基于MAR-MRF的SAR图像分割方法

该文提出了一种基于多尺度自回归模型和马尔科夫随机场的SAR图像分割算法。算法引入多尺度自回归模型,建立层与层之间以及相邻层的像素点之间的数学关系,并将此模型与马尔科夫分割算法结合,实现了更为合理的多尺度分割策略。通过相邻尺度的依赖关系及同一尺度空间的马尔可夫性,使用多尺度自回归模型的预测结果来引导精细尺度图像分割,不仅使得最细尺度下的分割迭代次数减少;而且去除了最细尺度下多余的误分类斑块;同时还能够分割出清晰、平滑的目标边界,实现了较满意的SAR图像分割。

SAR图像无监督分割的空间变化混合MAR模型方法

提出SAR(Synthetic Aperture Radar)图像的空间变化混合多尺度自回归(Spatially Variant Mixture Mul-tiscale Auto Regressive,SVMMAR)模型方法,该模型不仅能刻画SAR图像的空间变化性,而且利用了SAR图像多尺度序列的统计特性;采用的分类器是像素标号的极大似然估计,细化的同时简化了传统Bayes分类器;该模型无需预先抑制斑点噪声,就能获得精确分割结果;并且理论上证明了在图像粗尺度确定分类个数的合理性,在此基础上提出一种在粗尺度确定分类个数的新方法,大大减少了运算量.

基于MARMA模型的SAR图像SVM分割

在分析SAR图像特征的基础上,提出一种新的基于多尺度自回归滑动平均(multiscale autoregressive moving average,MARMA)模型的SAR图像分割方法.首先建立多尺度序列,然后通过研究SAR纹理图像的MARMA模型,建立适合SAR图像的多尺度特征矢量,最后采用提出的广义加权支持向量机进行特征分类.实验结果表明,采用此分割方法可以获得很好的分割结果.

高光谱图像高维多尺度自回归有监督检测

给出一种有监督检测算法以检测高光谱图像中的区域目标.为利用高光谱图像中的空间尺度维信息,在高光谱图像多尺度观测不同相连节点之间建立高维多尺度自回归模型,并利用四叉树节点间的多阶马尔可夫性和高维多尺度回归噪声先验概率密度与高维观测条件概率密度的等价性及其多元t分布特性,构造出适用于检测高光谱图像中区域目标的空间多尺度自回归有监督检测算法.理论分析及实验中的5种评价方法的结果均表明该检测器可有效检测出高光谱图像中的目标区域.

SAR图像压缩的多尺度自回归滑动平均模型方法

本文研究在无需SAR图像先验知识条件下,基于多尺度自回归滑动平均MARMA模型的SAR图像压缩方法.该方法首先对SAR图像建立MARMA模型,依据MARMA模型对原始图像进行预测,然后对预测的残量进行数据压缩.将此方法用于实际SAR图像压缩,并将基于MARMA模型和多尺度自回归MAR模型的压缩结果与相应的JPEG结果进行比较和分析,说明基于MARMA模型的SAR图像压缩方法既能达到较高的压缩比,又能取得较好的保真度,是一种很有潜力的压缩方法.

采用改进的LSA模型进行人脸识别

提出了改进的LSA模型并将其用于人脸识别处理。首先利用该模型建立不同尺度图像间的映射关系;其次使用原始图像及其小波分解结果得到模型中的参数以确定这种映射关系;最后根据该映射关系由低分辨率图像估计高分辨率图像。通过比较被测试图像的模型参数和训练集图像的模型参数确定被测试图像的类别。实验结果表明,使用该模型估计得到的图像更加接近目标图像,以该模型为基础的人脸识别系统对光照的鲁棒性较强。

基于NSA多尺度模型的人脸识别

提出了NSA多尺度模型。该模型摒弃了LSA模型中不同尺度的图像间具有线性映射关系的假设。首先利用神经网络建立不同尺度图像间的映射关系;其次使用反向传播算法训练神经网络确定这种映射关系;最后根据该映射关系由低分辨率图像估计高分辨率图像。利用对比度相似性量化估计图像与目标图像间的相似程度。将该模型用于人脸识别,提出利用梯度算子进行图像分割提高识别的准确性。实验结果表明,以该模型分析得到的对比度相似性为95.3634%;以该模型为基础的人脸识别系统对光照具有很好的鲁棒性。

基于多尺度随机模型的SAR图像无监督分割

根据SAR图像的成像机理,利用两种多尺度随机模型,即多尺度自回归(MultiscaleAutoregressive,MAR)模型和多尺度自回归滑动平均(Multiscale Aautoregressive Moving Average,MARMA)模型,分别来描述同一场景不同分辨率SAR图像像素间的统计相关性,并构造了相应的多分辨混合算法实现SAR图像的无监督分割。试验结果表明,提出的两种无监督分割方法是可行的,且MARMA模型比MAR模型能够更精确地捕捉SAR图像多尺度序列中不同类型地形的统计信息,使分割质量具有明显的改进。

