自适应分数阶偏微分方程修正模型的能量泛函及Euler-Lagrange方程研究

首先对分数阶微分方程进行构建,结合全变分项,提出了修正的自适应分数阶偏微分方程模型。研究首先确定出分数阶偏分去噪模型的最优分数阶数,当分数阶次为1.8时,峰值信噪比和结构相似度达到33.12和0.874,均方根误差降低至5.62。然后将研究提出的模型与全变分模型、分数阶偏分去噪模型等在图像上进行对比实验,研究提出的模型在峰值信噪比、结构相似度上达到最高,分别为29.045与0.839,均方根误差为9.427,表明模型能够抑制阶梯效应,具有优越的去噪性能。

基于二维Otsu准则的自适应分数阶微分的图像增强算法

针对传统的分数阶微分应用于图像增强中会在强化图像边缘的时候忽视了图像的纹理,或者在保留更多图像纹理的同时弱化了图像边缘等不足,本文提出一种可以根据像素点的动态梯度来自适应调整分数阶微分阶次的图像增强新方法.该方法引入改进的二维Otsu准则,并结合图像的区域特征构造出自适应分数阶微分函数,进而求出与每一个像素点相对应的分数阶微分阶次.最后,实验结果表明该方法比较现有的方法可以更好的提取和增强图像边缘的同时,保留图像弱纹理和平滑区域,从而达到更佳的图像增强效果.

基于自适应分数阶微分的Harris角点检测算法

针对Harris算法在对纹理复杂程度高的图像进行角点检测时会出现大量伪角点,以及分数阶微分应用到图像处理中需要人为地指定阶数的缺点。分析了伪角点大量产生的原因,并提出以分数阶替换原算法中的整数阶对图像进行微分的改进方法,以及一种以图像的分形维数作为参数来自适应地选择微分所需要的阶数的方法。从而使图像做微分运算时能更好地保留图像中的边缘信息,使分数阶微分可以应用于视频目标追踪、视频稳像等实时性要求较高的场合。实验表明,改进算法在进行角点检测时具有更高的精确度。

基于鲁棒控制的自适应分数阶梯度优化算法设计

当目标函数是强凸函数时,一般的分数阶梯度下降法不能够使函数收敛到最小值点,只能收敛到一个包含最小值点的区域内或者是发散的.为了解决这个问题,本文提出了自适应分数阶梯度下降法(AFOGD)和自适应分数阶加速梯度下降法(AFOAGD)两种新的优化算法.受到鲁棒控制理论中二次约束和李雅普诺夫稳定性理论的启发,建立了一个线性矩阵不等式去分析所提出的算法的收敛性.当目标函数是L-光滑且m-强凸时,算法可以达到R线性收敛.最后几个数值仿真证明了算法的有效性和优越性.

基于自适应分数阶微分的红外目标增强算法

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题,提出了一种基于自适应分数阶微分的红外目标增强方法。该方法首先利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘;然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分;通过对图像中的目标区域进行线性增强,以进一步突显目标。经过实验验证:本文提出的方法能够有效地区分红外图像中的目标和背景,局部目标背景比(Target-to-Background Ratio,TBR)平均提高了0.5,视觉效果比较理想。

基于分数阶微分自适应算法的煤尘图像滤噪

针对传统的煤尘图像滤噪方法迭代过程长、滤噪效果不理想、纹理保持能力差等问题,对现有的滤噪方法进行改进,建立了基于分数阶微分模型的自适应滤噪算法。改进算法对参数u的变化梯度进行调整,从整数阶扩展到分数阶;根据区域特征分别对算法中的各项参数进行自适应选择。实验结果表明,改进后的滤噪算法收敛速度快,迭代次数少,滤噪效果好,纹理保持能力强,且其检测滤噪效果能力的量化指标获得了很好的改善。

分数次Chebyshev小波结合SA算法求解分数阶微分方程数值解

为了求解分数阶微分方程,提出了一种结合分数次第二类Chebyshev小波(FOCWs)配置法与模拟退火(SA)算法的有效数值方法。首先,构造了分数次的第二类Chebyshev小波函数,利用正则化的Beta函数,推导了分数次Chebyshev小波函数在Riemann-Liouville分数阶积分定义下的积分计算公式。其次,利用分数次小波函数及积分公式并结合配置法,将分数阶微分方程转化为线性或非线性代数方程,给出了算法的误差估计。由于分数次小波函数中涉及分数次参数α,解的结果依赖于参数α的选择,考虑使用SA算法寻找最优参数。最后,通过数值算例验证了该方法的可行性和有效性。

