复图像域正则化特征增强SAR成像方法

通过分析合成孔径雷达(SAR)的成像过程和频域上的正则化特征增强方法,提出了一种在复图像域进行正则化特征增强的SAR成像方法,直接从SAR复图像域数据出发,利用先验信息,使用正则化方法重建高分辨率的SAR图像。实验结果表明,该方法能较好地保护目标并增强目标的可分辨性、抑制旁瓣和噪声、提高SAR图像的对比度。通过大量实验,研究了正则化参数的选取规律,总结出一些有用的结论。复图像域上的正则化特征增强方法的计算量比频域上的正则化特征增强方法的计算量大大减小。     

图像恢复问题的梯度稀疏化正则方法

针对图像恢复中边缘损坏及细节丢失等问题,从分析梯度直方图的分布特征及梯度稀疏性最佳表示出发,提出了一种基于梯度稀疏性的正则方法,建立了具有梯度先验信息的图像恢复模型。该模型不仅能够增强图像的细节特征,而且能够在去除模糊及噪声与保持图像边缘之间取得很好的平衡。设计了一种新的优化算法对模型进行求解。实验结果表明,新算法快速有效且收敛性好, 新模型能够在很好地去除模糊和噪声的同时,有效保留图像边缘及纹理等信息。     

一种带有忠诚项的张量扩散滤波方法

针时Weickert的张量扩散滤波模型在滤除噪声的同时虽然较好地保留了大的边缘信息,但对于一些细小边缘在扩散的过程中却被模糊掉了,在其扩散方程中添加了随时间尺度自适应变动的忠诚项,这样,扩散滤波与边缘保留这两者之间就得到一个较好的折衷,从而使得扩散去噪的同时尽可能多地保留了图像的边缘信息.另外,为了在不同区域进行不同方式的扩散,将边缘增强与相干增强两个模型结合起来,对扩散张量的两个特征值重新进行了设置.实验表明本方法在细小边缘信息的保留上有较明显的改进.     

基于自适应分数阶微积分的图像去噪与增强算法

针对传统的图像去噪算法容易忽视图像纹理细节的问题,首先提出一种全局自适应分数阶积分去噪算法。该算法可以在去除图像噪声的同时,对图像的纹理进行一定的保留。其次在全局自适应分数阶算法的基础上,针对一类低强度椒盐噪声提出另一种基于小概率策略的自适应分数阶微积分图像去噪与增强算法,该算法将图像中噪声点的出现视为小概率事件并进行分割,然后再采用自适应分数阶积分对噪声点进行处理的同时,采用自适应分数阶微分对图像的纹理进行增强和保留。实验结果表明,两种方法都可以达到较好的去噪效果,其中基于小概率策略的自适应分数阶算法在去噪的同时更具有增强图像的边缘的效果。     

结构自适应的视频通信误码图像恢复方法研究

提出视频通信差错控制中基于空域纹理匹配和边缘重建的图像恢复方法。该方法将视频通信中受损块进行简单分类,然后对受损的纹理块、边缘块和平坦块采用“分而治之”的策略:①对受损纹理块采用最佳邻域匹配算法,在图像中寻找其相似块,并用该相似块取代坏块;②对受损边缘块,利用受损块周围的边缘信息,通过边缘检测和合适的边缘勾连准则,确定应该勾连的边缘对象,然后调整拟合与插值的参数来重建受损块中存在的边缘信息;③对平坦块,采取多方向线性插值进行恢复。仿真实验结果表明:该方法能适应于不同种类的图像、计算量适中,而且在保持边缘的连续性的同时恢复图像的感觉质量较高。     

复数兼容全变分SAR目标结构特征增强

针对合成孔径雷达(synthetic aperture radar, SAR)成像目标复杂结构特征难以精准提取的问题,设计复数兼容的多通道结构张量全变分(structure tensor total variation, STV)正则先验表征函数,进而提出面向SAR目标结构特征增强的复数兼容-STV(complex value compatible-STV,CV-STV)优化算法。所提算法的结构先验函数设计涵盖实部/虚部两个通道的结构张量,能适应SAR复成像数据特征并解析推导得到其近端算子,进而简化求解问题的模型复杂度。同时,将CV-STV正则优化算法引入稀疏驱动先验,借助交替方向多乘子法(alternating direction method of multipliers, ADMM)多任务优化框架实现目标散射点多特征的联合表征与增强。实验部分分别应用SAR仿真与实测数据对所提CV-STV正则优化算法进行有效性验证;同时利用相变分析实验对比传统特征增强算法,验证了所提算法的优越性。     

