基于非零均值广义高斯模型与全局结构相关性的BRISQUE改进算法

为解决经典无参考图像空域质量评价(BRISQUE)算法中图像质量敏感特征描述能力弱的问题,进一步提高BRISQUE算法的准确性和鲁棒性,提出一种基于非零均值广义高斯模型与全局结构相关性的改进算法(IBRISQUE).首先用非零均值对称广义高斯模型从均值减损对比度归一化(MSCN)系数映射图中提取图像质量敏感特征;然后用非零均值非对称广义高斯模型在水平、垂直、主对角线和次对角线4个方向从MSCN系数映射图的相邻系数中提取反映局部结构失真的图像质量敏感特征;最后计算水平、垂直、主对角线和次对角线4个方向MSCN系数映射图的相邻系数的皮尔逊相关系数(PLCC)值,将其作为新增的反映全局结构失真的图像质量敏感特征.在LIVE和TID2013基准测试数据库上的实验结果表明,与当前主流图像质量评价算法相比,IBRISQUE算法具有更高的预测准确性,同时执行效率基本保持了与BRISQUE算法相当的水平,综合性能更优.

结合复方向滤波器组高斯尺度混合模型及非局部均值滤波的图像去噪

提出了一种结合金字塔对偶树方向滤波器组（PDTDFB）变换域高斯尺度混合模型及非局部均值滤波的图像去噪方法.首先,建立了含噪图像的PDTDFB系数的局部高斯尺度混合模型,应用贝叶斯最小二乘法估计出去噪图像的PDTDFB系数;然后,通过PDTDFB逆变换重构得到初步去噪的图像;最后,采用非局部均值滤波平滑人工效应,从而获取最终的去噪图像.该方法充分利用了PDTDFB变换具有近似平移不变性、多尺度多方向选择性和对图像纹理边缘等细节信息的高效表示能力,以及高斯尺度混合模型对PDTDFB系数的邻域相关性的概括能力.实验结果表明：与目前几个典型的去噪方法相比较,该方法使信噪比提高了0.3～3 dB,视觉效果也有明显的改善.另外,该方法不仅能有效地去除含噪图像中的噪声,同时也有效地保留了原始图像中的边缘和纹理等细节信息.

非高斯风荷载极值估计:基于HPM转换过程的经验公式

风荷载极值概率信息对于结构抗风可靠性设计十分重要,基于Hermite多项式模型(Hermite polynomial model,HPM)转换过程方法由于在估计强非高斯性风荷载极值方面表现优异,因而受到研究人员的青睐从而被广泛应用。另一方面,该方法的使用过程烦琐且有较强的理论性,不利于工程应用。为此,该文基于该方法提出非高斯风荷载极值估计的经验公式,首先系统地阐述基于HPM转换过程方法,接着对风荷载的极值分布函数模型展开讨论,之后通过回归分析提出风荷载极值分布函数的经验公式,并对其适用性和精确性加以验证。研究成果表明,仅需知晓风荷载若干统计特征的情况下,经验公式可快速估计风荷载极值,精度上与HPM转换过程方法基本相同,而在效率和便捷性方面显著提升,便于在工程中推广使用。

基于Tweedie和零调整逆高斯回归的索赔额模型

保险索赔额的分布拟合与回归模型的建立对保险费率厘定、风险因素分类、准备金计提等方面有重要意义,其研究也得到了广泛的发展和应用。文章对索赔额模型的研究与应用进行了简要的回顾分析,并基于Tweedie分布族和零调整逆高斯分布建立索赔额回归模型;以汽车第三者责任保险的损失数据为例,应用这两个回归模型,得到了比较满意的结果。

考虑时滞效应与均值-方差效用的非零和投资与再保险博弈

在考虑时滞效应的影响下研究了非零和随机微分投资与再保险博弈问题。以最大化终端绝对财富和相对财富的均值-方差效用为目标,构建了两个相互竞争的保险公司之间的非零和投资与再保险博弈模型,分别在经典风险模型和近似扩散风险模型下探讨了博弈的Nash均衡策略。借助随机控制理论以及相应的广义Hamilton-Jacobi-Bellman (HJB)方程,得到了均衡投资与再保险策略和值函数的显式表达。最后,通过数值例子分析了模型中相关参数变动对均衡策略的影响。

基于加性非高斯噪声信道模型的DCT域数字水印技术研究

本文提出了基于加性非高斯噪声信道模型的DCT域数字图像水印算法。该算法将水印信号嵌入在图像的DCT中频变换系数上,并采用广义高斯分布建立DCT交流变换系数的统计模型。在数字水印不可感知特性的基础上,应用统计信号检测理论,推导出相应的水印检测算法。实验结果验证了新方法的有效性。

