基于Daubechies小波尺度函数的炉膛空气动力场声学层析重建方法

声学层析测量是一种先进、有前景的炉内空气动力场非接触重建方法,其中可靠、优化的重建模型算法是关键。小波尺度函数包含所确定尺度以下所有信号频率信息,便于有效重构包含复杂频率成分的场对象,鉴于此,该文提出以小波尺度函数为基对待测空间场层析重建的方法。其采用具有紧支撑、正交特点的Daubechies小波以获得更好的场重建辨识度;对几何参数进行归一化处理以适应不同炉膛断面尺寸的场重建;采用梯度下降法求解线性方程组,得到稳定可靠的结果。通过构建不同典型仿真断面流场并重建,该方法均得到与原设定场良好的一致性,从而证明所提出场重建方法的有效性与可靠性。

医学噪声图像分割的分解与活动轮廓方法

医学噪声图像的分割是一件非常困难的事情,为了同时进行噪声去除和图像分割,提出一种基于分解的图像活动轮廓分割模型.该模型是G空间图像分解模型和边缘、区域相结合的活动轮廓模型集成的一个变分泛函,由于模型直接求解困难,把它分裂成2个泛函极值——图像分解部分和图像分割部分.其中,图像分解部分是在G空间的泛函极值,用第二代曲波变换域的阈值收缩求解;分割部分是变分水平集泛函极值,其Euler方程为非线性偏微分方程,可用梯度下降流求解.实验结果表明,文中模型不但可对噪声图像去噪,而且在相同的实验条件下分割效果优于Chan-Vese模型、Snake模型、Level-set模型和ASM;不仅提高了图像的质量,还能较好地分割出目标部分.

基于LBF方法的测地线活动轮廓模型

经典的测地线活动轮廓模型分割含有弱边界的目标时,难以得到真实边界.为解决这一问题,文中将结合局部二元拟合(LBF)方法和测地线活动轮廓模型的优点,提出一种基于LBF方法的测地线活动轮廓模型.首先,将LBF方法的能量泛函进行归一化处理,取代测地线活动轮廓模型的边缘停止函数.其次,构建梯度下降流,促使轮廓曲线运动到目标边界上.最后,对5组含有弱边界的图像进行仿真实验.实验结果表明,文中模型能准确分割含有弱边界的目标,具有抗噪性,同时对初始曲线的位置不敏感,优于其它常见改进的测地线活动轮廓模型.

新的彩色图像去噪与增强模型

为了在对彩色图像进行去噪、增强的过程中保护原彩色图像的色彩信息,提出了一个具有稳定性算法的新的泛函模型.该模型将彩色数据分离为色彩和亮度两部分.将每个像素的三个色彩通道看成是一个三维矢量,则矢量的单位方向向量和亮度分别表示像素的色彩和亮度.亮度部分用常见的发展已较完善的各向异性扩散流来处理, 针对色彩部分的处理,新模型基于求解有约束泛函的惩罚函数方法,将对色彩的单位模约束移至能量泛函中.用Leray-Schauder不动点定理证明了该泛函的梯度下降流方程组解的存在性和唯一性,并与相关的彩色图像去噪模型进行了比较.数值实验结果表明,新的模型在去噪的同时保护了原图的彩色特征,且算法稳定.

医学影像非刚性配准的并行加速及优化

三次B样条函数拟合小形变需要大量控制点,且非刚性配准的迭代算法和归一化互信息计算量巨大,使得非刚性配准缓慢.为了提高配准速度,提出基于B样条函数的二级并行算法,其中对归一化互信息使用数据并行算法;对梯度下降流使用任务并行算法,并将数据并行算法嵌入到任务并行算法中.为减少计算量,提出图像多层次局部熵提取自由形变场活动控制点的算法,使活动控制点仅分布于待配准的目标之上,并使用B样条系数的快速算法进一步减少计算量;对由于控制点分布优化造成的各线程块并行计算量不平衡的问题,使用类似于Greedy算法的计算平衡算法使各线程块的计算量均衡.实验结果表明,使用B样条系数快速算法可以减少约50%的B样条系数计算量;与串行算法相比,使用二级并行算法以及控制点分布优化算法可以达到60～80倍的加速效果;比现有的数据并行配准算法可提速约6倍.

基于变分和互信息的先验形状配准算法

针对带先验形状约束的几何活动轮廓模型中的形状配准问题,提出一种基于变分方法和最大互信息准则的先验形状配准算法。利用变分配准模型计算仿射变换参数,将其作为互信息配准算法的初值,通过Powell优化算法计算仿射变换参数的最优解。实验结果表明,该算法在保证配准精度的同时,能明显提高计算效率。

