基于BP神经网络的港内系泊船舶运动量预测方法

针对港内系泊船舶不同系泊状态,利用水动力分析软件和时域分析方法进行数值建模,以26.6万m^(3)LNG船为例,构建了该船舶六自由度运动量的数据库。研究进一步基于BP神经网络方法搭建了港内系泊船舶运动量预测模型,该模型设计中隐含层节点数为26,输入层神经元数量为12,输出层神经元数量为6,学习率为0.0001,将训练结果和基础数据库进行了对比验证,结果表明预测结果与训练样本库、检验样本库的对比结果符合良好。文中以模型检验样本库为依据,将预测模型结果与物理模型试验数据进行了对比,验证了该方法的适用性,为快速预报港内系泊船舶运动提供了新思路。

基于多引导滤波器的单幅图像超分辨率技术

提出了一种基于多引导滤波器的单幅图像超分辨率方法。首先,该方法通过大量的自然图像建立高低分辨率图像块样本训练库,并通过聚类算法将具有相似性质的高低分辨率样本块进行聚类;其次,将输入低分辨率图像进行重叠分块,并在样本库中搜索最近邻的高低分辨率样本聚类;再次,将输入低分辨率图像块作为输入图像,与样本库中最近邻的低分辨率聚类样本作为引导图像,运用本文提出的多引导滤波器计算引导滤波器的参数;最后,利用样本库中最近邻的高分辨率聚类样本和引导滤波器的参数,通过多引导滤波器就可以重构高分辨率图像。实验结果表明,本文算法不仅能很好地重构图像的高频细节,还能很好地恢复图像的纹理特征。