基于OBE-PDCA理念的高等数学教学设计研究

《高等数学》不仅在培养自然科学人才中起着重要的作用,对培养社会人才也具有同样的重要意义。大学教育的目的是为社会培养各类人才,而《高等数学》是理工科及经管类文科专业必修的公共基础课,因此在教学中要发挥此门课程的育人作用,并完成人才培养目标,就要坚持以目标为导向的教育理念,使其贯穿于此门课程的全过程。本文主要阐述了如何基于OBE-PDCA理念来对高等数学课程教学进行设计。

基于TV和拉普拉斯混合正则化的图像复原方法

针对高斯噪声图像复原问题,提出了一种基于TV和拉普拉斯混合正则化的图像复原模型,分析了该模型与之前模型的关系。并提出了高效的交替方向乘子法进行求解。实验表明,与之前方法比较,所提出的方法在获得几乎相同复原效果时,速度较快。

分数阶整体变分正则化的图像泊松去噪

整体变分正则化模型在去噪时能较好地保边,但是常常不能很好地保持纹理细节,且去噪后图像在平坦区域会出现阶梯效应。为此,文中提出了一种新的分数阶整体变分(Fractional-Order Total Variation,FOTV)泊松去噪模型,并提出了增广拉格朗日方法求解。通过与求解整体变分泊松去噪模型的快速算法比较,数值实验表明,所提出的模型进行泊松去噪时视觉效果较好,且去噪图像具有较高峰值信噪比。

分数阶全变分泊松去噪的快速线性化增广拉格朗日方法

近年来,有关分数阶全变分(FOTV)的图像去噪问题被广为研究。快速傅里叶变换(FFT)是求解相关子问题最常用的方法,但是FFT只适用于周期边界条件。为了能在非周期边界条件下也能实现好的去噪效果,针对FOTV泊松图像去噪模型,结合增广拉格朗日方法(ALM)和线性化技术提出新的算法。实验表明,在周期边界条件下,与采用FFT的增广拉格朗日方法相比,本文提出的算法在达到几乎相同的去噪效果时,收敛速度较快。而且在零Dirichlet边界条件时,也能实现好的去噪效果。

分数阶整体变分泊松去噪模型的分裂Bregman方法

整体变分正则化模型在去噪时能较好的保边,但是不能很好地保持纹理细节和图像对比度,且去噪后图像在平坦区域会出现阶梯效应。为此,提出了一种新的分数阶整体变分(Fractional-order Total Variation,FOTV)泊松去噪模型,以及分裂Bregman方法求解。通过与求解整体变分泊松去噪模型的分裂Bregman方法比较,数值实验表明,所提出的模型进行泊松去噪时视觉效果较好,且去噪图像具有较高峰值信噪比。