,最后通过色彩校正还原图像颜色.实验结果表明,与MSRCR算法及基于双边滤波的算法相比,MSRCD算法的处理结果保留了更丰富的细节信息,色彩逼近于真实场景且避免了光晕的产生.     

基于Retinex的亮度-梯度协同引导色调映射算法

针对梯度域色调映射方法在图像主观显示性能方面存在的不足,利用人类视觉系统的感知能力和梯度域方法,提出一种基于Retinex理论的亮度-梯度协同引导色调映射算法.首先,提出作用域感知的自适应归一化方法,针对不同作用域算法构造归一化映射;然后,引入Retinex亮度引导项对背景亮度进行估计,并基于梯度引导项对图像进行动态范围压缩;最后,将亮度、梯度引导项联合进行统一建模,用指数平均局部方差权重抑制光晕.实验结果表明,该算法在动态范围压缩的同时抑制了过饱和与伪影现象,具有良好的视觉效果和鲁棒性.     

基于双边滤波的HDR图像色调映射算法

高动态范围(HDR)图像是一种表达了超过一般显示器所能表示的真实场景中亮度大范围变化的图像类型,能够很好地区分场景的明暗区域,呈现更多的细节信息.为了能够在低动态范围显示器上显示HDR图像,需要进行动态范围压缩.采用一种基于双边滤波的HDR图像动态范围压缩算法,首先计算每个像素点亮度值,然后对其进行双边滤波处理,最后进行对比度的压缩并生成最终的图像.实验结果表明,该算法合成的HDR图像整体明暗效果较好,细节信息丰富.     

自适应分区的色调映射算法

针对HDR图像色调再生提出了一种自适应分区映射算法.首先将HDR图像的色度和亮度信息分离,根据直方图特征对亮度进行自适应分区,并构造分段线性色调调整函数,将显示亮度范围分别分配给不同的亮度分区,以增加再现图像的感知对比度;然后通过双边滤波技术提取图像细节进行补偿,保证了再现图像细节可见;最后将彩色和非彩色信息合成,并对亮度压缩带来的彩度损失进行色彩校正.实验表明:新算法在动态范围压缩、细节保持和颜色表现上均优于传统算法.     

一种基于多尺度的GPS动态滤波方法

以GPS动态滤波方法为研究对象,首先采用了多尺度分析方法,将机动载体的"当前"统计模型与基于统计特性的多尺度信号变换方法相结合;然后结合常规卡尔曼滤波算法,建立起GPS动态滤波的多尺度数据融合估计新算法;最终在最细尺度上获得目标状态基于全局信息的融合估计值。将上述算法应用于GPS的动态滤波中,仿真结果表明,该算法相对于原始算法可有效提高目标状态的估计精度。     

基于自适应查找表的高动态范围内容映射算法

高动态范围是媒体行业超高清标准体系的重要组成部分.随着标准的完善、政策的支持和消费市场的演进,高动态范围行业的矛盾转移到内容上,需要能将现有普通图像或视频上转换为高动态范围显示的算法,该过程称作逆色调映射,是非适定的底层视觉问题,故通常结合深度学习方法来解决.将深度学习与图像转换或映射的常用高效方法(自适应查找表)结合,提出面向用户终端的高效逆色调映射算子,并针对高动态范围容器更高量化位深的特性进行了优化.实验结果表明,该方法相比其他基于深度学习的逆色调映射算法在表现与计算开销上均有优势.     

基于多尺度分析的足迹图像滤波方法

根据足迹图像的特点,给出一种基于多尺度形态学足迹图像滤波算法。首先将噪声图像中不同尺度的亮特征和暗特征提取出来并分别保存在形态学开闭塔中,然后根据不同尺度噪声的多少给予不同的权重进行噪声平滑处理,最后通过对形态学开闭塔进行重构得到滤波图像。实验数据表明:在足迹图像滤波中本文给出的方法要优于文中提到的其他方法。     

多尺度多速率递归Kalman滤波

利用多尺度分析的思想，将模型的动态系统分析与信号多尺度分析的思想相结合，基于不同尺度上拥有不同采样速率的多传感器动态系统，建立一个多尺度、多速率递妆Kalman滤波器，在最细尺度上获得目标状态基于全局信息的融合估计值。     

基于语义相似性的资源协同过滤技术研究

为解决协同过滤推荐系统中所存在的可扩展性、稀疏性等问题带来的推荐性能下降,提出新的基于资源语义知识协同过滤算法,算法综合考虑了资源语义和用户评价的影响,改善基于资源协同过滤算法性能.实验表明,基于资源语义的协同过滤算法相对于传统协同过滤算法可提高推荐性能.     

