基于网函数插值理论的结构表面风压预测

影响结构表面风荷载分布特性的因素很复杂,且具有不确定性,仅靠风洞试验难以完整地获得和描述其风荷载分布特性。因此,探讨了基于网函数插值理论的结构表面风压分布预测。首先,介绍了一种可多方向拟合一次误差调整的网函数插值法,并基于网函数插值技术对于多个传感器所获得的数据进行数据融合,提出了结构表面风压分布预测方法,然后用风洞试验数据进行了验证。实例验证结果表明:网函数插值法可以根据布置在结构物表面的测点网,快速计算出相邻位置的表面风压值,这是作为数据融合手段预测结构表面风压分布特性的一个有效途径,且该方法稳定性好,简单实用,精度较高,可被应用于风洞试验中减少测点数量和扩充复杂建筑表面风压分布数据等。

结合网函数插值与TV模型的图像修复算法

TV(Total Variation)模型用于图像修复时没有考虑缺损区域的方向信息,并且存在收敛速度缓慢以及修复质量较低等问题.针对图像上方向特征明显的条状缺损区域,提出带方向的TV图像修复算法(ADTV).该算法分别针对4种方向(0度、45度、90度、135度)对TV算法离散格式进行改进,并引入方向判断,将缺损区域归类到此4种方向进行修复.实验结果表明,该算法充分利用了条状缺损区域的方向信息,有效提高了图像修复质量.为提高修复效率,将网函数插值分别与TV算法、ADTV算法相结合提出Net-TV算法、Net-ADTV算法.实验结果表明,结合算法不但有效减少了迭代次数,降低了时间成本,加快了收敛速度,而且提高了图像修复效果.

基于网函数插值的高密度椒盐噪声去除方法

图像在获取和传输过程中容易产生椒盐噪声,严重影响图像质量。针对高密度椒盐噪声滤波处理难的问题,基于网函数插值,提出一种高密度椒盐噪声图像降噪方法。利用椒盐噪声的奇异点和不相关特性检测椒盐噪声,根据椒盐噪声所在位置,采用网函数插值方法对图像进行恢复和重构。实验结果表明,与经典的中值滤波和自适应中值滤波方法相比,该方法对于高密度(密度>70%)的椒盐噪声能取得更佳的滤波效果,更好地保持图像细节。

网函数插值法在数字图像盲检测中的应用

针对计算机生成图像和拼接图像伪造,提出一种基于网函数插值法的数字图像盲检测算法.该算法首先利用Coons型分形曲面片对待检测图像进行预测.然后计算待检测图像和预测图像之间的差异,并提取待检测图像、预测图像及其差值的统计特征.最后,根据这些特征利用支持向量机判定待检测图像是否为自然图像.实验结果表明:与基于高阶统计特征和几何不变量的算法相比,该算法具有更高的效率、准确率和稳定性.

网函数插值法重力区域校正的误差研究

本文研究了划分重力区域场与局部场的网函数插值法的三种误差，给出了它们的估计式，且进行了数值模拟，还提出了压制误差的方法。

基于网函数插值的图像修复算法

图像在成像、传输等过程中会因为特定因素而导致图像数据失真,需对其进行修复。基于网函数插值理论,利用插值实现扩散修复,构造网函数插值图像修复算法,对斑点、划痕、文字三种不同类型的缺损图像进行修复实验,并与全变分(Total Variation,TV)修复算法进行对比实验。实验结果表明:1)该算法可有效修复三种不同类型的缺损图像;2)算法计算复杂度低,在多数情况下比TV修复算法收敛速度更快,修复效果更好。

m×n网函数插值及其Aitken逐次插值结构

网函数插值法是一种多元函数的插值方法，它是一元函数Ｌａｇｒａｎａｇｅ插值法的自然推广。本文阐述一元ｍ×ｎ网函数插值法，并给出其Ａｉｔｋｅｎ逐次插值结构。

基于迭代网函数插值的椒盐噪声去除算法

针对目前缺乏简单有效的方法去除图像椒盐噪声的问题,基于网函数插值算法,提出一种迭代网函数插值去噪算法。利用包含不同密度(10%、30%、50%和70%)椒盐噪声的多个图像进行数值实验,并与其他方法进行对比研究。实验结果表明,1)该算法可以有效去除不同密度椒盐噪声;2)对低密度噪声经过少量迭代后快速收敛,对高密度噪声可自适应增加迭代次数达到更好去噪效果,该算法具有良好的收敛性;3)在3×3窗口,每次网函数插值仅需2次乘法运算和7次加法运算,算法运算效率高。

基于网函数插值的MODIS Level 1B图像Bowtie效应修正

MODIS图像中Bowtie效应普遍存在,严重影响着数据的广泛应用和后续处理,因此Bowtie修正是MODIS图像处理必不可少的步骤。提出了基于网函数插值的MODIS图像Bowtie效应修正方法,其特点是利用MODIS Level 1B产品自带的地理纬度数据确定重复行数。应用个例表明,基于网函数插值的方法可以有效地对Bowtie效应进行修正,并且可以避免相关系数方法计算重复行数的不稳定性问题。

二元似凸函数

利用网函数插值的概念,本文定义了新的一类凸函数——“二元似凸函数”,并且刻划了其特征性质,它是一元凸函数概念在二元函数情形的自然推广,然而又与通常的二元凸函数并不相同(它们互不包容)。有趣的是:利用似凸函数的凸性不等式同样可以推得一系列数熟知的重要的不等式。

低质图像去模糊反卷积数学建模仿真

图像采集设备受温度偏移、光学偏移、成像时的相对运动、失焦等因素影响,可能导致图像质量下降的情况,为了提升图像视觉效果,提出基于正则化约束的低质图像去模糊数学建模方法。基于网函数插值原理和扩散理论构建迭代网函数插值算法用于椒盐噪声去除,同时联合Tetrolrt变换和主动随机场模型去除高斯噪声,提升图像质量。依据图像模糊核稀疏性和梯度稀疏性,采用混合正则化约束构建两者的估计数学模型,通过交替方向乘子法求解数学模型,并利用L1范数和全变分法反卷积低质图像,实现图像去模糊。实验结果表明,所提方法去模糊后图像峰值信噪比、结构相似性、平均梯度和视觉保真度更高,图像细节更清晰。

基于改进TV修复模型的椒盐噪声去除算法

椒盐噪声去除是图像处理领域中一项重要任务。将网函数插值与TV模型相结合提出Net-TV修复算法,通过噪声检测将椒盐噪声点看作缺失信息,利用Net-TV修复算法进行修复。针对三幅包含有不同水平椒盐噪声的图像进行数值实验,并将结果与多种算法进行对比。实验结果表明,Net-TV图像去噪算法有效滤除噪声的同时,能够良好保护图像边缘信息,且算法效率高,对不同密度下的含噪图像均可达到较好效果。

Spatial interpolation method based on integrated RBF neural networks for estimating heavy metals in soil of a mountain region

A novel spatial interpolation method based on integrated radial basis function artificial neural networks （IRBFANNs） is proposed to provide accurate and stable predictions of heavy metals concentrations in soil at un- sampled sites in a mountain region. The IRBFANNs hybridize the advantages of the artificial neural networks and the neural networks integration approach. Three experimental projects under different sampling densities are carried out to study the performance of the proposed IRBFANNs-based interpolation method. This novel method is compared with six peer spatial interpolation methods based on the root mean square error and visual evaluation of the distribution maps of Mn elements. The experimental results show that the proposed method performs better in accuracy and stability. Moreover, the proposed method can provide more details in the spatial distribution maps than the compared interpolation methods in the cases of sparse sampling density.