基于增量维纳滤波和空间自适应规整的超分辨率图像复原

该文提出一种新的超分辨率图像复原方案,该方案利用了空间自适应规整方法的空间分段平滑特性和增量维纳滤波的快速收敛能力,将解的先验约束结合到迭代过程中,通过多幅低分辨率降晰图像来估计一幅高分辨率图像。计算机仿真结果表明,该方法可以有效实现超分辨率图像复原,有效地提高了复原的自适应控制能力和收敛性能。

基于自适应规整化方法的图像超分辨率重建

以Gauss-Gibbs随机场模型为图像的先验概率模型,运用自适应规整化的最大后验概率(MAP)方法进行图像超分辨率重建。通过对先验概率分布参数的估计,对图像超分辨率重建求解进行自适应规整化,从而提高重建图像的质量。实验结果表明,该算法能较好地再现图像的各种边缘信息,重建的高分辨率图像在峰值信噪比和视觉效果方面都得到明显提高。

基于扩散模型和爬坡趋势分类的风电功率自适应区间预测

扩散模型基于马尔可夫链的概率性质,能够定量描述风电的随机性和不确定性。然而,传统基于扩散模型的时序预测方法以当前输入前一段样本的均值作为基准进行特征缩放,导致预测区间在高峰时段过大、低谷时段过小。因此,提出一种基于扩散模型和爬坡趋势分类的风电功率自适应区间预测方法。首先,利用基于扩散模型的区间预测框架获取初始预测区间。然后,将风电波动过程划分为6种模式,对不同模式下的预测区间采取自适应规整策略,进而获得初始改进区间。接着,针对高出力模式中非爬坡时段的区间带宽不匹配问题,建立爬坡趋势分类评估模型,并结合所属出力模式进行区间修正,获得最终的区间预测结果。最后,实验结果表明所提方法的区间预测效果更优。

基于自适应频率规整的鲁棒说话人辨认研究

该文提出了一种基于自适应频率规整的鉴别性特征提取算法。该方法通过对语音频谱的各个频带的鉴别性分析及其量化结果对各个频域进行自适应的频率规整,进行非均匀子带滤波设计提取鉴别性特征;同时在噪声环境下,在特征提取前端进行了预增强处理,解决了测试语音与训练语音失配的问题,保证了特征的正确提取。实验证明,该特征原理简单,稳定性好,对语音内容不存在依赖性,有良好的抗噪性能,并且结合预增强处理是有效的,能够进一步提高辨认系统的识别率和鲁棒性。

规整化人脸图像超分辨率重建的数值解法

提出了基于特征子空间规整化的人脸图像超分辨率重建(SRR)算法并给出了三种数值解法。在仿射变换运动模型下,将图像的四邻域插值方法拓展为图像的梯度场估计问题,推导出了待求高分辨率(HR)图像关于运动参数的雅科比矩阵;并根据对SRR代价函数的全微分和偏微分展开,将非线性的SRR问题转换为线性问题迭代求解,讨论了三种运动参数与HR图像的联合迭代估计算法。给出了SRR规整化参数的自适应计算方法以实现自动SRR。仿真结果证实:采用的人脸子空间规整化方法优于传统规整化方法(拉普拉斯、全变差),尤其在低信噪比时可以获得良好的人脸图像SRR效果。