基于快速残差插值和卷积神经网络的去马赛克算法

针对传统插值法存在的图像细节不能很好恢复的不足,利用卷积神经网络作为残差插值法的后处理操作,提出了一种基于残差插值和卷积神经网络的去马赛克算法。方法分为初始去马赛克和细节恢复后处理两部分。先用改进的基于梯度的快速残差插值法实现初步去马赛克插值,并针对恢复图像中包含了彩色伪影,细节丢失等问题,再使用深度残差网络学习恢复图像与理想全彩色图像之间的映射,实现后处理。在Kodak数据集和IMAX数据集上的实验结果表明,该方法结果在主观视觉特性和客观评价指标两方面相较于传统方法都有明显改进。     

基于函数尺度因子的有理分形插值及其应用

首先,提出一种用于曲线建模的具有函数尺度因子的有理分形插值函数,该函数能精确地刻画自相似较弱的不规则数据;其次,讨论分形曲线的稳定性、收敛性及计盒维数.实验结果表明,该方法相比于三次样条插值、函数尺度因子多项式分形插值、常数尺度因子有理分形插值,更适用于重建真实数据与不规则数据.     

代数函数域上快捷恢复LRC码的构造

分布式存储系统已经发展到了较大规模,只有引入冗余和编码技术,才能保证系统的稳定性.目前最为先进的编码技术就是局部恢复码(LRC).将LRC码引入分布式存储系统中,就可以实现较低的恢复成本和较高的恢复效率.利用代数函数域上的三项式构造一类线性LRC码,这类LRC码的恢复过程只要经过一次减法运算.然后,在Her-mite函数域上,利用这种快捷恢复的方法,得出当q越大,相对距离越接近最优的LRC码的结论.     

基于插值算法的模糊控制在工程上的应用

提出模糊控制系统的在线插值算法，此方法克服了普通模糊控制系统因控制器输入、输出变量量化所造成的控制精度低与可能出现的稳态颤振等缺点，并将其运用于工程实际。通过系统仿真，系统性能得以明显改善。     

变参数四点ternary插值细分理论

给出了变参数四点ternary插值细分模式理论.同时证明了该细分模式的收敛性和C1,C2连续性条件.     

线性元插值的误差分析

在区域Ω上分两种问题，一致剖分和非一致剖分，用线性元插值和线性变换，在Sobolev空间H0^1(Ω)上得到线性元插值的最佳误差估计，即||u(x)～u1(x)||取得最小值，u(x)是给定的函数，u1(x)是u(x)的插值函数。