多尺度生成对抗网络的图像超分辨率算法

基于神经网络的图像超分辨率方法往往存在重建图像纹理结构模糊、缺失高频信息的问题。为了解决该问题,在SRGAN的基础上提出一种多尺度并联学习的生成对抗网络结构,其中生成模型由两个不同尺度的残差网络块组成,首先对提取的低分辨率图像通过两个子网络的多尺度特征学习,然后使用融合网络进行残差融合,融合不同尺度高频信息,最终生成高分辨图像。在Set5、Set14、BSD100基准数据集以及SpaceNet卫星图像数据集上的实验结果证明了该算法在恢复低分辨率图像的细节纹理信息具有良好效果。     

单模型多传感器多尺度交互数据综合估计算法

将小波分析理论中的多尺度分析思想与传统Ｋａｌｍａｎ滤波、多尺度数据融合算法相结合,提出了单模型多传感器多尺度交互式数据综合估计新算法,并通过计算机的仿真结果,对此算法进行了定性分析;用标准差对此进行了定量分析,从而说明了该算法的有效性。     

单模型多传感器多尺度交互式数据综合估计算法

将小波分析理论中的多尺度分析思想与传统Kalman滤波、多尺度数据融合算法相结合,提出了单模型多传感器多尺度交互式数据综合估计新算法,并通过计算机的仿真结果,对此算法进行了定性分析;用标准差对此进行了定量分析,从而说明了该算法的有效性.     

基于GAN的医学图像仿真数据集生成算法

基于生成对抗网络(generative adversarial networks,GAN),提出了面向肝脏肿瘤CT图像仿真数据集生成深度学习算法.首先,将CT图像数据文件进行格式解析,单独保存为PNG格式的图像文件;然后,将肝脏病变区域统一标注为白色,并结合肝脏CT原图组成配对图片;最后,用生成对抗网络的pix2pix架构仿真生成病变肝脏图像.为将生成图像与目标图像进行定量分析、比较,本文采用了峰值信噪比和结构相似性作为模型的评价指标.实验结果表明,本文算法所生成的肝脏肿瘤CT仿真数据集的平均峰值信噪比为64.72dB,平均结构相似性为0.9973,证明了所生成的仿真图像数据有着非常高的真实度.     

对改进的信号多尺度估计算法的仿真实验

对一种改进的信号多尺度估计计算法（即ＩＭＳＥ算法）作了计算机仿真实验，并与ＭＳＥ算法作了统计对比，仿真实验与统计结构均表明，ＩＭＳＥ算法对于提高信号处理精度、降低信号估计误差更有效。     

基于多尺度学习型字典表示的极地浅层探冰雷达图像去噪算法

为了更好地解决极地浅层探冰雷达回波信号中的杂波和噪声问题,提出了一种基于多尺度学习型字典表示的极地浅层探冰雷达图像去噪算法。该算法首先通过曲波变换构建曲波系数矩阵,在曲波域使用自适应字典学习得到原子尺寸不同的多尺度字典,最后利用去噪和修正后的曲波系数重建浅层探冰雷达剖面图像,完成最终的去噪。结果表明:相较于曲波变换去噪算法、K-SVD(K-奇异值分解)去噪算法,改进的算法不但能够有效地去除噪声,提高图像的峰值信噪比,而且探冰雷达图像的边缘轮廓信息得到了较好的保留,有着良好的视觉效果。     

多尺度Retinex灰度图像增强算法

为提高图像识别在分类时的质量,必须在图像的预处理阶段对噪声进行滤除,对图像中的目标对象加以增强.从研究图像增强的空域法入手,利用多尺度Retinex灰度图像增强算法完成图像的增强.做到改善图像颜色恒常性,压缩图像动态范围,提高对比度,有效显示淹没在阴影、光照等区域中的细节. 在仿真实验中,对图像进行高斯滤波,确定了高斯滤波系数.仿真结果证明该方法可行,在完成图像增强的同时,对噪声有较好的抑制作用.     

多尺度融合dropout优化算法

为了改善传统标准dropout无法根据特定数据集确定合适尺度的不足,提出了多尺度融合dropout(MSF dropout)方法.利用验证数据集对多个不同尺度的网络模型进行训练,通过学习得到符合该数据集特征的最佳尺度组合,让MSFdropout具备自适应数据集的能力,从而使网络能够使用最佳尺度来进行高精确度的预测.首先训练若干组不同尺度的网络模型,使用遗传算法求出各网络模型的最优尺度;然后通过最优尺度对对应的网络参数进行缩小得到预测子模型;最后以一定的权重将这些子模型融合成为最终的预测模型.使用MSFdropout在标准数据集MNIST和CIFAR-10中进行实验,实验表明:当选择了合适的尺度数量和尺度梯度后,预测精度获得了明显的提升,同时很好地控制了计算时间,验证了多尺度融合方法的有效性.     

多尺度全变差图像去噪算法

结合小波和全变差方法,提出了一种多尺度全变差去噪算法. 该算法结合了小波的多尺度结构,并通过对多层小波分解后的高低频施加不同的正则化参数,在频率域上实行多尺度全变差去噪.实验结果证明,所提出的算法相对于全变差去噪方法和小波去噪方法,能够更好地抑制噪声、保持边缘和消除阶梯效应.     