广义非局部均值算法的图像去噪

NLM(non-local means)滤波成为图像去噪关注的热点。该方法利用在图像中的结构特征冗余,对消除白噪声的效果较好,但对有色噪声效果不理想。对其作了改进,引入广义高斯分布模型以及马氏距离来取代欧氏距离,并且将其推广到图像序列的去噪领域中。结果表明,相较于NLM方法,该方法能够较好地抑制有色噪声,明显地改善了去除噪声效果,在保留图像纹理边缘的同时,有效地去除了图像中的噪声信息。

两种非高斯海洋环境噪声统计模型分析

海洋环境噪声是影响声呐工作的主要因素之一,噪声模型的选取十分重要,普遍采用的高斯噪声模型在很多情况下存在局限性。引出两种非高斯噪声模型匹配实际非平稳的海洋环境噪声:广义自回归条件异方差模型(Generalized Autoregressive Conditional Heteroscedasticity,GARCH)和双模模型,通过分析两种噪声的概率密度分布函数,并与高斯模型噪声和实测海洋环境噪声比较得出两种噪声模型的适用性。GARCH(1,1)模型通过调节参数可以吻合大部分浅海和深海海洋环境噪声,双模模型则只对浅海某些情况存在适用性,而对深海吻合性较差。两种噪声模型的统计特性分析表明它们可以适用于高斯噪声模型存在局限的非平稳环境下。

基于混合高斯分布的广义零样本识别

与传统零样本识别相比,广义零样本识别的样本不仅包括测试类别样本,还包括训练类别样本,因此,广义零样本识别更具有现实意义。提出了一种基于混合高斯分布的广义零样本识别的算法(MGM VAE),在编码器中采用多个通道结构,促使变分自编码器(VAE)模型可以在更广泛的空间内寻求更好的映射解。

混合泊松-高斯分布模型的参数估计

针对实际CCD图像处理问题中噪声概率模型的参数估计问题,从CCD图像的噪声背景出发,研究其噪声的混合泊松高斯分布,给出了两种参数估计方法,以及非零均值高斯噪声情况下的参数估计方法,计算结果表明文中方法给出的参数估计精度高。

广义时变ARMA模型参数函数的确定方法

提出一种确定广义时变ARMA模型参数函数的方法。该方法首先求得时间序列的均值函数和方差函数 ,并将广义时变ARMA模型转化为时变ARMA模型 ,然后通过样本周期图和多点平均方法得到时变参数的函数形式 ,再分别采用最小二乘法和极大似然法确定其中的待定参数。从而将一个复杂的时变问题转变为相对简单的时不变问题进行处理。

基于非局部总广义变分的图像去噪

针对全变分(TV)模型在去除图像噪声时容易产生阶梯效应的缺点,将二阶总广义变分(TGV)作为正则项应用于全变分模型中可以有效地去除阶梯效应,并且还能够更好地保持图像边缘纹理结构;利用非局部均值滤波算法的思想来构造非局部微分算子,将非局部微分算子应用于总广义变分模型中,综合提出了一种基于非局部总广义变分的图像去噪新模型。新模型充分利用了图像的全局信息进行去噪。实验结果显示了该模型的有效性和优越性。

非高斯风压极值估计:基于矩的转换过程法的抽样误差对比研究

非高斯风压极值的准确估计对于建筑结构抗风设计非常重要。由于使用方便,转换过程法被广泛用于非高斯风压极值估计。转换过程法中典型的转换函数模型有Hermite多项式模型(HPM)、Johnson转换模型(JTM)及平移广义对数正态分布(SGLD)模型。通常,这三个转换函数模型的参数估计仅需数据的前四阶矩,因而这些模型被称为基于矩的转换函数模型。实际工程设计中用于计算风压极值的数据通常是有限长度的,而基于有限长度数据计算的前四阶矩具有抽样误差,致使基于矩的转换函数模型估计的风压极值亦具有抽样误差。现阶段对于以上三种模型估计非高斯风压极值所引起的极值抽样误差的区别尚不清楚。为了对三种模型估计极值时的抽样误差进行对比研究,该研究介绍了HPM、JTM和SGLD三个模型;给出了三个模型估计非高斯极值的抽样误差的理论方法;随后基于理论方法的计算结果对比了三个模型估计的极值的抽样误差;基于超长风压风洞试验数据对三种模型极值估计时的抽样误差进行了系统的评估和验证。结果表明:HPM对非高斯风压极值抽样误差的估计效果通常比SGLD模型和JTM估计的效果更好。该研究结果可为合理选择非高斯风压极值估计模型提供一定的指导。