基于可变阶次分数阶微分图像自适应增强算法研究

传统分数阶微分算子方法存在一些缺陷,比如对同一图像的不同区域增强的幅度没有选择性;在增强图像的同时也放大了噪声等。针对这些问题,提出了自适应分数阶微分算子图像增强方法,该方法可以根据图像的不同区域的信息和结构特征自动的调整分数阶微分的阶次,在增强图像边缘纹理细节和抑制噪声方面取得了较好的平衡点。实验证明该方法明显的优于其他的图像增强的方法。

求解时间分数阶相场微分方程的自适应分数阶物理信息网络

本文提出具有自适应权重的分数阶物理信息神经网络(adaptive-fPINN-PQI)求解时间分数阶偏微分方程。首先,利用Hadamard有限部分积分意义上的分段二次插值(PQI)对时间分数阶导数进行离散。其次,为降低自动微分引入的误差,本文采用中心差分法代替自动微分求导,计算空间各阶偏导数,提高了预测解精度。此外,本文构建的自适应权重残差网络,基于残差网络架构有效防止梯度消失。并通过建立自适应权重来自动调整不同损失项的权重,显著平衡其梯度,进一步提升预测解精度。最后,将adaptive-fPINN-PQI用于求解时间分数阶相场偏微分方程,证明了该网络的高精度和高效率。

自适应三维分数阶微分增强算法

针对三维数字图像在重构预处理阶段分辨率不高、模糊等影响重构精度的问题,提出了基于自适应三维分数阶微分的增强算法。在将二维分数阶微分推广应用至三维的基础上,尝试性地基于图像自身梯度信息和相邻体素间梯度变化构造了自适应三维分数阶微分阶数,并给出了三维离散滤波模板。利用三维切片图像自身梯度信息解决了不同属性图像及不同图像区域最优的分数阶微分阶数不同的问题,提高了实时处理效率。将自适应增强算法应用至三维边缘曲面追踪算法,可以重构出精度更高的三维数字图像。

基于自适应分数阶微分的医学图像增强算法

针对图像增强过程中,分数阶微分的阶数往往由经验或大量的实验来选择较优的值,不能实现自适应性,没有充分发挥分数阶微分的优良特性的问题,提出了一种基于图像局部梯度、信息熵和方差三个与图像纹理相关的参数的自适应分数阶微分图像增强算法,并应用于一些相关的医疗图像中。依据信息熵和平均梯度等纹理分析的定量评定标准,对增强后的图像进行实验比较分析。实验结果表明,相对于所比较的算法,自适应分数阶微分算法能够在增强图像的边界和纹理部分的同时,保留平滑区域的信息细节,同时获得较好的视觉效果。

可变阶次分数阶微分实现图像自适应增强

为了改善图像增强的效果,提出了一种可变阶次的分数阶微分图像自适应增强算子.该算子的数学原理是根据图像的局部统计信息和结构特征来动态调整分数阶微分的阶次.在图像增强的过程中,分数阶微分的阶次满足在图像"强边缘"处具有较大的微分阶次,在图像"弱边缘"或纹理处具有较小的微分阶次,在图像平滑处具有微小的微分阶次,在判断为噪声处具有负阶次.建立了图像增强效果和分数阶微分阶次之间的非线性量化关系,构造了相应的自适应函数,实现了图像的自适应增强.实验结果表明,在无噪声的情况下,该方法较传统的分数阶微分算子在图像增强方面效果更好;在有噪声的情况下,该方法具有一定的噪声免疫能力.

基于自适应投影算法的分数阶全变分去噪模型

为了在图像去噪的同时较好地保持图像的弱边缘和纹理细节,提出基于自适应投影算法的分数阶全变分模型.该模型使用Grünwald-Letnikov分数阶微分替代全变分正则项中的一阶导数,通过将图像投影在全变分球体上以解决分数阶全变分的优化问题.并根据图像的局部信息将图像分为纹理区域和非纹理区域,从而自适应计算投影方法中的软阈值.理论分析和实验均表明,文中方法在去除噪声的同时可以消除块效应,并且能有效保持图像的弱边缘和纹理细节.

