基于非线性卷积的可控图像类推和自类推技术

提出一种新的图像类推技术,定义"风格"为作用于内容上的非线性卷积过程.通过估计卷积核实现风格学习,通过执行卷积实现风格的传递.该定义能够极大地加快类推速度,提高风格学习与样本数据的独立性,增强图像类推的稳定性与适用性.同时还提出了对图像进行迭代式风格化作用的连续类推思想,以及通过自身构建训练集的自类推思想.连续类推可以生成不同强度的风格化序列,进而实现图像类推控制;图像自类推则可以应用于超分辨等与尺度相关的问题.

带有卷积非线性项的Kirchhoff方程解的多重性

针对带有卷积非线性项的Kirchhoff方程解的多重性研究成果较少、困难较多的情形,通过给出适当的条件来克服非局部项与非线性项之间的相互干扰,进一步再利用Fountain定理来获得方程解的多重性。针对卷积非线性项的出现,采用不同于通常多项式非线性项的处理手法,为解决类似问题提供了参考。

机器视觉中的激光智能识别技术

机器视觉在当代社会的应用极广,针对曾经提出的机器视觉智能识别方法计算代价过大、稳定性不强等缺点,基于激光图像色彩度高、清晰度好的特点,提出基于激光图像的机器视觉智能识别方法。所提方法采用线性扫描技术得到物体扫描信息,根据扫描信息结构特征将其聚类成激光图像。按照存储排列方式提取激光图像色彩向量,通过对其进行非线性卷积运算获取待识别物体边缘结构,实现激光图像边缘检测。最后讨论了机器视觉与激光图像信息点匹配方法,基于对称性特征检测原理将匹配到的虚假信息点排除,将剩余信息点作为识别结果输出。实验结果表明,所提方法具有计算代价小、形状匹配率高的优势。

AOTF测量光谱分辨率提升算法的仿真

根据声光可调谐滤波器(Acousto-Optical Tunable Filter,AOTF)光谱测量系统分辨率随衍射波长变化的特点,研究了利用反卷积算法提高AOTF光谱仪测量光谱分辨能力的方法。结合光谱分辨率的分布,在谱段范围内进行坐标非线性变换,使整个光谱范围内的传递函数相同。再利用非线性迭代反卷积方法和傅里叶自反卷积方法对仿真AOTF光谱系统获取的线谱数据进行分辨率提升处理。仿真结果在分辨率上很大程度地得到了还原,原来由于分辨率低而丢失的信息得到了复原。

提高大气吸收光谱测量分辨率的新方法

在仪器函数和吸收线型已知的情况下 ,提出了一种非线性拟合退卷积法 ,用于提高气体吸收测量的光谱分辨率。数值模拟和实际应用都表明 :该方法用于室内气体吸收光谱的测量 ,在保持吸收线型不变的情况下 ,可以显著地提高测量的光谱分辨率 ,降低测量噪声。将该方法用于怀特池中模拟大气吸收光谱测量 ,减小了激光线宽对测量结果的影响 ,获得了比较理想的结果。