多尺度变换近邻传播算法

利用多尺度变换将高维数据映射成低维数据,便于近邻传播聚类。仿真证明,与传统近邻传播算法相比,基于多尺度变换的近邻传播算法聚类精度高,收敛速度快。     

基于多尺度的掌纹辨识算法

为了解决局部二值模式(Local Binary Pattern,LBP)不能有效的提取掌纹不同尺度的特征,提出一种对曲线有很好描述、多尺度的第二代曲波变换(Curvelet)与LBP选择性结合的多尺度掌纹辨识算法。首先将原始掌纹图像进行Curvelet变换,获得不同尺度的掌纹图像;其次对得到的掌纹图像选择性使用LBP提取特征;最后采用卡方距离对不同的掌纹进行分类。通过对PolyU掌纹图像库中具有不同光照、平移、旋转的图像进行验证,证明了此算法对光照、旋转、平移都有很好的效果,且识别率高于LBP算法与其他传统算法,达到99.20%,证明了此算法的有效性,同时,特征提取与匹配时间为139.4×10-3s,满足实时性要求。     

多尺度多视点舰船目标红外视景仿真

基于模块化方法构建了舰船目标的多尺度多视点三维特征模型.根据大气传输参数、舰船材质的热物性参数和舰船温度分布,通过设置仿真软件Vega的SensorVision模块和SensorWorks模块参数,实现了舰船目标的多视点红外视景仿真.在此基础上,由多视点原始级别的红外仿真图像与二维高斯模糊模板进行卷积达到模糊降分辨率的效果,从而仿真出多尺度多视点的舰船目标红外图像.仿真结果表明,仿真生成的红外图像与实际图像较为接近,符合实际成像条件下的成像规律.     

融合多尺度特征的小样本字体生成

通过模型MS-Font设计一种多尺度生成器（multiscale generator,MG）,用于提取文字不同尺度结构信息特征,并将浅层信息和深层信息进行多尺度特征融合,构建不同尺度特征图之间的联系,以增强字体内容与风格信息的有效表达,提高生成网络的字体重构能力。在给定数据集上进行大量实验,结果表明模型MS-Font结果均优于对比算法,在FUNIT模型基础上,LPIPS提高0.007,SSIM提高0.12,ACC(S)提升5.2,ACC(C)提升4.0,验证了提出模型MS-Font的有效性。     

α尺度多小波正交尺度函数及其mallat算法

多小波解决了单小波不可能同时具有正交性、紧支性和对称性的困难,更具有研究的价值.在正交多小波理论的基础上,利用两尺度矩阵研究了一种特殊的紧支撑尺度函数构造成正交尺度函数的方法以及a尺度正交多小波mallat算法,得出了相应的分解和重构关系.     

多雷达多目标航迹起始算法研究

提出了一种基于聚类分析与逻辑法相结合的集中式多雷达航迹起始算法。首先采用聚类算法对传送到融合中心的数据进行聚类,使每一类中的数据代表同一个目标,并找出聚类中心作为等价的单雷达的量测,从而使航迹起始过程相对简化;在起始算法中根据目标的运动特点,对逻辑法进行了一定的改进。仿真试验证明了该算法的有效性。     

组网雷达自适应数据融合跟踪算法

针对高速、机动目标的实时、精确跟踪问题,提出一种能在线调整组网雷达中各雷达权值的自适应数据融合算法。按照一定的规则寻找最佳的权系数,使融合后目标的状态估计值最优;把输入信号用作自适应滤波器的量测信号,利用新息相关的自适应滤波算法对状态方程及量测方程中误差的变化调节增益矩阵的大小,同时根据自适应滤波的状态偏差输出信号与当前的量测数据,运用模糊推理规则对组网雷达系统中各雷达的权值进行在线调节;系统输出结果即为自适应数据融合下目标的最优状态估计值。仿真结果验证了该算法在跟踪精度和收敛速度上的优越性,实现了组网雷达系统对目标的自适应跟踪。     

大数据偏序结构生成原理

形式概念分析是一种强有力的数据分析和可视化工具,自提出至今已被应用到数据挖掘、知识发现等领域.但由于概念间复杂的关系使得概念格中的连线错综复杂,尤其是在处理大的形式背景时显得尤为混乱.形式背景中所包含的属性间关系、对象间关系以及对象一属性关系是形式背景的本质关系,本文在人类认知事物哲学原理的指导下,构建了以描述属性间关系和区分对象为基本目的的偏序结构图,并描述了其构建方法.该种图形层次分明、结构清晰,不存在线的交叉连接,具有比较好的可视化效果,尤其计算方法简单,存在应用到大数据的潜能,为大数据数据分析和知识发现提供了一种潜在工具.     

多尺度小波边缘检测算法研究

根据采用小波变换提取图像边缘的多尺度特性,对小波多尺度间的相关性进行了分析,提出多尺度小波变换相关算子,分析了相关算子的滤波特性,利用相关算子对图像的多尺度边缘信息进行了优化。既保留了图像中重要的细节边缘信息,又剔除大量的冗余边缘和虚假边缘,有效地提取出了图像的特征边缘。     

基于多视点多尺度的轮廓畸变图像仿真方法

针对目标成像中出现的尺度变化和轮廓畸变等问题,提出了飞机目标的多视点多尺度轮廓畸变图像仿真方法.采用MultiGen建立目标的精确三维模型,先通过高斯球仿真其不同视点图像,然后由多视点原始级别图像轮廓通过高斯金字塔进行模糊降分辨率处理,最后对不同尺度图像轮廓叠加不同强度的高斯噪声.仿真试验结果表明,该方法生成的图像能逼真地模拟实际图像,可作为ATR系统性能测试所需实验数据.