重新下降M估计子约束的深度图超分辨率算法

现有的深度图超分辨率增强算法大多借助于同场景彩色图像提供的辅助信息,而不同传感器信号间的结构差异将会引入质量损伤.为此,将图像引导的深度近邻关系视为误差,并利用重新下降M估计子进行误差的测度,从而有效抑制彩色图像和深度图像间结构差异的问题.首先根据相似颜色具有相似深度的假设建立深度近邻约束;其次利用重新下降M估计子度量深度邻域约束,将深度超分辨率增强转换成一个最优化问题;最后通过广义迭代重新加权最小二乘法予以求解.实验结果表明,该算法可有效地保持深度图的对象边缘,定性和定量指标均优于现有的代表性算法.

稳健主成分回归及其医学应用

目的探讨主成分回归模型的一种稳健估计方法。方法将稳健主成分分析方法ROBPCA(robust principal component regression)和重新加权的LTS(least trimmed squares)方法结合起来,同时结合实例分析,建立稳健主成分回归方程,并可以生成诊断图来诊断异常点。结果用含有异常点的原始数据得到的稳健模型,拟合效果较好。解决了主成分回归中存在异常点的问题。结论当主成分回归中存在异常点时,本文中所述的稳健主成分回归方法具有较高的稳健性,有较好的应用前景。