物元可拓法在引水隧洞围岩稳定性评价中的应用

为预防和控制引水隧洞中围岩失稳事故的发生,将物元可拓法应用于围岩稳定性评价中。以滇中引水工程为背景,选取滇中引水工程某隧洞段,构建引水隧洞围岩稳定性评价指标体系,划分围岩等级,选用灰色关联分析法(Grey Relational Analysis, GRA)和因子分析法(Factor Analysis, FA)组合确定权重,基于物元可拓模型进行引水隧洞围岩稳定性评价,以期减少目前评价方法中一些不相容现象及其他问题所带来的影响,从而提升长距离特大输水工程围岩稳定性等级评价的精度。结果表明,GRA-FA-物元可拓模型围岩稳定性评价结果与实际等级基本相符,与逼近理想解排序法(Technique for Order Preference by Similarity to Ideal Solution, TOPSIS)相比,预测评价精度从62.5%提升到87.5%,准确性提升了约25百分点。因此,GRA-FA-物元可拓模型相较以往的评价模型可以更全面和客观地进行引水隧洞围岩稳定性评价,可为其他长距离特大引水工程施工风险评价提供理论支撑。

改进曲率驱动模型的敦煌壁画修复算法

针对敦煌壁画裂纹形状复杂、划痕不规则,采用CDD曲率扩散算法修复时易出现假边缘、阶梯效应以及修复时间长的问题,提出一种改进曲率驱动模型的自适应敦煌壁画修复算法.首先对CDD算法中梯度消失问题进行改进,使扩散项更加合理;然后引入自适应控制策略,壁画破损区域曲率不同时能够选择不同的修复模型进行动态自适应控制修复;最后利用光滑函数进行角点扩散修复,达到去噪和保护边缘的目的.对真实敦煌壁画进行数字化修复的实验结果表明,该算法较好地解决了CDD算法的边缘过渡不自然以及修复时间过长的问题,在PSNR和修复时间评价指标上均优于其他对比算法.

基于多尺度卷积神经网络的单幅图像去雾方法

针对传统的单幅图像去雾算法容易受到雾图先验知识制约及颜色失真等问题,提出了一种基于深度学习的多尺度卷积神经网络(CNN)单幅图像去雾方法,即通过学习雾天图像与大气透射率之间的映射关系实现图像去雾。根据大气散射模型形成雾图机理,设计了一个端到端的多尺度全CNN模型,通过卷积层运算提取有雾图像的浅层特征,利用多尺度卷积核并行提取得到有雾图像的深层特征,然后将浅层特征和深层特征进行跳跃连接融合,最后通过非线性回归得到雾图对应的透射率图特征,并根据大气散射模型恢复出无雾图像。采用雾图数据集对该模型进行训练测试。实验结果表明,所提方法在合成有雾图像和真实自然雾天图像的实验中均能取得良好的去雾效果,在主观评价和客观评价上均优于其他对比算法。

基于双域分解的多尺度深度学习单幅图像去雾

针对传统单幅图像去雾算法容易受到雾图先验信息制约而导致颜色失真,以及现有深度学习去雾算法受网络模型限制而存在去雾残留等问题,提出了一种基于双域分解的多尺度深度学习单幅图像去雾方法,设计了一个包含低频去雾子网和高频去雾子网的多尺度深度学习网络模型。首先采用双边滤波器对有雾图像进行分解,得到雾图的高、低频子图,然后通过设计的网络模型分别学习雾图高、低频子图与高、低频透射率之间的映射关系,再将模型学习得到的高、低频透射率进行融合,得到原始雾图对应的场景透射率图,最后根据大气散射模型实现有雾图像到无雾图像的恢复,采用雾图数据集对该模型进行训练测试。结果表明,所提方法在合成有雾图像和真实自然雾图的实验中均能取得良好的去雾效果,在主观评价和客观评价方面均优于其他对比算法。

基于序贯相似性和布谷鸟寻优的敦煌壁画修复算法

针对Criminisi算法在修复敦煌壁画时易出现错误填充、修复效率较低等问题,提出了一种基于序贯相似性和布谷鸟寻优算法结合的敦煌壁画修复方法。首先采用P-Laplace算子重新定义数据项,改进了优先权计算方法,避免了优先权频繁趋于0的问题;其次引入动态阈值序贯相似性检测算法进行匹配块的搜索,提高了壁画修复效率;为了使匹配块选择更加合理,再利用布谷鸟寻优算法确定最佳匹配块;最后通过迭代更新完成壁画修复。通过对敦煌壁画的修复实验表明,本文方法相比于同类比较算法,取得了较好的主客观修复效果,并且修复效率也得到了进一步提升。

基于信息熵和结构特性的敦煌壁画修复算法

Criminisi图像修复算法优先权计算中结构信息考虑不足和匹配时仅依靠颜色距离选择,致使壁画修复过程中易出现结构传播错误和像素错误匹配,鉴于此,提出了一种基于信息熵和结构特性的壁画修复算法.先在计算优先权函数时,引入度量像素块复杂度的信息熵,改进的优先权函数确定了最优待修补块,使结构信息丰富的区域优先修复;再采用样本颜色特征和块间协方差结合的方式确定匹配块集合,根据块间欧氏距离确定最佳匹配块;最后通过迭代更新完成壁画修复.对破损敦煌壁画进行实验,实验结果表明:该算法较好地克服了Criminisi算法错误匹配填充的问题,修复后获得了较好的视觉效果,提高了图像峰值信噪比等客观评价值.

基于Gabor变换和组稀疏表示的敦煌壁画修复算法

在敦煌壁画修复过程中,初始字典的随机选取易陷入局部最优,仅以颜色欧氏距离作为图像块分组标准会导致图像修复后易出现结构模糊和线条不连续等问题。针对以上问题,提出了一种基于Gabor变换和组稀疏表示的敦煌壁画修复算法。首先,采用互信息作为图像块分组准则,并建立相似结构组,这使得组稀疏表示更加合理;然后,通过Gabor小波变换对相似结构组进行特征信息提取,并结合PCA降维的方式得到初始化结构组的特征字典,避免了字典初始化随机选取的不足;最后,采用奇异值SVD分解和分裂Bregman迭代优化方法对结构组字典和稀疏系数进行学习并完成壁画图像的修复。实验结果表明,相比于其他对比算法,所提方法取得了较好的主客观修复效果。

基于边缘缺失重构和改进优先权的壁画图像修复

敦煌壁画图像线条纹理结构复杂、轮廓边缘缺失,采用Criminisi算法修复时存在结构传播错误和块效应问题。因此,提出了一种基于边缘缺失结构重构和改进优先权的壁画图像修复算法。首先,通过改进的自适应贝塞尔曲线重构破损壁画缺失的边缘轮廓,以增强壁画的结构性,引导图像修复。然后,引入梯度、曲率等局部特征先验信息对优先权函数进行改进,避免优先权频繁趋于0引起的错误填充。最后,通过改进的动态阈值序贯相似性算法搜索匹配块,提高壁画修复效率,迭代完成壁画修复。对真实敦煌壁画数字化修复的实验结果表明,本算法能很好地解决Criminisi算法结构传播错误及块效应问题,修复后的壁画主客观评价结果均优于其他对比算法。