基于前向后向算子分裂的稀疏性正则化图像超分辨率算法

提出了一种新的基于稀疏表示正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在框架系统下的稀疏性先验,保真项度量其在退化模型下与观测信号的一致性,同时分析了最优解条件.进一步,基于前向后向算子分裂法提出了求解该模型的不动点迭代数值算法,每一次迭代分解为仅对保真项的前向(显式)步与仅对正则项的后向(隐式)步,从而大幅度降低了计算复杂性;分析了算法的收敛性,并采取序贯策略提高收敛速度.针对可见光与红外图像序列进行了数值仿真,实验结果验证了本文模型与数值算法的有效性.

多尺度模型结合改进前向后向扩散的图像放大

为了得到较好视觉质量的放大图像,提出一种图像放大方法.为了保证得到的放大图像完全满足图像退化模型的约束,在图像重建过程建立多尺度空间模型,利用拉普拉斯金字塔变换工具对图像零插值得到低分辨率空间的初始插值图像;对初始插值图像采用改进的前向后向非线性扩散得到图像的高分辨率分量,并把高分辨率分量利用拉普拉斯金字塔变换工具在空域中映射到高分辨率空间中,得到图像的高频细节和初始插值图像合成放大图像.该方法对前向后向非线性扩散进行了改进,在增强边缘的同时使边缘更加光滑.实验结果表明,文中方法能达到较显著的分辨率增强效果,比其他方法得到的图像边缘更加准确,减少了图像的不良人工效果,如边缘振铃、阶梯效应和边缘错位,而且计算复杂度低、运算速度较快.

基于小波前向后向扩散的红外图像降噪与边缘增强算法

针对红外图像特点,该文提出了一种基于小波前向后向扩散的红外图像降噪与边缘增强算法。小波前向后向扩散是建立在小波扩散理论的基础上,其继承了小波扩散迭代降噪与边缘保持特性,在此基础上实现了图像的边缘增强。为了克服传统小波扩散基于小波模值的边缘映射的不足,该文利用小波模值与局部奇异性测度的联合概率分布对边缘映射进行初步估计,结合几何约束进行修正,获得准确的边缘映射,并重新设计了小波前向后向扩散系数方程。实验证明算法能有效实现红外图像降噪的同时增强图像边缘。

前向后向扩散的距离正则模型应用于图像分割

针对在演化过程中水平集函数振荡问题,提出前向后向扩散的距离正则模型应用于图像分割。新的距离正则项由一个势函数定义,推导的演化方程以唯一的方式前向后向扩散,即水平集函数在其陡峭区域前向扩散,降低函数的梯度模直至为1,反之它后向扩散,提高梯度模直至1。演化结果是水平集函数收敛于符号距离函数,这是水平集函数稳定演化所希望保持的状态;为了阐述距离正则项的有效性,将其与基于边缘信息的外能量项相结合。实验结果表明,该模型能够更好地完成图像分割,对噪声和弱目标图像鲁棒。

广义隐马尔可夫模型的快速前向后向算法

动态贝叶斯网络是解决非线性动态系统不确定性推理问题的一个重要工具。通过对改进前向后向算法计算方式的改变,提出了一种快速前向后向算法。不仅从理论上推导了快速前向算法、快速后向算法,并且将这两种算法结合推导出快速前向后向算法。由复杂度分析可知,提出算法的复杂度较低,仿真实验验证了快速推理算法的正确性和推理的高效性。

基于压缩感知的加速前向后向匹配追踪算法

前向后向匹配追踪(FBP)算法作为一个新颖的两阶段贪婪逼近算法,因为较高的重构精度和不需要稀疏度作为先验信息的特点,受到了人们的广泛关注。然而,FBP算法必须运行更多的时间才能得到更高的精度。鉴于此,该文提出加速前向后向匹配追踪(AFBP)算法。该算法利用每次迭代中候选支撑集的信息,实现对已删除原子的再次加入,以此减少算法迭代次数。通过不同非零项分布的稀疏信号和稀疏图像的仿真结果表明,相对于FBP算法,该文提出的方案在不降低重构精度的同时,大幅降低了算法运行时间。

基于压缩感知的步长自适应前向后向追踪重建算法

压缩感知(CS)是一种新的信号采样、处理和恢复理论,能够显著地降低高频窄带信号的采样频率。针对稀疏度未知信号的重建,提出了步长自适应前向后向追踪(AFBP)算法。不同于固定步长前向后向追踪(FBP)算法,AFBP的步长可变。它利用一种自适应阈值的方法选取前向步长,然后对候选支撑集进行正则化处理以保证其可靠性,接着用自适应阈值与变步长双向控制的方法选取后向步长以减少重建时间。AFBP能够自适应后向删除估计支撑集中部分错误索引以提高信号准确重建概率。在稀疏信号非零值服从常见分布条件下,用AFBP、FBP等算法进行重建的结果表明,AFBP的准确重建概率、重建精度与FBP相当,重建时间明显少于FBP,能够更高效地重建稀疏度未知信号。