空域中基于正则化技术的有效图像复原算法

针对模糊图像的复原问题，在正则化技术解决病态性基础上提出了一种有效的空间域图像复原算法。该方法对正则项进行空间自适应加权从而局部地控制图像的平滑性，并用共轭梯度运算来改善算法的收敛性。计算机仿真结果表明，该方法很好地再现了原图像的重要信息，复原图像在峰值信噪比和主观视觉效果方面都有显著的提高。     

自适应边缘检测最大似然分割算法

由于SAR图像中存在较强的乘性斑点噪声 ,给SAR图像分割造成很大困难。研究了分割SAR图像用的最大似然区域增长分割算法 ,并提出在分割前先利用自适应边缘检测方法获得边缘图 ,然后利用边缘图对图像进行初始分割。理论分析和获得的分割结果证明 ,引入自适应边缘检测后 ,不但在图像的均匀区域能更好地抑制斑点而且可以更好地保持图像的结构信息 ,图像分割效果得到明显改善。     

一种新的SAR图像斑点噪声自适应抑制方法

在合成孔径雷达(synthetic aperture radar, SAR)图像斑点噪声抑制处理中,为有效保护图像细节,提出欧拉弹性能量各向异性扩散去噪模型。该模型将各向异性扩散模型转化为最小能量变分模型,结合欧拉弹性能量模型的边界保护和增强能力,在抑制噪声的同时能更有效地保护和增强细节信息。同时为了提高计算效率,提出自适应变步长去噪算法。仿真和真实SAR图像的实验结果表明,该算法不仅在抑制噪声的同时能够很好地保护图像细节,而且有效减少了计算时间、提高了效率。     

基于并行映射卷积网络的超分辨率重建算法

针对基于卷积网络的超分辨率重建算法对不同场景下的图像存在复原质量不佳、细节信息丢失的问题,对卷积网络结构详细分析,结合重建模块和损失函数约束条件存在的问题,提出了基于并行映射卷积网络的超分辨率重建模型。该模型基于端到端的思想,构建并行映射网络及正则化约束条件,能对图像特征进行层次化自主提取,在高分辨率图像重建时极大地丰富图像特征的维数;并且将全变分正则化引入到重建模块,有效地克服了超分辨率的病态问题,从而获得鲁棒、丰富的图像信息,提升了重建图像的质量。实验结果表明,所提出的网络模型具有更优异的性能,其超分辨率算法在视觉评价和量化指标上取得了更好的重建效果。     

Head pose estimation method based on pose manifold and tensor decomposition

Pose manifold and tensor decomposition are used to represent the nonlinear changes of multi-view faces for pose estimation, which cannot be well handled by principal component analysis or multilinear analysis methods. A pose manifold generation method is introduced to describe the nonlinearity in pose subspace. And a nonlinear kernel based method is used to build a smooth mapping from the low dimensional pose subspace to the high dimensional face image space. Then the tensor decomposition is applied to the nonlinear mapping coefficients to build an accurate multi-pose face model for pose estimation. More importantly, this paper gives a proper distance measurement on the pose manifold space for the nonlinear mapping and pose estimation. Experiments on the identity unseen face images show that the proposed method increases pose estimation rates by 13.8%and 10.9% against principal component analysis and multilinear analysis based methods respectively. Thus, the proposed method can be used to estimate a wide range of head poses.     

基于四通道不可分提升小波的多聚焦图像融合

张量积小波及其提升小波只强调图像的水平方向和垂直方向的边缘,造成其在应用于多聚焦图像融合时结果图像的空间分辨率不高;而二维四通道不可分小波对图像进行融合时虽有较高的空间分辨率,但由于对图像进行分解和重构时采用了卷积运算,使得融合方法的运算量增大。针对上述问题,把二维四通道不可分小波滤波器组进行提升分解,并提出了一种基于此提升分解方案的多聚焦图像融合方法。首先,对二维四通道不可分小波滤波器组的多相位矩阵进行提升分解,并利用所得提升方案对源图像进行分解;其次,对分解后的低频子图像和高频子图像分别进行融合,得到融合金字塔;最后,做二维提升小波逆变换,得到融合后图像。利用熵、平均梯度和清晰度等客观指标对融合结果进行评价。实验结果显示,所建议提升小波融合方法比张量积小波和张量积提升小波融合方法及轮廓波融合方法有较高的清晰度,比提升之前的二维四通道不可分小波融合方法速度有了较大提升。     