参数控制的混合色调映射方法

为解决高动态图像的真实影像再现问题,提出了一种基于参数控制的混合色调映射方法.对图像进行全局预处理,保持整幅图像的亮度和对比度;采用参数控制的混合算子获取图像的局部对比度和细节;采用双边滤波解决色调映射过程中产生的光晕问题.仿真实验表明,该方法压缩了原始高动态图像的动态范围,保持了整体亮度,增强了局部细节而去除光晕效应影响,比现有的Sigmoid算法在各个参数上有显著提高.      

感知用户的Item-based协同过滤算法

传统的Item-based协同过滤算法中,项目相似度与目标用户是无关的,这可能导致计算出来的项目相似度,对于目标用户来说是不准确的.针对这个缺陷,提出了一种感知用户的Item-based协同过滤算法.该算法综合考虑到目标用户对项目相似度的影响,为不同的用户建立了不同的目标相似度.采用MovieLens数据集作为测试数据,平均绝对误差作为评价指标,实验结果表明,该算法可以有效地提高准确率.     

改进的协同过滤算法

针对传统的CF(Collaborative Filtering)算法和基于项目评分的CF算法中存在的数据稀疏、扩展性及计算效率低的问题,通过引用评价系数,对其相似性计算和推荐集的选取方法进行了改进,提出了一种改进的基于相关相似性的CF算法,产生更为准确的用户兴趣度预测,从而提高系统推荐的质量与推荐效率.对改进算法进行实验和性能对比与评价的结果表明,改进算法与传统算法相比,能显著提高推荐精度,平均绝对误差(MAE:Mean Absolute Error)为0.53-0.77.     

基于两阶段聚类的协作过滤推荐算法

协作过滤推荐是目前主流的个性化推荐方式,但数据稀疏问题影响了推荐系统的性能.提出了基于两阶段聚类的协作推荐算法,降低了数据的稀疏性,提高了最近邻的准确度,而且推荐精度较以往传统的算法有明显提高,时间复杂度也有明显降低.     

基于用户等级的协同过滤推荐算法

提出一种基于用户等级的协同过滤推荐算法, 解决了传统协同过滤推荐算法的扩展性问题. 该算法首先定义用户等级函数, 依据用户所评价的项目数确定用户等级; 并通过仅在用户等级的邻域内查找近邻的方法, 提高协同过滤推荐的效率. 实验结果表明, 该算法与传统协同过滤推荐算法相比, 在不影响推荐质量的前提下, 极大地提高了推荐效率.     

一种基于信任网络的协同过滤推荐策略

提出了一种基于信任网络的协同过滤推荐策略,在传统协同过滤策略中引人信任网络,将相似度和信任度结合在一起,提高推荐的准确率.实验证明,在数据稀疏的情况下该策略比传统的协同过滤推荐策略有更好的推荐效果.     

基于抽样近邻的协同过滤算法

针对实时推荐过程中实际数据的稀疏性, 满足条件的项目或用户较少, 导致推荐精度较低的问题, 提出一种采用抽样近邻的协同过滤算法. 该算法充分利用评分用户矩阵提供的信息, 增加了参与到预测评分计算过程中的用户或项目, 从而解决了传统协同过滤算法在实际应用中的不足. 实验结果表明, 在增加在线计算时间较少的情况下所给算法可有效提高推荐精度.     

基于双重阈值近邻查找的协同过滤算法

为了提高协同过滤算法的推荐精度, 从协同过滤算法中近邻用户/项目组的选择入手, 提出基于双重阈值近邻查找的协同过滤算法。该算法能充分利用现有的稀疏用户项目评分矩阵, 找出与目标用户相关性较强, 且能参与到评分预测过程中的候选用户。实验结果表明, 该算法相比传统的协同过滤算法及部分改进算法, 其推荐精度有一定提高, 对实际应用具有一定的参考价值。