基于自适应加速前向后向匹配追踪的压缩感知重构算法

针对传统前向后向匹配追踪(FBP)算法运行时间较长的问题,提出了一种自适应加速前向后向匹配追踪(AAFBP)算法。AAFBP算法的重构过程可分为2个阶段,在前向阶段利用自适应阈值来选取适量原子加入支撑集,在后向回溯过程中以原子的投影系数大小作为删除依据,利用自适应删除阈值来进行原子的删除,同时克服了自适应过程中存在的回溯过度现象。所提方法能够保证选入原子数量更具随机性,使每次迭代保留更多的正确原子。一维稀疏信号和二维图像的仿真结果表明,AAFBP算法在重构精度和运算时间上都更具有优势。

步长自适应的前向后向匹配追踪算法

稀疏度自适应的匹配追踪算法(SAMP)是基于压缩感知理论的信号重建经典算法。针对稀疏度未知的信号重建,提出步长自适应的前向后向匹配追踪(AFBMP)算法,AFBMP算法在稀疏度自适应匹配追踪算法的框架下,前向搜索过程中采用对数型自适应变化的步长选择匹配原子,然后通过后向策略修正前向阶段造成的错误,删除支撑集中的部分错误原子,最终实现信号的精确逼近。实验表明AFBMP算法比SAMP算法能够更加高效地重建稀疏度未知的信号。

基于前向后向算法的HMM语音识别智能门锁控制系统研究

本文提出了基于前向后向HMM语音识别智能门锁系统的设计,在简述HMM算法的基础上,介绍了前向后向算法,并设计了前向后向算法的智能语音识别门锁控制系统。最后将改进前后的HMM算法在同一环境同一条件下得模拟测试。实验数据表明,改进后的算法唤醒率、识别率提升明显,具有良的识别性。

前向后与后向前螺钉固定治疗三踝骨折中后踝骨折的比较

目的比较三踝骨折手术时后踝骨折前向后与后向前螺钉固定的疗效。方法回顾性分析2011年1月~2022年10月因后踝骨折行拉力螺钉固定治疗并随访12个月以上共376例资料。按骨折块厚度分为2个亚组,小骨折亚组为骨折块厚度<17 mm(螺钉螺纹长度)共167例,大骨折亚组为骨折块厚度≥17 mm共209例。每个亚组根据后踝骨折螺钉内固定方向不同分为前向后组与后向前组,小骨折亚组前向后74例,后向前93例;大骨折亚组前向后88例,后向前121例。对比末次随访美国足踝矫形外科协会(American Orthopaedic Foot and Ankle Society,AOFAS)踝-后足评分,测量术后第1天以及末次随访X线片骨折块在骨折线方向上的位移(Dn)和垂直于骨折线方向上的位移(Dt),计算术后骨折块移位,即末次随访Dn+Dt与术后第1天Dn+Dt之差。结果术后第1天X线显示,小骨折和大骨折亚组前向后组对比后向前组Dn和Dt差异均无显著性(P>0.05)。全组随访12~85个月,平均19.3月。在小骨折亚组,术后骨折块移位后向前组[(0.11±0.19)mm]优于前向后组[(0.19±0.21)mm](P=0.011),AOFAS评分也优于前向后组[(80.2±8.4)分vs.(76.2±8.6)分,P=0.003];在大骨折亚组,术后骨折块移位后向前组[(0.11±0.18)mm]与前向后组[(0.12±0.19)mm]无统计学差异(P=0.630),AOFAS评分也无统计学差异[(84.1±7.8)分vs.(82.8±7.6)分,P=0.246]。结论后踝骨折前向后与后向前拉力螺钉内固定在复位效果上无明显区别。对于骨折块厚度<17 mm者,后向前固定疗效优于前向后固定;对于骨折块厚度≥17 mm者,前向后固定与后向前固定在疗效上无明显区别。

