基于有向权重图和复杂网络理论的大型电力系统脆弱性评估

提出一种基于有向权重图和复杂网络理论大型电力系统脆弱性评估算法,构建了电网各元件的模型,将系统中各母线而不是传统的变电站定义为网络中的节点;考虑功率在电网中的流动方向,同时计及各元件承受功率扰动的能力,将电网等效为一个有向权重图。基于所建立的模型,对电网采用2种方式进行攻击:随机攻击和蓄意攻击,分析电网在各种攻击下承受扰动的能力,指出了电网中的薄弱节点、薄弱线路。利用所提的方法分析了电力系统在连锁故障下的抗毁性。将该算法应用在中国某一区域电网,取得了较好的效果,验证了算法的有效性。

基于权重图增量的无线网络Relay节点选择算法

为提高增量式无线网络Relay节点优化选择能力,提出基于权重图增量的无线网络Relay节点选择算法。构建无线网络Relay节点的优化拓扑结构模型,结合增量式无线网络的信道均衡控制方法,进行Relay节点的输出链路转换控制,建立无线网络的优化拓扑结构模型;结合信道自适应均衡调制方法进行无线网络Relay节点的链路转换设计;结合自适应拓扑调制方法进行增量式无线网络的权重图谱特征提取。根据权重图谱的聚类性进行无线网络Relay节点的自适应选择和融合聚类,提取无线网络Relay节点输出信息的关联维特征量;根据特征聚类结果,实现无线网络Relay节点的优化部署和选择,完成无线网络的信道输出均衡控制。仿真结果表明,采用该方法进行无线网络Relay节点选择的自适应性较好,网络输出的信噪比较高,误比特率较低。

能量权重图法快速核素识别

在序贯贝叶斯算法相关研究的基础上,提出了能量权重图法快速核素识别方法。基于探测器的实测能谱响应,通过并道、平滑等能谱预处理生成能量权重图,从而搭建Co处理器和Cs处理器以并行判别60Co和137Cs的放射源。针对能谱抽样生成的模拟数据进行处理器的参数调整,并在一套1 Gs/s(1 Gs=10-4 T)的数字化LaBr3探测系统中开展了初步的实验验证。处理器平均使用不到100个光子就能实现核素识别,且虚警率低于2%,漏检率低于1%。

基于显著性自适应权重图的红外可见光图像融合

为改善现有融合策略对源图像信息利用不够充分的问题,利用滚动引导滤波器和各向异性扩散来提取基础层和细节层,对获取的基础层和细节层分别使用视觉显著映射和权重图构建的方法进行融合,然后添加某一权重将融合后的基础层与细节层图像融合为最终图像。基于公开数据集的多个场景进行方法实验验证。实验结果表明,相比其他方法,所提方法得到的融合结果具有更好的对比度,在保持图像像素强度均匀分布的前提下在边缘细节处保留了丰富的纹理特征,具有更好的视觉效果和融合精度,同时在平均梯度、信息熵、空间频率等指标上取得了显著的进步。

基于KFCMSA的(k,l)加权社交网络匿名算法

图数据隐私保护的研究目前主要集中在简单图,适应范围有限。将权重图数据的隐私保护作为研究对象,可以改善权重图发布之后数据的可用性及有效性。针对在利用聚类匿名化方法处理社交网络数据时,需要增删大量的边和节点,造成严重的数据失真的问题进行了研究。提出了(k,l)加权社交网络匿名算法KFCMSA(联合k成员模糊聚类和模拟退火),并利用改进的簇划分算法将权重社交网络聚类成不同的簇,对同一簇中节点的边权重进行泛化,使节点满足l多样性。在实现k度匿名的同时有效减少了边的改变量,提高了数据的可用性,实现最优聚类的同时防止了同质性攻击。聚类质量实验和数据可用性分析表明该算法具有较高的性能优势和较高的边保留率。