扩散水平集框架下的MR图像左心室轮廓提取

针对单一模型难以有效分割心脏MR图像中左心室内外壁的难点,提出一种混合模型,首先将有较高效率的反几何扩散模型嵌入水平集方法,吸收各向异性扩散方法的优点,基于一条初始演化曲线就可以同时完成对左心室内外壁轮廓的分割;随后,在新的扩散水平集框架下引入一种快速形状约束和解剖学约束,修正分割结果。对心脏MR图像的分割试验表明,带先验约束的扩散水平集混合模型对左心室内外壁轮廓的分割结果较为理想。     

Non-Photorealistic Rendering in Chinese Painting of Animals

1 Introduction1 Non-photorealistic rendering (NPR) is a newly developed rendering technique in recent years. The goal of NPR is not rendering objects realistically but more creatively such as in simulating various painting styles. Curtis, et al. [1] simulates the physical property of media and substrate in watercolor. But his work only focused on 2D image processing and does not use the information of 3D model in 3D scene rendering. There is another important artistic style in NPR call…     

有一定物理基础的核素浓度预测神经网络模型

为解决突发核电事故后使用机理模型预测放射性液态流出物迁移扩散,需长时间迭代计算的不足,提出了一种新型混合神经网络模型,该模型耦合了描述液态流出物在受纳水体中迁移扩散的组分输运方程和神经网络模型,采用并行多种群混合进化粒子群算法计算神经网络权值与阈值.论文以湖北咸宁大畈核电站受纳水体富水水库为研究对象,对事故工况下长半衰期核素迁移扩散进行模拟预测,研究结果表明有一定物理基础的神经网络模型是一种有效、可行的预测模型,预测结果与机理模型的模拟输出拟合度较好,新模型较传统的黑箱神经网络模型以及基于单调型先验知识的神经网络模型具有更强的泛化性能改善能力.     

基于GARCH扩散模型的权证定价

考虑了标的资产服从GARCH扩散模型下的权证定价问题. 首先,基于有效重要性抽样(EIS)技巧,给出了GARCH扩散模型的极大似然(ML)估计方法; 然后,以上证和深证综合指数数据为例, 利用EIS-ML方法估计了GARCH扩散模型,表明了EIS-ML估计方法的有效性; 最后,给出了基于恒生指数权证的实证研究. 结果表明:GARCH扩散权证定价模型比经典的Black-Scholes(B-S)模型具有更高的定价精确性.     

American option pricing under GARCH diffusion model: An empirical study

The GARCH diffusion model has received much attention in recent years, as it describes financial time series better when compared to many other models. In this paper, the authors study the empirical performance of American option pricing model when the underlying asset follows the GARCH diffusion. The parameters of the GARCH diffusion model are estimated by the efficient importance sampling-based maximum likelihood （EIS-ML） method. Then the least-squares Monte Carlo （LSMC） method is introduced to price American options. Empirical pricing results on American put options in Hong Kong stock market shows that the GARCH diffusion model outperforms the classical constant volatility （CV） model significantly.     

MODELLING AND STABILITY ANALYSIS OF POPULATION GROWTH WITH SPATIAL DIFFUSION

In recent years, population growth models with spatial diffusion have beenextensively studied by many authors (for example, see [1-5]). In this paper, a populationgrowth model is considered with a discrete age-dependence and spatial diffusion, and isinvestigated in a semigroup framework. The spectral properties of the population oper-ator are given. On the basis of such spectral consideration, the asymptotic behaviourof the semigroup generated by the population operator is obtained. Finally, a nonlinearpopulation growth model is considered and its stability is analyzed.     

A DYNAMIC OPTIMAL ADVERTISING MODEL FOR NEW PRODUCTS

Many dynamic optimal control models for advertising make efforts to solve the problem of determining optimal advertising expenditures and other variables of interest over time for a firm or several competing firms,However,after analyzing the extant literature,one can find that few dynamic optimal advertising models available consider the problem within the product diffusion framework.Furthermore,the established models involving product diffusion are inspired by the Bass model,which has been out of date.This paper poses a dynamic optimal advertising model for new products,which considers the product diffusion based on the relative newly developed generalized version of the Bass model.In this paper,the optimal control model is used to derive the optimal advertising expenditure policy,which gives some implications to advertising practice.