基于局部尺度转换的拉普拉斯核方法

采用数据点的结构信息可以提高半监督学习的性能。为此,提出一种基于图的半监督学习方法。利用局部尺度转换对不同密度区域中的边权重设置不同的尺度参数,在此基础上构造图的拉普拉斯核分类器进行分类学习。在多个数据集上的实验显示该方法优于其他基于核的半监督分类方法。

基于电子鼻和一维拉普拉斯卷积核的奶粉基粉产地鉴别

奶粉基粉是配方奶粉的基础原材料,其产地影响到终端乳制品的品质。本文提出了一种电子鼻技术与一维拉普拉斯卷积核相结合的基粉奶源地判别方法。通过电子鼻采集样本数据,经过时域信号对齐,尝试使用不同阶数的一维拉普拉斯卷积核进行特征提取,并对比了统计数字特征、快速傅里叶变换、离散余弦变换等其他特征提取方法,最后使用偏最小二乘及可视化进行可分性分析。实验结果发现快速傅里叶变换、离散余弦变换、二阶的一维拉普拉斯卷积核相对于原始特征均有效提升了可分性,偏最小二乘的R2效应量从0.61分别提升到0.95、0.96和1.00。一维拉普拉斯卷积核特征提取方法能够准确区分产自国内和国外(澳大利亚)的基粉,在案例研究中取得了最优判别效果,说明其能够有效提取到电子鼻各通道序列信号的时间响应特征。该方法能够完成中澳两国奶粉基粉样本的区分工作,为快速鉴定奶粉基粉来源提供技术支撑。

扩散张量加权梯度域图像彩色化方法

基于扩散张量的加权拉普拉斯核推广了图像彩色化的泊松解法,该彩色化过程是通过颜色在亮度值扩散张量加权的梯度场引导下自动传播完成的.首先在灰度图像上由用户手工地给定少量的颜色条带;然后计算每个像素的扩散张量,并利用这些扩散张量构造加权梯度场,从而导出基于散度的图像彩色化方程;最后求解方程,获得灰度图像着色结果.实验结果表明:该方法效果良好,比原泊松解法有显著改善.

SAR图像河流提取的主动轮廓模型的稳健估计算法

针对现有主动轮廓模型无法精确提取SAR图像中河流的难题,提出了一种结合L1范数和拉普拉斯能量的主动轮廓模型。首先,将Chan-Vese(CV)模型中L2范数形式的外部能量约束项替换为L1范数形式的外部能量约束项,得到新的能量泛函;其次,提出了一种基于拉普拉斯核函数的外部能量约束项,并将其添加到上述能量泛函中,同时赋予两种外部能量约束项不同的调节系数;最后,引入曲线内外区域像素灰度绝对中位差的均值替代模型中的常数曲线内外能量权值,以得到完整的提出模型。针对实际SAR图像进行河流提取,结果表明:与现有主动轮廓模型相比,本文提出的模型在河流提取准确性和提取效率两方面具有明显优势。

天文图像的二次取景技术

在利用天文图像做天文学研究时,天文学家们在决大多数情况下,往往不是对图像所包含的全部信息感兴趣,而只是研究图像中的一点或者其中的一块区域,一般为图像的前景。因此,删除学者不感兴趣的冗余信息而仅保留对科学研究有价值的信息在海量数据传输和存储方面显得尤为重要。根据天文图像的特点利用高斯拉普拉斯核对天文图像做边缘检测,找到天文学家们感兴趣的图像前景的轮廓,从原图中分割出有用的区域而遗弃无用的背景部分,从而达到冗余信息删除的目的。

异构混合相关熵有源噪声控制算法

近几年兴起的基于最大相关熵准则的FxMCC算法在有源噪声控制系统中取得了良好的降噪性能。然而,已有的FxMCC算法仅使用了单一的高斯核,算法在强脉冲噪声环境下降噪能力严重退化,且算法对核宽参数极敏感,不合适的核宽会降低算法降噪性能。为了弥补FxMCC算法的不足,该文引入异构混合相关熵,使用由高斯核和拉普拉斯核组成的混合核作为代价函数,推导了基于异构混合相关熵的FxMCC-MK算法。该文进一步分析了所提算法的收敛条件和稳定性,并与已有的算法进行了计算复杂度比较。仿真结果表明,在标准对称稳定分布脉冲噪声和真实噪声录声的有源噪声控制中,相比于已有的相关熵算法,该文提出的FxMCC-MK算法具有更低的核宽参数敏感度,更强的鲁棒性和更快追踪能力。

基于Laplace小波卷积和BiGRU的少量样本故障诊断方法

针对滚动轴承通常在复杂条件下工作易发生故障以及训练样本较少等问题。提出一种具有全局平均池化(global average pooling,GAP)并融合双路Laplace小波卷积和双向门控循环单元(dual Laplace wavelet convolution bidirectional gated recurrent unit,DLWCB)的故障诊断方法。首先Laplace小波卷积将原始信号从时域转换为频域,接着利用双路卷积和BiGRU挖掘少量样本的多尺度和时空特征;然后设计GAP降低模型的参数量并全面融合各GRU细胞提取的时空特征。其中从优化算法和目标函数入手,引入标签平滑、AdamP等提升DLWCB应对少量样本的能力,最后实现复杂工况下故障诊断。在两种轴承数据集、有限噪声样本下,50 s内便可完成训练,达到98%以上准确率,所提方法具有良好泛化性、鲁棒性和诊断效率。

混合噪声的图像复原算法

提出了一种基于中值滤波和局部线性核平滑的图像去噪算法.该算法采用在空间域中的自适应滤波思想,运用改进的混合滤波器去除图像中的混合噪声.该算法的特点是复原后的图像能较好地保留边缘,同时对图像退化的先验知识要求不严格,并且有明确的数学公式,更适合实际运用.实验表明,作者提出的方法对含有混合噪声的图像复原具有较好的效果.

快速SUSAN-Laplace角点算法

提出了一种新的SUSAN-Laplace角点算子。新算子首先使用拉普拉斯-高斯核对图像进行卷积,并将图像转换为二值或三值图像,然后使用SUSAN算子检测角点。这样既快速又具有SUSAN算子的位置精确性。SUSAN- Laplace角子具有较好的旋转、仿射、光照、尺度和噪声不变性,其计算速度也较快,比Harris角点快1.5倍,比SUSAN角点快6倍。应用中SUSAN-Laplace角子有一种快速算法,快速算法在计算拉普拉斯-高斯卷积时使用移位运算代替全部乘除法运算,能进一步提高计算速度。SUSAN-Laplace角子较其它角点算法能产生更丰富的角点,应用到SIFT算法中可提高对小目标的识别能力。