基于HSV色彩空间及改进二维伽马函数的井下图像增强算法

为解决井下光照条件不足、光照不均引起的视频图像质量低下的问题,构造了一种改进二维伽马函数并以此提出了一种基于HSV色彩空间,作用于图像明度和饱和度分量的井下图像质量增强算法。以综采工作面以及井下泵房处图像为增强对象,将算法与目前主流的图像增强算法进行对比验证。结果表明,在井下环境下该算法对井下低亮度区域有着较好的增强效果,一定程度上满足了井下视频图像质量增强需求。

基于二维伽马函数的煤岩图像照度校正

为校正由多光源及聚光造成煤岩图像的不均匀光照,减小煤岩图像数据受干扰程度,利用实验模拟井下光照现象,分析不同光照下煤岩图像亮度变化趋势,通过Retinex和引导滤波理论计算图像的照度分量,在HSV色彩模型下保持色彩和饱和度分量不变,给出结合改进的二维伽马函数对亮度分量的二次校正算法。结果表明,与CLAHE、Retinex算法比较,文中算法在不均匀光照下,煤岩样原直方图整体亮度分量数据分别从[0.05,0.95]校正至[0.2,0.55],从[0.1,0.8]校正至[0.3,0.65],分别改善了不均匀光照的影响,较好地保持原有色彩。

采用机器学习与二维伽马函数的股票指数量化交易策略

为了通过短线交易获取对标股票指数的超额收益,提出一种基于机器学习的股票指数增强型量化交易策略,并实现程序化自动交易。首先生成股票指数的初始特征集,通过最大互信息系数法筛选得21维特征;然后设计双阈值涨跌不平衡标签与3种预测分类方式(T、B-B、B-T),组合构建不同机器学习模型,并对比择优得到多空交易方向的最优机器学习模型分别为LSTM-B-T模型与RF-B-T模型;接着设计基于日内涨跌幅的二维伽马函数;最后使用经二维伽马函数计算得到的类概率判别阈值与最优机器学习模型预测的类概率进行涨跌类别判定,得到交易信号。将该策略应用于中证500指数的股指ETF进行回测与模拟盘交易验证,实验结果表明:相较于随机建仓策略,采用该策略使交易评价指标得到整体性提升;在回测与为期3个月的模拟盘交易验证中使用该策略均能获得对标指数的理想超额收益,分别为11.24%、11.08%。

基于二维伽马函数的光照不均匀图像自适应校正算法

提出了一种基于二维伽马函数的光照不均匀图像自适应校正算法.利用多尺度高斯函数提取出场景的光照分量,然后构造了一种二维伽马函数,并利用光照分量的分布特性调整二维伽马函数的参数,降低光照过强区域图像的亮度值,提高光照过暗区域图像的亮度值,最终实现对光照不均匀图像的自适应的校正处理.通过与经典算法对比表明,本文算法可以更好地降低光照不均匀对图像的影响,提高图像的质量.

基于颜色校正和改进二维伽马函数的水下图像增强

针对由于光在水体中衰减、散射,造成捕捉的水下图像存在偏色、对比度低、清晰度差、光照不均等问题,提出一种基于颜色校正和改进二维伽马函数的水下图像增强方法。首先,用带颜色恢复的多尺度Retinex增强算法(MSRCR)校正偏色问题,获得一个输入图像;然后用改进的二维伽马函数降低光照不均匀对水下图像的影响,并用基于自适应Sigmoid函数双直方图均衡化(BEASF)增强图像对比度,获得另一个输入图像;最后结合对比度、显著性、饱和度、曝光度4个权重进行多权重融合,得到最终的增强图像。实验结果表明,该算法不仅能有效的改善水下图像偏色的问题,而且增强了图像的细节和对比度。

一种基于L通道照度估计和伽马函数的图像增强算法

为了提高低光照图像对比度增强处理效果并消除伪影,提出了一种基于L通道照度估计和二维伽马函数的彩色Retinex图像增强算法。首先,该算法通过Lab色彩空间变换将L通道图像强度视为相关反射率和照度的产物,采用双边滤波估计全局照明的强度。然后,采用二维伽马函数完成像素映射,实现局部细节的自适应调节。实验结果表明,相比其他Retinex图像增强算法,提出算法增强后的效果更自然并且没有产生增强伪影,能够有效保留图像局部细节。

伽马函数余元公式的证明

本文整理介绍伽马函数余元公式的几种可在数学分析课程中讲解的证明,以供广大师生们参考.其中一些证明略有改进.