基于自适应多特征融合的红外图像增强算法

针对红外图像纹理不清晰、亮度低、高噪声的问题,提出了一种自适应多特征融合的红外图像增强算法。首先,通过用自动线性映射的方法对14位红外图像进行有效特征提取得到了16位图像,提升了图像可视化效果。其次,引入广义反锐化掩模(Generalized Unsharp Masking,GUM)算法与带色彩恢复的多尺度视网膜(Multi-Scale Retinex with Color Restoration,MSRCR)增强算法联合处理的方法,获得图像不同尺度的有效信息,提升了图像的对比度。最后设计了自适应权重图,并结合图像金字塔结构的特性,对不同特征层进行有效信息的互补融合,提升了图像亮度,丰富了图像的纹理信息。实验结果表明,此算法有效提升了红外图像的对比度和视觉效果;相较于现有的几种算法,其平均梯度(Average Gradient,AG)约提升0.6%,峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)约提升10%,图像的边缘信息有效率约提升11%,图像的清晰度约提升10%。

基于峰度系数方差的加权自适应引导滤波

针对传统局部窗口方差提取有噪图像边缘困难的问题,本文介绍了峰度系数方差准确感知有噪图像边缘,并基于此提出一种加权自适应引导滤波器.自适应调节引导滤波中固定正则化系数,解决边缘模糊、边缘光晕的问题;基于像素的多邻域窗口边缘权重,实现聚合加权滤波,进一步抑制边缘模糊.实验结果表明:本文方法在不同噪声级别下,PSNR、SSIM均值提升率分别大于65%、78%;滤波结果图像在噪声平滑和边缘保持两方面均有更好性能.

基于通道量化与红色先验融合的水下光学图像清晰化

水下图像通常存在对比度低以及颜色失衡等现象,导致图像纹理信息不清晰,针对此类问题,提出基于通道量化与红色先验融合的水下光学图像清晰化方法。首先,设计两种输入图像版本,图像一通过颜色通道直方图量化重新分配像素值,调整对比度;图像二为实现色彩均衡,将红色通道先验代入成像模型,用于估计背景光、直接分量透射率和后向散射透射率。然后,针对各输入图像设计3种权重图,包括亮度图、饱和度图和显著图。最后,利用多尺度融合策略,将局部对比度提升和颜色校正图像与其归一化权重图进行融合。在多个数据库上通过主观和客观指标进行实验评价,结果表明,本文算法在呈现高对比度的同时,能够恢复出更多的色彩和细节信息,有效提升水下图像质量,与各经典及新颖算法相比具有优势。

基于双引导滤波的红外和可见光图像融合算法

图像融合是将多幅图像中有用或互补信息整合成一幅图像的过程。本文提出了一种基于引导滤波多尺度分解的红外和可见光图像融合算法。在传统的引导滤波图像融合算法的基础之上,利用双引导滤波器代替均值滤波器将源图像分解为小尺度纹理细节、大尺度边缘和基础图像;直接利用纹理细节及边缘层图像构建显著性映射图,用其代替额外的特征提取操作,可很好地突出源图像显著性信息的同时大大降低算法复杂度;利用显著性映射图、Sigmoid函数构造权重图,将源图像中具有视觉意义的信息注入到融合图像中;利用色彩模型转换融合方式,可更好保留图像的色彩信息。定性和定量实验结果证明,相比于传统的基于引导滤波的图像融合算法,本文算法的融合效果得到进一步提升。

基于视觉显著图和相位一致性的红外与可见光图像融合算法

为了获得更好的视觉融合效果,同时抑制边缘处的伪影和保留更多源图像特征,提出了基于视觉显著图(VSM)和相位一致性(PC)的红外和可见光图像融合算法。该方法利用信息损失更少的各向异性滤波(AnisGF)将源图像分解为多个高频信息细节层和一个低频信息基础层;利用VSM获取基础层的权重图,融合红外(IR)与可见光(Vis)基础层图像;利用最大-绝对值和相位一致性(PC)获取细节层的权重图,融合IR和Vis细节层图像,达到强化图像边缘信息并抑制噪声的目的,最后通过图像重构获得最终融合图像。实验结果表明,文章提出的方法与RFN-nest等五种方法相比,在清晰度、对比度和伪影等视觉效果均有改善。在AG(平均梯度)、EN(熵)、MI(互信息)、SF(空间频率)四种评价指标方面,均优于其他算法;在VIF(视觉信息保真度)方面,仅次于MSID-KBS方法。