基于CNN公交客流检测系统的设计

针对公交客流数据获取现状不稳定、处理方法陈旧及无法实时调度等问题,本文结合图像处理和深度学习方法,设计了公交客流检测系统,重点对乘客头部的特征提取算法进行研究。该系统将工业摄像头分别置于车厢前端、中端及末端的上侧,以此获得车内乘客三通道图像,在Raspberry Pi树莓派中移植TensorFlow深度学习框架,由此搭建卷积神经网络CNN的模型,以此模型提取车厢内乘客头部特征,再采用综合梯度下降算法优化学习速率和三通道数据融合技术判断车内拥挤情况,从而保证模型的鲁棒性。实验结果表明:将识别结果输入SPP-Net网络结构中,上述算法识别准确率为87.23%,较传统卷积神经网络提高9.11%,收敛速率提高20.77%,其实时的拥挤度判断更具有实用性。

基于资源分配网络算法的交通流预测研究

为了提高短期交通流预测的准确性,利用资源分配网络算法在线优化径向基函数(Radial Basis Function,RBF)网络。利用资源分配网络算法对输入样本统一聚类,得到隐节点个数,同时引入剪枝策略动态地删除对网络影响较小的隐节点,并用梯度下降算法对神经网络各基函数的数据中心、扩展常数以及输出节点的权值进行调整。用MATLAB构建资源分配网络算法模型,对采集的数据进行仿真。仿真结果表明,通过对比K-均值聚类的RBF神经网络,资源分配网络算法可求得更精简的网络结构和更高的预测精度。

基于变分模型的图像去雾方法

基于雾天图像成像模型的去雾方法在天空区域易产生失真现象,并且存在边缘处透射率计算不准确的问题,为此,提出一种图像去雾方法。该方法基于变分模型构建含有数据项、平滑项和边缘保持项的能量泛函,利用梯度下降流法最小化该能量泛函以达到透射率的精确求解,根据已获取的透射率值和雾天图像复原理论实现图像的精确复原。实验结果表明,该方法在天空区域和边缘区域的去雾效果优于传统方法,具有更小的均方误差值和更大的结构相似度值。

一种网络流量预测模型的研究

云计算等概念的出现导致网络规模需求不断增大,网络流量不断增多,如何能够更好地预测网络流量成为了网络研究的热点,本文在网络流量预测中分析了小波-BP神经网络的不足,采用改进的下降梯度法优化BP神经网络,另外通过采用实体编码,适应度函数选择,权重系数提高粒子群算法优化小波-BP神经网络。仿真实验说明本文算法能够有效的提高了网络流量的预测精度,该算法具有广泛的运用前景。

神经网路模式在流量之预测

本文以倒传递神经网路模式，进行长期流量预测之应用研究，并以台湾中部德基水库上游松茂流量站历年观测资料进行探讨．初步得到预测结果与实测值比较尚有一倍以上的误差。但以神经网路之潜在应用潜力，寻找系统化网路参数值建立方法以得到更精确预测结果之经验，为寻人相当值得继续研究之课题。

基于局部熵的主动轮廓模型

针对传统C-V模型对灰度分布不均匀图像分割效果不理想的问题,研究了一种基于局部熵的主动轮廓模型。首先,算法将局部熵的概念引入到C-V模型中,通过核函数获得局部区域的不均匀信息,来构建局部熵能量函数;其次,采用变分水平集的方法,最小化局部熵能量泛函,得到水平集的梯度下降流,根据梯度下降流不断更新水平集,获得目标轮廓图;最后,对4组灰度严重不均匀的图像进行仿真实验,并将本文算法与LBF方法和LGDF方法进行对比。实验结果表明,与LBF方法和LGDF方法相比,本文算法实现了灰度不均匀的图像的精确分割。

计算几何中几何偏微分方程的构造

平均曲率流、曲面扩散流和Willmore流等著名的几何流除了在理论方面有重要的意义之外,在计算机辅助几何设计、计算机图形学以及图像处理等领域也得到了广泛的应用．然而在解决实际问题时,人们经常要根据问题的特点构造其它具有指定性质的几何流．本文从统一的观点出发,对于参数曲面以及水平集曲面,给出了几类重要几何偏微分方程(包括L2梯度流、H-1梯度流以及H-2梯度流)的构造．这几类几何流的包容十分广泛,上述提到的几个几何流均为其特例．

基于变指数分数阶全变差和整数阶全变差的图像恢复算法

结合变指数全变差(totalvariation, TV)和整数阶TV,提出一种变分图像恢复算法。该变分问题的能量泛函主要分为三个部分:变指数p(x)的分数阶TV正则化项、整数阶TV正则化项和数据保真项。该模型中的指数p(x)是与图像的梯度信息有关的函数。在理论上,由于分数阶导数和整数阶导数的结合,使得所提方法不仅能有效地去除图像噪音,保护图像的边界高频信息,还能更好地保留图像的纹理细节等中低频信息,同时可以极大地消除图像处理中产生的阶梯效应和散斑效应。在模型的求解上,利用变分法可以简单地将极小化泛函的优化问题转化为梯度下降流方程。最后,通过模拟数据和真实数据对本文所提方法进行了验证。试验结果表明,该方法可以去除噪声的同时,有效保持边界和纹理细节,并且对噪声是鲁棒的,具有一定的实际应用价值。