基于双伽马函数的煤矿井下低亮度图像增强算法

针对井下视频图像存在整体偏暗,照度不均匀,对比度低等问题,提出一种基于双伽马函数的煤矿井下低亮度图像增强算法.该算法利用具有边缘保持特性的引导滤波获取低亮度图像的照度图,然后在伽马函数的基础上构造双伽马函数,针对照度图的分布特性对其进行调整,从而提升低亮度区域的照度值并抑制局部高亮度区域的照度值.相比于HE算法、MSR算法、NPEA算法以及CLAHE算法,本文算法处理效果在信息熵、对比度、清晰度等方面都优于上述算法.本文提出的算法能够有效提升图像的亮度,同时避免局部亮区域的过度增强现象的产生,提高了井下图像整体的视觉效果,显示了本文算法的优越性.

关于伽马函数的一个不等式(英文)

最近几年伽马函数的分析不等式研究在国际上相当广泛.利用双伽马函数的导数的一个双向不等式,通过研究函数g(x)=[Γ(x+1)]1/x/x^(1/2)的单调性,从而得到了一个关于伽马函数比的不等式.该不等式在某种特殊情形下改进了张、王和褚的一个不等式.

关于伽马函数的不等式与渐近展开式（英文）

给出伽马函数的一个渐近展开式.基于获得的结果,我们建立了伽马函数的不等式.

由伽马函数引出一个较普遍的反常积分公式

针对物理学中常常遇到的一个令人感到棘手的反常积分,运用伽马函数推导出了一个求解此类积分的普遍公式。并举例说明该公式形式简单、应用容易,可快速获得结果。

基于改进二维伽马函数的车道线检测算法

为了在光照不均匀条件下有效的检测车道线,提出改进二维伽马函数自适应亮度校正算法。采用快速引导滤波算法提取图像的光照分量,分析光照特性,利用其分布特性动态的调整二维伽马函数的参数,从而构建改进的二维伽马函数,实现对车道线图像亮度的自适应校正。对于校正处理后的图像用最大类间方差法提取出二值化图像,最后用Hough变换检测出车道线。在光照不均匀路况下的处理结果表明,该算法有较好的检测结果。

基于伽马函数与核熵成分分析的短历时强对流型暴雨设计方法

利用双参数伽马函数与核熵成分分析,建立短历时强对流型暴雨设计方法,并以镇江市为例,在识别与分析研究区1981—2016年汛期短历时强对流型暴雨的基础上,推求30年一遇的短历时强对流型设计暴雨过程。结果表明:根据总雨量与最大10 min雨强比值的不同,镇江市短历时强对流型实测暴雨事件可分为3种类型;短历时强对流型与芝加哥雨型推求得到的设计暴雨过程具有较高的一致性,验证了短历时强对流型暴雨设计方法的可行性;强对流型设计暴雨的雨强和雨量均比芝加哥雨型小,表明在暴雨以对流型为主的地区,选用此方法设计暴雨标准确定排水系统的工程规模更为科学。研究成果可为完善镇江市防涝防洪系统提供参考。

有关伽马函数的渐近展开式

通过一个有关伽马函数的等式来定义θ(x)。本文中,给出θ(x)的一些特性,包括单调性,渐近展开式。

双参数广义Nielsen贝塔函数的不等式与渐近逼近

该文介绍了经典Nielsen贝塔函数的一种双参数推广,深入探讨了它的单调性、凹凸性、完全单调性与积分渐近性质,并在此基础上建立了一些新的不等式.