基于滚动导向滤波的可见光与红外图像融合嵌入式系统研究

在不利的环境条件下,红外图像往往会出现暗部纹理信息缺失不全、主体轮廓模糊等问题,现已提出了多种相关的算法来解决这些问题,获得了极大的成功。但这些算法大多停留于软件仿真,本文研究了一种基于滚动导向滤波的嵌入式的图像增强算法并对其融合方法进行一定的改进:首先,使用滚动导向滤波器对红外图像和可见光图像进行多尺度分解得到一系列Gauss金字塔,再对每层Gauss金字塔分解出一张Laplace金字塔,得到红外和可见光图像的高频部分和低频部分,之后对低频部分和高频部分使用Gauss分布权重矩阵进行加权平均处理,根据图像灰度级生成一个可视化权重图,生成基层融合图像,之后计算两张图像高频部分的差异矩阵,接着将差异矩阵与两张图像的高频部分进行加权平均得到一个中间图像,使用该中间图像和两张原始图像的高频部分构建一个线性的差异矩阵,根据矩阵得到一个线性特征的方程组,通过求解该方程组得到待融合图像的细节层,实现图像的细节边缘性特征保存,最后进行逆变换从而得到融合图像。之后通过一系列图像质量评价的方式:STD、AVG、SSIM、FD,证明了该方法的可行性。最后探索了基于该方法的FPGA实现方式,在嵌入式平台实现了仿真,满足了图像融合的要求。

一种前景和背景提取相结合的图像显著性检测

为了获得更加精细化的显著目标检测结果,提出一种结合前景和背景信息的图像显著目标检测算法,将自底向上的粗糙显著区域提取和基于流形查询的自顶向下背景权重图的计算整合到统一的优化框架内.粗糙显著图主要融合了更符合生物心理学规则的局部对比图、频率先验图和全局颜色分布图这3个先验图;在背景权重图的计算中,首先根据超像素分割图构建一个无向图的邻接矩阵,然后基于边界背景先验知识选择位于图像边界的一些超像素作为初始流形查询向量进行图节点间关联度的传播计算,得到背景权重图.在MSRA1000和ECSSD这2个基准数据集上与当前主要的10种算法进行了对比实验,结果体现了文中算法的优异性.

基于金字塔变换的多曝光图像融合

在同一场景不同光线下得到的图像序列,常出现过曝光或曝光不足的现象,造成图像质量低,重要信息丢失。为解决这些问题,文中对拉普拉斯金字塔与梯度金字塔变换融合的方法进行了分析研究,后者增加了图像方向信息。在图像融合过程中,采用分块的方法,首先生成原始多曝光图像的权重图,再根据金字塔原理对权重图进行加权平均得到融合后图像。实验结果表明,该算法能够得到具有更多有用信息的高对比度的融合图像,融合效果良好,具有较好的实用价值。

基于图像融合的水下图像清晰化方法

给出了推广的暗通道先验方法,由颜色的变化规律确定景深,利用景深信息提高背景光的估计精度。分别采用推广的暗通道先验、带有色彩恢复的多尺度Retinex以及对比度受限自适应直方图均衡3种方法对水下图像进行清晰化处理,将获得的3个图像作为图像融合的输入图像。综合考虑图像的可见度、饱和度、对比度和显著度等性能指标定义3个输入图像的权重图,以权重图作为融合权值对输入图像进行多尺度融合。实验结果表明:该方法能够显著提高水下图像的清晰度,并且能够有效校正色偏。

高层次综合中的可测性模块分配方案

高层次综合中的模块分配会直接影响到寄存器分配方案,进而影响到综合后电路的面积、时延、功耗和可测性.为此提出一种面向可测性的模块分配方案.在讨论了考虑可测性的模块分配原则之后,提出面向可测性的模块分配的权重图模型,并在此基础上给出基于权重图的可测性模块分配算法.按照最大可测性提高的原则,通过动态地修改权重对模块进行考虑可测性的均衡分配,并最终输出模块分配方案.对标准电路进行实验的结果表明,除了较小的面积开销外,采用文中方案的电路的可测性优于其他方案.

