基于压缩感知和SVR的自学习单幅图像超分辨率重建

针对依靠外部图像库的超分辨率(SR)重建算法训练耗时长、容易出现错误高频细节的问题,提出了一种基于压缩感知(CS)理论和支持向量回归(SVR)的单幅图像超分辨率重建方法。对降质图像本身训练SVR模型,充分挖掘图像自身的自相似特点。训练过程中先对输入图像边缘进行检测并对图像块进行分类,然后稀疏编码图像块,再根据图像的标签向量和稀疏表示矩阵训练得到SVR模型,并在测试过程中利用该模型预测高分辨率(HR)图像。实验结果表明,与基于外部库方法重建图像的方法相比,该算法所得结果的细节更加真实;与双三次插值方法相比该算法所得结果的边缘更加清晰。

基于SOM聚类的垃圾处理方式可视化分析方法

针对全国各省份垃圾处理方式的数据,提出一种混合可视分析方法。为了从多角度分析数据,混合U矩阵、平行坐标以及Small-Multiple 3种可视化技术,设计并实现了3种可视化视图的交互联动。首先,对数据进行聚类处理,将各省份近年的垃圾处理方式划分类别,采用SOM神经网络聚类算法实现聚类。然后,针对SOM聚类结果,采用U矩阵的方式进行可视化,并采用平行坐标描述每个聚类结果的各个属性。为了分析数据的地理属性及时序属性,采用Small-Multiple可视化技术。最后,实现多视图联动、刷新技术等交互方式,帮助用户自行探索数据,实现多视图的交互展示与分析。实验表明,这种混合可视方式可达到较好的多属性交互可视化效果,能够帮助用户了解并分析我国垃圾处理方式的分布及趋势。

矢量场流线自适应颜色映射增强算法

流线可视化归属于几何可视化,以一种直观的方式把矢量场方向信息表现出来,是矢量场可视化的重要方法。文中提出了一种基于矢量场场强分布特征自适应选择颜色映射方式的流线着色方法,能更好地展示矢量场属性,显示矢量场场强信息;并推导了矢量场场强分布偏度系数计算公式。首先,利用Sobol序列来确定流线种子点位置,根据种子点生成流线。然后,对矢量场场强数据集进行偏度系数计算,并与阈值比较后选择合适的颜色映射方式对流线着色。实验结果表明,使用Sobol序列确定流线种子点位置,能使矢量场流线分布更为均匀;将矢量场数据分布量化为偏度系数,根据偏度系数选择更为恰当的颜色映射方式,让颜色映射的效果更好地描述矢量场场强大小分布的实际情况。