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。

基于多尺度随机模型的多尺度数据综合算法

通过对小波变换综合形式进行分析与概括 ,建立起基于尺度变量的随机动态模型 ;针对在不同尺度上拥有不同特征的传感器 ,研究基于上述随机模型的目标状态的多传感器数据最优预测、滤波和平滑估计问题 ,其估计值是对不同尺度上 (含有不同观测噪声 )不同观测量值的综合。

一类随机过程的多尺度建模

基于多尺度随机模型具有有效性和高度并行算法这一优势,提出如何用三阶树多尺度模型来表示1-DReciprocal过程;并如何获得多尺度模型的参数.这就为具有Markov统计特性的信号或过程建立起一般的三阶树多尺度随机模型,为更有效的解决实际问题提供了理论基础.同时,给出了一类定义在单位区间上的随机过程三阶树多尺度表示的仿真示例.

一类随机动态过程基于q阶树的多尺度建模方法

利用多尺度随机模型能建立处理问题有效并行算法的这一优势,提出一类随机动态过程基于一般q阶树的多尺度建模方法。首先,利用Markov过程的条件独立性给出一类过程基于q阶树的多尺度表示方法;其次,基于q阶树多尺度表示和具体实例推导出多尺度模型中的状态转移矩阵、扰动阵、初始状态和相应的协方差矩阵等的具体形式,为具有Markov统计特性的过程或信号建立起多尺度随机模型,这将为有效地解决多源同类信息和多源异类信息的数据融合等实际问题提供了理论基础;最后,给出一类Gauss-Markov过程基于三阶树和五阶树多尺度表示的计算机仿真结果,进一步验证建立模型的实用性和有效性。

基于小波系数多尺度随机过程模型的去噪方法

用多尺度随机过程对小波图像系数进行建模,并在此基础上提出了基于多尺度随机过程模型的小波图像去噪方法。通过阈值判断和邻域判断相结合的方法区分出对应边缘处的系数。对边缘区小波系数树估计多尺度随机过程的参数,利用多尺度滤波器对小波系数进行估计,对非边缘区的小波系数则采用阈值萎缩方法进行估计。该方法很好地刻画了边缘区小波系数跨尺度的行为,可以很好地保持图像边缘;而且还给出了估计误差的方差,利于理论分析。实验表明:该方法的去噪误差要优于Sureshrink法,而且对图像边缘的保护更利于后续的图像分割和轮廓跟踪。

基于随机多尺度力学模型的混凝土力学特性研究

提出一种混凝土材料宏观力学特性分析的新方法——随机多尺度力学模型分析方法。从描述混凝土材料的细观尺度入手,首先采用Monte Carlo法生成由骨料颗粒及砂浆基质组成的混凝土试件的随机骨料模型;然后采用材料特征单元尺度法来剖分有限元网格并投影到建立的随机骨料模型上,各单元网格的力学特性则采用复合材料等效化方法来确定。通过分析,给出了混凝土单轴拉伸情况下的变形及宏观应力-应变关系,结果与实验结果相比较为吻合;与细观力学模型相比,该文方法极大地节省了计算资源,具有高效性。

基于横噪声消除的医学粘连图像边缘分割算法

针对CCD型医学图像中,在细胞粘连区域信号附近出现的较强的横条纹噪声干扰,影响图像信息的正确性,分割后会存在边界模糊和锯齿条文的问题,为提高医学图像分割效果,提出了一种基于横条纹噪声消除的医学粘连图像边缘分割算法。分析了医学图像中边沿横条纹噪声的原因,通过wold纹理模型与多尺度马尔可夫随机场模型,利用确定性随机场和不确定性随机场的谱属性不同的特征,将医学图像边沿的干扰特征分离开,有利于对粘连医学图像进行分割。实验证明,方法有效地去除了横条纹噪声并很好地保留了图像的边缘和细节信息,同时运算复杂度低。