螺钉内固定术中分别采取“前向后”和“后向前”方向治疗Haraguchi Ⅰ型后踝骨折的效果对比

目的探讨并对比螺钉内固定术中分别采取“前向后”和“后向前”方向治疗HaraguchiⅠ型后踝骨折的效果。方法回顾性分析在河南省直第三人民医院骨科收治的HaraguchiⅠ型后踝骨折患者资料,依照手术治疗方案分为两组,即选择闭合复位“前向后”空心螺钉固定的患者为对照组,选择后外侧入路“后向前”空心螺钉固定的患者为观察组,经倾向性匹配评分法,获得52对一般资料差异无统计学意义的受试病例。对比两组患者的手术时间、骨折愈合时间及完全负重时间,评估两组术后的踝关节复位效果和术后并发症,对比两组术前及术后6个月后的末次随访的踝关节功能[美国矫形足踝协会(AOFAS)踝与后足评分]变化。结果观察组的手术时间、骨折愈合时间及完全负重时间较对照组缩短(P<0.05);观察组的踝关节复位优良率(90.38%)高于对照组(73.08%)(P<0.05);两组术后并发症差异无统计学意义(P>0.05),均获得一期愈合;术后6个月,两组AOFAS踝与后足评分系统中关于疼痛、关节活动度、关节稳定度及足部对线和总分较术前均提高(P<0.05),其中观察组除足部对线评分外其他评分均高于对照组(P<0.05)。结论较闭合复位“前向后”空心螺钉固定,选择后外侧入路“后向前”空心螺钉固定治疗HaraguchiⅠ型后踝骨折虽可延长手术时间,提高患者术后远期踝关节功能,但患者的骨折愈合时间及完全负重时间均未有明显变化,且未增加术后并发症发生率。

基于变步长匹配追踪的G3-PLC系统信道估计算法

为合理利用电力线信道的稀疏特性,提高G3-PLC系统通信的可靠性,基于压缩感知(compressed sensing,CS)理论,提出一种稀疏度自适应的变步长前向后向匹配追踪(sparsity adaptive variable step size forward-backward pursuit,SA-VSSFBP)算法。该算法在前向后向匹配追踪算法(forward-backward pursuit,FBP)的基础上引入变步长自适应的思想,于迭代初期选择大步长以减小迭代次数,迭代后期使用小步长获得精确估计。同时利用原子匹配度测试进行稀疏度预估计,确保逼近真实稀疏度的前提下,加快迭代速度,减少算法运行的时间。仿真实验结果表明,对比传统的信道估计方式,压缩感知信道估计方式具有更优越的性能,且相较于正交匹配追踪算法(orthogonal matching pursuit,OMP)与FBP的压缩感知信道估计算法,文章提出的算法能够在保证精度与步长为1的FBP相当的情况下算法效率分别能够提升24.14%和47.2%。

不同入路螺钉内固定治疗HaraguchiⅠ型后踝骨折的疗效分析

目的探究不同入路螺钉内固定治疗三踝骨折中后踝骨折的疗效及并发症分析。方法前瞻性选取2019年5月至2020年10月本院收治的HaraguchiⅠ型后踝骨折患者80例为研究对象,按照随机数字表法分为A组、B组,每组40例。A组患者采用经皮由前向后螺钉内固定后踝骨折治疗,B组患者采用经皮后外侧入路有限暴露并复位螺钉内固定后踝骨折治疗。比较2组患者的手术指标与术后恢复情况、美国足踝外科协会(AOFAS)评分、末次随访踝关节活动度(ROM)评分、术后评估情况、术后并发症发生情况。结果2组患者手术时间、完全负重时间、骨折愈合时间比较,差异无统计学意义(P>0.05),但A组患者透视次数多于B组,术中出血量、腓骨切口长度少/短于B组(P<0.05)。2组患者术后6个月、末次随访时的AOFAS评分均较术后3个月升高,且末次随访时的AOFAS评分高于术后6个月,差异均有统计学意义(P<0.05);B组患者术后6个月、末次随访时的AOFAS评分均高于A组(P<0.05)。2组患者末次随访时的踝关节(跖屈、外翻、内翻、背屈)ROM评分比较差异无统计学意义(P>0.05)。2组患者螺钉位置不佳、疼痛程度、行走及下蹲情况比较差异无统计学意义(P>0.05)。B组患者后踝骨折复位质量优于A组(Z=4.248,P<0.05)。2组患者均未发生内固定松动、骨折复位丢失等并发症。结论经皮由前向后螺钉内固定与经皮后外侧入路有限暴露并复位螺钉内固定治疗三踝骨折中后踝骨折均具有较好效果,且安全性高,前者透视次数更多,术中出血量更少,后者改善踝关节功能与骨折复位质量更好。

多形态稀疏性正则化的图像超分辨率算法

如何设计更加高效并能保持图像几何和纹理结构的多幅图像超分辨模型和算法是目前该领域有待解决的难点问题.针对图像的几何、纹理结构形态,分别建立符合类内强稀疏而类间强不相干的几何结构和纹理分量稀疏表示子成份字典,形成图像的多形态稀疏表示模型,进而提出一种新的基于多形态稀疏性正则化的多帧图像超分辨凸变分模型,模型中的正则项刻画了理想图像在多成份字典下的稀疏性先验约束,保真项度量其在退化模型下与观测信号的一致性,采用交替迭代法对该多变量优化问题进行数值求解,每一子问题采用前向后向的算法分裂法进行快速求解.针对可见光与红外图像序列进行了数值仿真,实验结果验证了本文模型与数值算法的有效性.