基于图像融合策略的Retinex背光图像增强算法

Retinex是一种基于人类视觉的亮度和颜色感知的模型,在图像增强领域有着广泛的应用。背光作为常见的场景,使得拍摄到的图像存在暗区域不清晰、信息丢失等问题,影响图像的进一步分析和识别。为了提高对这类图像的增强效果,提出了一种基于图像融合策略的Retinex背光图像增强算法。该算法通过原始图像获取白平衡和增强图像,进行颜色校正和对比度增强,再分别对这两幅图像求其权重图以实现拉普拉斯金字塔融合,从而得到增强图像。权重图突显了背光区域的细节信息,与融合技术相结合,可有效提高背光区域的增强效果,获得对比度高、色彩丰富的增强图像。实验结果表明,与已有方法相比,所提出的图像增强算法能够更好地保留图像的细节信息,有效提高背光图像的对比度和清晰度。

基于多特征融合的单幅水下图像清晰化

水体对光有较强的吸收和散射作用,从而造成水下图像颜色失真、对比度下降和细节模糊等问题.针对上述问题,基于图像融合框架提出一种水下图像清晰化方案.首先,结合水下成像模型,提出了基于景深估计的颜色校正方法,其可以有效去除水下图像的蓝(绿)色基调,同时有效解决红通道过补偿问题.然后,对水下图像进行颜色校正和对比度增强得到两幅输入图像;最后,结合亮度、对比度、饱和度、显著性等特征构造权重图将两输入图进行多尺度融合,得到最后的复原图像.实验结果表明,该算法可以有效地去除水下图像颜色失真,同时能够大幅提升图像的对比度和清晰度.

图割法提取建筑物轮廓及镶嵌线

阐述了一种基于图割的建筑物轮廓信息提取及自动搜索镶嵌线算法,其基本思路是用图割对影像进行分块并提取直线。根据直线组合得到矩形,参考矩形周边的阴影判断区域是否为建筑物,根据已经确定的建筑物的属性进行学习。结合已经得到的属性对附近的区域进行再次提取建筑物轮廓,综合之后得到权重图,利用简单的方法得到初始的镶嵌线并参考权重图移动初始镶嵌线中的关键点,最后利用最短路径算法在权重图上得到镶嵌线,经过筛选最终完成自动镶嵌线。

利用采样球体提取真实感纹理

提出了一种从真实物体中提取纹理的方法.利用具有复杂纹理的参考球体作为被采样物体,计算其组成材质的BRDF(bidirectional reflectance distribution function)模型参数以及各点由不同材质构成的比例,形成一幅材质权重图.该图作为纹理映射到3D物体上后,配合BRDF模型参数进行渲染,形成一种适用于重光照(relighting)的纹理.被渲染物体可根据自身方位以及光源亮度/方位呈现出自然的光影变化,达到较为逼真的外观效果.

基于滚动引导滤波的红外与可见光图像融合算法

针对红外与可见光图像融合时,易产生细节丢失、噪声抑制不佳等问题,本文提出了一种改进的滚动引导滤波融合算法。该算法充分利用了滚动引导滤波边缘和局部亮度保持特性,在通过均值滤波将输入图像分解为基础层与细节层的基础上,结合滚动引导滤波与高斯滤波获取输入图像的显著图,利用不同尺度参数的引导滤波对显著图优化得到权重图,将权重图作为权重分别指导基础层与细节层的融合,最后联合融合后的子图重构得到融合图像。针对3类测试数据进行的融合实验表明,与非下采样轮廓波变换、基于引导滤波、基于显著性检测的两个尺度的图像融合等经典方法相比,本文方法得到的融合图像不但从主观视觉效果上细节信息更丰富、目标对比度加强,并且在非线性相关信息熵、相位一致性等6项客观评价指标上均具有较好的效果。