基于视觉特征的数字彩色图像模糊增强

对人眼的视觉特征模型进行了分析和归纳，结合数字彩色图像增强的应用特点，提出了一种利用视觉特征模型多层边缘提取来实现数字彩色图像模糊增强的方法及其快速实现算法。

离散彩色图像可视模型与快速聚类技术研究

本文研究了离散彩色图像视觉特征模型，提出了图像可视信息熵、可视质量ＳＮＲ（ＶＰＳＮＲ）、步进聚类等概念；并在该模型基础上，针对离散彩色图像的高效压缩，提出了一种快速聚类算法。算法根据图像ＨＳＶ空间的特性和空域分布特性进行聚类和量化。在保证图像主观视觉质量不变的情况下，使图像的信息数据充分接近可视信息熵。将离散彩色图像视觉特征模型和聚类技术应用于离散彩色图像的压缩，实验表明：系统压缩率可达 ６０～ ３００，与 ＪＰＥＧ相比有明显的提高，提得平均压缩率约为 ＪＰＥＧ的 ６倍。

基于视觉字符增强的电力调度故障预案匹配

电力系统中,调度控制中心会制定一系列的预案作为调度人员处理故障的参考和操作指南,然而,预案中包含的大量文本形式的知识目前仍需由人工进行反复记忆和查询,效率低,速度慢。为了解决这个问题,加快故障处理进程,该文提出一种用于自然语言推理的视觉特征增强型长短期记忆模型(enhanced long short-term memory model based on visual character-enhanced word embeddings for natural language inference,VCWE-ESIM)来实现故障现象与故障预案的自动匹配。该文从模型收敛速度、匹配准确性以及运算速度3方面将VCWE-ESIM模型与已有的文本匹配模型进行对比。算例分析表明,提出的VCWE-ESIM模型综合性能最优,能够准确快速地实现故障现象与故障预案的自动匹配,减少故障处置的时间,加快故障恢复的速度,防止由于故障处置不及时带来的严重后果,提高电网调度的智能化水平。