货币流动性对中国农产品价格的影响——基于随机波动的TVP-VAR模型的实证分析

考察货币的流动性与农产品价格的关系是经济领域的重要课题,这涉及如何制定合适的货币政策来诱导农产品价格的合理区间,使农业生产健康稳定地可持续发展。选择2000年1月到2014年12月的月度数据,建立TVP-VAR模型,在不同经济环境下,观察货币流动性对中国农产品价格是否具有时序性特征的影响,以便增强货币政策的作用力度。主要研究结论是:农产品价格对货币流动性存在滞后性反应;农产品价格对不同来源的货币流动性在中长期中出现反方向效应;农产品价格对货币流动性的响应在不同经济状况下的作用程度不同。

SAR图像分割的多尺度自回归滑动平均模型方法

给出了合成孔径雷达(syntheticapertureradar简称SAR)图像多尺度自回归滑动平均(multiscaleautoregressivemovingaverage简称MARMA)模型建模的一种新方法。研究了基于MARMA模型的SAR图像多尺度随机特征提取的方法,构造了相应的分类器,将这类方法用于实际SAR图像分割,并将MARMA模型与多尺度自回归(multiscaleautoregressive简称MAR)模型的分割结果进行比较,说明SAR图像的MARMA模型分割方法优于MAR模型分割方法;最后给出了评价SAR图像分割结果的区域均匀性指标方法,实际应用结果表明该评价方法是有效的。

基于广义多分辨似然比的SAR图像无监督分割方法

首先在多分辨四叉树上定义了一个广义多分辨似然比,刻画并且累积了SAR(syntheticaperture radar)图像中目标与背景在不同分辨率上的差异,从而增大了目标与背景之间的区分度。为了达到图像无监督分割目的,提出一个有效的空间变化混合多尺度自回归(spatially variantm ixture m u ltiscale autoregressive简称SVMMAR)模型方法,利用该模型分别估计出每个分辨率上广义多分辨似然比中一组密度函数的参数。为了考虑被分类象素与周围象素之间的M arkov性,减弱对噪声的敏感性,利用开窗技术来确定中心象素点的类别。实验中与通常的分割技术作了比较,也表明该方法不论从分割的精度,对噪声的敏感度,还是从边缘的光滑度都表明该方法具有较强优势。

基于多尺度估计理论的晶圆减薄工艺方差变化检测方法

晶圆减薄工艺是伴随芯片堆叠技术的发展而出现的新制造过程,其制造质量直接关系最终产品成品率。文章以堆叠芯片晶圆减薄工艺质量参数为研究对象,拟建立监控晶圆减薄工艺质量的完整方法。首先,以该道生产工序质量参数序列建立自回归滑动平均模型,用于表达该道生产工序的质量特征变化。然后,在此模型的基础上,使用多尺度估计理论对该模型进行滤波分解处理,获得质量参数时间序列的高频信号,提取该道质量变异的方差变化。最终,使用统计学上的累积和控制图对质量变异信号进行诊断分析,根据工序方差变化的起始位置,提前发现系统可能存在的质量变坏趋势。经试验数据验证,相比传统的检验方法,该方法有95%的概率可以提前预测产品质量发生变化。

小波域多尺度ARMA模型的纹理分割方法

纹理特征的提取是纹理分割的关键。在小波域内,对图像建立多尺度自回归滑动平均(MultiscaleAutoregressiveMovingAverage,简称MARMA)模型,并用小生境遗传算法对MARMA模型进行参数估计,将估计出的参数向量作为纹理分割的特征标准。不同纹理图像的MARMA模型的参数向量具有较好的可分性,这就保证了最终纹理分割的质量。

SAR图像的多尺度建模与分割

根据合成孔径雷达图像的成像机理,基于遗传算法,提出了SAR图像的期望最大建模方法和多尺度无监督分类方法。利用最小长度准则能够有效地确定SAR图像分类数,且集遗传算法和EM算法的优点于一身,使得算法能够取得全局最优结果。试验结果表明:该分割方法是可行的,与其它方法相比,分割质量有明显改进。

基于多尺度自回归模型体系的混凝土坝位移预报及工程应用

针对混凝土坝位移监测数据的时频非线性特征严重影响到数值模型预报精度的难题,通过小波技术解析原型数据中多重交叉环境驱动的效应实况,有机结合非线性自回归模型(Nonlinear Autoregressive Model with Exogenous Input,NARX)和差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model,ARIMA),建立了多尺度组合机制下的自回归模型体系,解决了内蕴复杂混沌特性的监测序列的信息挖掘难点。工程实例分析表明,所建模型的拟合精度及预测能力均得以提升,相比于传统模型具有较好的抗噪性和鲁棒性。此外,所建立的计算模型经一定的优化和拓展,亦可推广应用于其它水工建筑物的效应预报分析。

基于多尺度自回归图模型的SAR图像稳健滤波

基于多尺度自回归(MAR)图模型的稳健递归M估计(RME)算法,给出一种新的合成孔径雷达(SAR)图像稳健滤波方法。首先根据SAR图像不同尺度下的统计相依性,构造SAR图像的多尺度图像序列;然后对多尺度SAR图像序列构造树上MAR图模型,利用其的RME算法得到SAR图像的滤波。研究表明,该算法不仅具有有效的可计算性,而且利用不同分辨率下SAR图像信息融合,在不同情况下都能得到较好的滤波结果。实验结果表明,本文提出的方法是稳健的。