三维地形中基于加权框架四叉树的路径规划

研究三维地形中的路径规划问题 .提出建立加权框架四叉树进行路径规划的方法 ,改进了传统的利用正规网格进行规划的方法 ,减少了搜索节点 ,提高了运动速度 .该方法将不同的因素作为四叉树中叶节点的权值 ,通过搜索得到时间最优路径 .只要针对不同的应用设置相应于各种因素的响应函数 。

加权框架的基本性质及其与框架乘子的关系

研究了加权框架的基本性质及其与框架乘子的关系.首先给出了加权框架的定义,在此基础上证明了加权框架的一些基本性质:两个加权框架的并仍是加权框架;半正规序列与加权框架的乘积仍是加权框架,并用实例进行了说明.同时给出了加权框架与框架乘子的联系,目的在于将加权框架和算子联系起来,为进一步研究奠定理论基础.

Hilbert空间中加权框架的扰动性及其应用

加权框架具有良好的冗余性,从而为信号重构和图像处理提供了非常有用的信息.借鉴对Hibert空间中Riesz框架扰动和摄动的研究,着重讨论加权框架也具有类似的扰动性结果.另外,讨论了加权框架在实际信号消噪中的应用,并初步提出加权阈值消噪法的主要思想.

w-算子的定义及加权框架的基本性质

由于加权框架具有良好的冗余性,从而为信号重构和图像处理提供了非常有用的信息.讨论加权框架的一些基本性质,从Balazs P的文章中所给Bessel乘子的定义模式发现,它与加权框架有某种联系.为了寻找这种联系,重新定义了一种算子——w-算子,并讨论了该算子在序列{k}k∈K和{ψk}k∈K分别为Bessel序列、加权框架、框架、框架序列及Riesz基时的性质.

一种基于局部加权均值的领域适应学习框架

最大均值差异(Maximum mean discrepancy,MMD)作为一种能有效度量源域和目标域分布差异的标准已被成功运用.然而,MMD作为一种全局度量方法一定程度上反映的是区域之间全局分布和全局结构上的差异.为此,本文通过引入局部加权均值的方法和理论到MMD中,提出一种具有局部保持能力的投影最大局部加权均值差异(Projected maximum local weighted mean discrepancy,PMLWD)度量,结合传统的学习理论提出基于局部加权均值的领域适应学习框架(Local weighted mean based domain adaptation learning framework,LDAF),在LDAF框架下,衍生出两种领域适应学习方法:LDAF MLC和LDAF SVM.最后,通过测试人工数据集、高维文本数据集和人脸数据集来表明LDAF比其他领域适应学习方法更具优势.

Hilbert空间上的加权测度框架

文推广了Hilbert空间上的离散框架,引入并研究了Hilbert空间上的加权测度框架.刻画了Bessel加权测度、Parseval加权测度框架的性质,给出了加权测度框架的判定条件.此外,我们引入伪对偶及近似对偶的概念,研究了加权测度框架的近似对偶问题.最后给出了有限维Hilbert空间上加权测度框架的相关性质.

VR全景图像细节增强处理中多特征融合算法研究

本文针对VR全景图像的成像质量问题,开展全景图像细节增强处理过程中特征算法研究,在常用的图像处理算法的基础上,充分结合不同算法的优点,加入细节增强模块,结合仿真分析及实验验证,最终研究并实现了基于多特征算法融合进行全景图像细节增强处理功能。