基于自适应伽马转换函数的遥感图像增强

针对传统的遥感图像增强方法视觉效果不够理想的缺点,提出了一种基于平稳小波变换和分段自适应伽马灰度转换函数的遥感图像对比度增强方法。首先,对遥感图像进行平稳小波变换,接着对得到的最大尺度低频子带图像采用基于核函数的样本加权模糊C-均值聚类算法将该图像分为低、中和高亮度区域,并对各亮度区域依据其各自特点分别采用不同的自适应伽马灰度转换函数进行增强,然后利用贝叶斯萎缩阈值法和非线性自适应增益函数相结合计算高频子带的增益系数,从而得到增强后的高频子带图像;最后,由低频子带图像和高频子带图像重构得到增强后的图像。实验表明,该方法提高了遥感图像的全局对比度,改善了视觉效果,增强了图像的细节并抑制了噪声,获得了较好的图像增强整体效果。

改进的粒子群算法及在数值函数优化中应用

为提高粒子群算法的优化能力,提出了一种改进的粒子群优化算法。在该算法中,采用Beta分布初始化种群,采用逆不完全伽马函数更新惯性权重,在速度更新式中,引入了基于差分进化的新算子,对于粒子的越界处理,采用了基于边界对称映射的新方法。以50个不同类型的数值函数作为优化实例,基于威尔柯克斯符号秩检验的测试结果表明,该算法明显优于普通粒子群优化算法、差分进化算法、人工蜂群优化算法和量子行为粒子群算法。

基于双目视觉的水下动态目标识别与定位方法研究

针对动态水下目标跟踪定位过程需要良好的实时性与鲁棒性问题,提出一种基于双目视觉的水下动态目标定位方法;利用快速引导滤波提取水下图像的光照分量,构造了一种改进的二维伽马函数,并对其参数利用光照分量的分布特性进行调整,实现了对水下不同环境图像下的亮度自适应校正处理;利用卡尔曼滤波预估下一时刻目标的位置,将预测空间作为ROI区域进行图像校正,极大降低了算法的运行时间;在HSV空间对目标进行掩膜提取,识别之后通过双目定位算法对目标进行准确定位;经过水箱试验验证,与多尺度高斯函数、双边滤波等算法相比,该方法在运行速度上有着显著的提高,达到了35FPS,在定位过程中有着较高定位精度,在方向的平均相对误差为(3.59%,3.35%,1.42%);结果表明,该算法可以满足水下动态目标跟踪定位的实时性与鲁棒性要求。

基于星凸随机超曲面的扩展目标伽马高斯混合势概率假设密度滤波器

针对杂波和检测不确定情况下扩展目标形状估计精度低的问题,提出了一种基于星凸随机超曲面模型(SRHM)的扩展目标伽马高斯混合势概率假设密度(CPHD)滤波器.该算法在高斯混合概率假设密度滤波的框架下,首先将目标形状建模为星凸随机超曲面,然后通过CPHD滤波估计出目标的质心位置和目标数目,最后通过将已估计的目标质心位置作为目标形状的中心点来结合量测对目标形状进行估计.其中,算法通过自适应估计尺度变换因子对形状边界进行约束优化,解决了星凸随机超曲面模型存在的边界形状不规则的问题.设计扩展目标个数未知以及含有杂波的实验场景,实验结果验证了该算法的有效性和可行性.

基于矩函数的风速概率分布参数估计方法

风能利用领域常以双参数Weibull分布描述风速统计特性,准确估计分布参数是准确计算风能特征指标的前提。推演发现服从Weibull分布的随机变量的各阶矩仍然服从Weibull分布,根据这一统计学性质,拟定了基于矩函数的3个参数估计公式。精度检验显示,本文方法在较大范围内均具有较高的精度。通过算例与现行方法比较分析,认为本文方法特别是3阶矩公式值得推广使用。