基于随机点扩散函数的多帧湍流退化图像自适应复原方法

针对湍流退化图像随机性的问题,提出了一种基于随机点扩散函数的多帧湍流退化图像自适应复原方法。首先介绍了随机点扩散函数的图像退化模型,并分析了点扩散函数随机性对图像复原造成的影响,建立了基于随机点扩散函数的多帧图像退化模型。在此基础上,建立了基于多帧退化图像的全变分复原模型,利用前向后向算子分裂法对模型进行求解,提高了算法的运算效率。然后,提出了一种新的自适应正则化参数选取方法,该方法利用全变分复原模型的目标函数计算正则化参数,当正则化参数收敛时,复原图像的峰值信噪比达到最大值,因此利用目标函数的相对差值作为自适应算法迭代终止的条件,可以获得最佳复原效果。最后通过实验分析,算法中退化图像的帧数应不大于10帧。实验结果表明:当取10帧退化图像时,AFBS算法运算时间与单帧的FBS算法相当,信噪比增益为1.4 d B。本文算法对图像噪声有明显的抑制作用,对湍流退化图像可以获得较好的复原效果。

基于混合非线性偏微分方程扩散的可逆图像放大

综合应用冲激滤波器、改进的前向后向(forward and backward,FAB)扩散滤波器和全变差(total-variation,TV)扩散算法,提出一种双正交映射约束的混合偏微分方程扩散图像放大算法。改进的FAB滤波器能够很好地增强图像的小边缘,参数约束的冲激滤波器可增强图像的强边缘,基于水平集方法实现的TV扩散可以消除边缘的锯齿波,使边缘光滑,所提算法综合以上优点。利用退化模型的低通滤波器的双正交滤波器得到一个空域双正交映射,放大图像完全满足退化模型,使放大图像对于退化模型可逆。仿真实验表明,与其他算法相比,所提算法有较好的性能,得到的放大图像更加自然,在弱边缘和中等强度边缘都有更好的视觉效果。

结合迭代实边缘特性的图像复扩散增强算法

图像的复扩散是图像增强的一种有效方法.传统的复扩散算法在求解过程中利用迭代产生的虚部,即图像高斯卷积的拉普拉斯算子作为扩散控制因子.然而由于该因子的平滑、时间依赖以及二阶特性,图像在处理后会在边缘处形成带状模糊.为此,本文提出一种改进的结合了图像迭代实边缘特性的复扩散算法.实验结果显示,该算法可以更好的增强模糊图像的边缘和去除噪声.

基于G-AHSMM的设备剩余寿命预测研究

伴随大数据技术和智能制造的快速发展,生产设备的预知维修及多台设备的联合维修决策已成为工业制造业企业备受关注和亟待解决的现实问题。而服役设备剩余寿命的精准预测,又是预知维修决策和联合维修决策的前提。对已有设备寿命预测方法进行比较分析,将隐半马尔可夫模型加以拓展,结合伽马分布,构建设备状态监测数据驱动的剩余寿命预测模型G-AHSMM,给出求解方法,并基于某涡轮发动机的状态监测数据进行验证分析。结果表明:预测模型不仅规避了以往“状态观测值之间相互独立”的不实假设,而且相比传统HSMM具有更高的现实拟合性、求解简捷性和预测精准性,可作为企业预测服役设备剩余寿命的有效工具。

飞行器自组网络非交互式动态群组密钥管理研究

移动飞行器网络具有广阔的应用前景,但高速移动、频繁拓扑变化和有限能力等特点对飞行器网络的群组密钥管理提出新的要求,交互式密钥协商协议不仅增加了飞行器网络成员交互的延时,而且消息复杂度与网络规模相关。针对这一问题,提出一种无需交互的动态群组密钥管理方案。该方案中公开加密密钥对应多个具有密钥独立性的秘密解密密钥,并绑定成员身份,群组密钥操作中只需更新公开加密密钥,非退出或加入成员的私有解密密钥保持不变。在性能上,该方案中非更新成员无需交互,密钥更新消息负载与网络规模无关,解决密钥更新的1-affect-n问题,隐含的身份认证可进一步减少延时;在安全性上,保证前向和后向安全性。因此该方案适合快速移动和拓扑频繁变化的飞行器网络。