误差为相依序列时的非参数回归模型

本文对非参数多元回归模型Y^(j)(x_(in))=g(x_(in))+e^(j)(x_(in))中误差序列{e^(j)(x_(in)),j≥1}为m_0—相依序列和局部广义高斯序列时,给出未知函数g(x)的估计量的相合性。

基于非下采样四元数轮廓波变换域的图像去噪

为了克服传统小波变换的不足,提出一种将非下采样四元数轮廓波域对称正态逆高斯分布模型与非局部均值滤波相结合的图像去噪新方法。非下采样四元数轮廓波变换是级联四元数小波变换和非下采样方向滤波器组得到的,具有高度的方向选择性、各向异性及平移不变性。仿真实验表明:该方法在峰值信噪比、平均结构相似性及视觉效果上均优于一些经典的去噪算法。

复小波包变换域混合统计模型图像降噪算法

该方法利用四树复小波包变换具有的移不变性、良好的方向选择性和对高频信号的细致分析能力等特点,把含噪图像分解成低频逼近子图和若干高频方向子图;在保留低频逼近子图复系数不变的同时,利用复系数层间相关性的强弱把高频方向子图分为主要类和次要类.对主要类和次要类复系数分别进一步采用非高斯双变量模型和零均值高斯分布模型进行噪声抑制.实验结果表明,无论是峰值信噪比(PSNR)指标,还是在视觉效果上,本文方法的去噪性能均好于传统的双树复小波变换去噪、四树复小波包变换去噪和小波域高斯尺度混合模型去噪,在有效抑制噪声的同时,具有很好的图像边缘和细节保护能力.

高阶贝塞尔高斯光束在非柯尔莫哥诺夫大气中的传输特性

利用广义惠更斯菲涅耳原理计算高阶贝塞尔高斯光束(BGB)在非柯尔莫哥诺夫湍流模型下传输的横向光强分布特性。该模型中,湍流对相位干扰的大小与距离和幂律有关。在远距离处,幂律对干扰大小的影响较为明显。通过Matlab进行数值计算的结果表明,远距离处(10km)的各阶BGB光束光强分布形式均有很大展宽,同时它们随幂律的变化也相对于短距离时更为剧烈。高阶BGB光束受到湍流干扰的影响要小于低阶光束。对于同阶光束来说,横向参数越大的光源在湍流中传输的展宽现象也越为明显。

反射式离轴数字全息再现像中的噪声抑制

为了抑制反射式离轴数字全息再现像中的零级像和散斑噪声对再现像的影响,利用高斯核函数在空域对数字全息图进行低通滤波,再用原数字全息图减去滤波后的低频信息来抑制零级像,采用非局部均值滤波来抑制散斑噪声。实验结果表明空域高斯核函数处理法能有效地抑制零级像,非局部均值滤波可以抑制散斑噪声但对部分细节的保持能力不强,改进后的非局部均值滤波在抑制散斑噪声的同时能很好地保护细节信息,提高了离轴数字全息再现像的质量。

基于去频谱混叠Contourlet变换的层内局部相关性图像降噪

提出了一种基于去频谱混叠Contourlet变换的层内局部相关性图像降噪新方法。含噪图像经抗混Contourlet多尺度变换,得到一个低频逼近子图和一系列不同尺度、不同方向的高频细节子图,充分利用变换域同层同方向子带内信号系数相关性强、噪声系数无相关性的特点,采用强局部化零均值高斯分布模型对高频细节子图进行降噪处理。实验结果表明,该方法计算效率高,能克服Contourlet变换中的频谱混叠,避免了重构图像出现"划痕"现象。无论是PSNR指标,还是在视觉效果上,该方法的去噪性能均好于Contourlet去噪、Contourlet域HMT去噪和基于抗混叠Contourlet变换的硬阈值去噪,在有效去噪的同时,具有很好的图像边缘和细节保护能力。

复小波域最大后验概率图像复原

提出了一种双树复小波变换域最大后验概率图像复原方法。该方法通过在最大后验概率图像迭代复原过程中构建噪声残差,并采用双树复小波变换零均值高斯模型对参差进行降噪处理,从而避免了原泊松最大后验概率图像复原过程中噪声放大的问题,实现了迭代复原的正则化目的。对比实验结果表明,该图像复原方法能很好解决恢复迭代中噪声放大的问题,同时,在视觉效果、PSNR、ISNR等指标上均比Wiener、Pisson-MAP等算法好。