最大相关熵准则自适应滤波器的分数阶长算法

对自适应滤波器最佳阶长的准确估计可以有效平衡自适应算法的稳态性能与计算复杂度,而基于最小均方差(MMSE)准则的变阶长最小均方(LMS)算法在非高斯噪声环境下的收敛性能变差。针对这一问题,提出一种最大相关熵准则(MCC)自适应滤波器的分数阶长(FT)算法——FT-MCC算法。该算法从MCC自适应滤波器最佳阶长的定义出发,利用不同阶长滤波器产生的相关熵之差实现阶长更新。理论分析和实验表明:相比现有变阶长最小均方算法,FT-MCC算法在非高斯噪声环境中具有较强的鲁棒性;通过恰当的参数选择,算法可较好地实现对最佳阶长的跟踪和估计。

用遗传算法优化设计分数阶微分器

为了进一步提高分数阶微分器的精度,将遗传算法引入到滤波设计中,获得了性能更加优越的分数阶微分器。首先分析了分数阶微分器的特点和设计方法,通过对相应IIR滤波器的系数进行优化,得到了分数阶微分器的全局最优个体,避免了传统方法设计分数阶微分器中高频出现的误差。仿真结果表明,由该算法设计的分数阶微分器明显优于其它方法,能有效的逼近理想分数阶微分器的幅频响应。;

基于多分辨率和自适应分数阶的Active Demons算法

分数阶Active Demons(fractional active demons,FAD)算法是图像非刚性配准的有效方法,并且能解决灰度均匀和弱纹理图像配准精度低,优化易陷入局部极小而导致的配准速度缓慢问题,但是该算法中分数阶最佳阶次的寻找需要通过多次实验人工选取,缺乏阶次自适应性.针对该问题,提出了基于多分辨率和自适应分数阶的Active Demons算法,该算法首先根据图像梯度模值和信息熵,构建了自适应分数阶阶次的数学模型,基于该模型自动计算出分数阶的最佳阶次和微分动态模板;然后将多分辨率策略加入到自适应分数阶Active Demons算法中,进一步提高了图像配准效率.理论分析和实验结果均表明:提出的算法可用于灰度均匀、弱边缘和弱纹理图像的配准,能根据图像的局部特征自适应计算最佳分数阶阶次,并避免了算法陷入局部最优,从而提高了图像配准的精度和效率.

基于分数阶四元数傅里叶变换和遗传算法的彩色图像自适应水印算法

基于分数阶四元数傅里叶变换(Fr QFT)和遗传算法,提出了一种新的彩色图像自适应水印算法.首先,依据直接从彩色载体图像提取的纹理、边缘和色调掩蔽特性,将图像块分为3种不同类型;不同类型块采用不同的Richard逻辑曲线确定水印嵌入强度,并采用遗传算法从不可见性和鲁棒性2个方面优化各Richard逻辑曲线参数;最后,根据由优化的Richard逻辑曲线确定的自适应水印嵌入强度,通过量化索引调制算法和冗余嵌入策略将水印自适应嵌入到彩色载体图像的Fr QFT系数中.实验测试结果表明,所提算法在不可见性和鲁棒性2个方面均优于现有传统算法和基于四元数的算法.

数字图像的分数阶微分自适应增强

为了解决分数阶微分应用于图像处理中难以确定分数阶微分阶次的问题,首先分析了图像的分数阶微分增强效果在一定范围内随着分数阶微分阶次的增大而增大以及图像的平均亮度越大,恰可感知的亮度差异就越大的特点;然后,根据图像的整体灰度分布和局部灰度值构造了自适应分段函数来确定分数阶微分阶次。实验结果表明,该方法能自动寻找最佳微分阶次,增强后的图像视觉效果明显,图像增强视觉效果接近或超过最佳微分阶次下的视觉效果,增强图像的对比度明显高于最佳微分阶次下的对比度。

基于自适应量子遗传算法的分数阶控制器参数整定

针对量子遗传算法中旋转变异角固定的缺点,提出了一种旋转变异角幅度随着个体适应度的变化而自适应调整的自适应量子遗传算法,对典型测试函数的优化结果表明了该策略能有效提高量子遗传算法的优化精度和收敛速度。同时,针对分数阶PIλDμ控制器难于整定的问题,将参数整定转化为参数优化,提出采用AQGA对分数阶PIλDμ参数进行优化,并利用该策略对循环流化床主汽温分数阶系统设计了分数阶PIλDμ,仿真结果表明了该方法在PIλDμ参数整定中的有效性。

一种自适应分数阶偏微分图像增强模型

针对传统的自适应分数阶偏微分方程图像增强算法对图像暗区纹理区域的增强不足的缺点,考虑到人眼对光感的敏感程度不同,将亮度对视觉的影响因素考虑进传统的自适应分数阶偏微分方程图像增强算法。以梯度和灰度值为参数,建立了一种新的自适应分数阶偏微分图像增强模型。该模型改善了传统算法对暗区图像增强不足的缺点,图像增强后的平均梯度提升明显,很好地改善了图像的视觉效果。实验结果说明本算法具有一定的有效性。