基于内外混合图像先验与图像融合的DIP改进降噪模型

为提高无监督深度图像先验(DIP)降噪模型的降噪性能,该文提出了一种基于内外混合图像先验与图像融合的DIP改进降噪模型(IDIP),该模型由样本生成和样本融合两个相继执行的模块组成。在样本生成阶段,首先利用2个分别来自内部和外部先验且有代表性的降噪算法(模型)处理噪声图像以产生2张初始降噪图像。基于这2张初始降噪图像,使用空间随机混合器按照各自50%混合比例随机生成足够多的混合图像作为DIP降噪模型的第2目标图像并与第1目标图像(即噪声图像)构成双目标图像。然后,每次使用不同的随机输入和双目标图像,多次执行标准DIP降噪流程生成多张具有互补性的样本图像;在样本融合阶段,首先为了获得更好的随机性和稳定性,随机丢弃50%的样本图像。然后,采用无监督融合网络在样本图像上完成自适应融合,获得的融合图像的图像质量相对参与融合的样本图像得到再次提升,作为最终降噪图像。在人工合成噪声图像上实验表明:IDIP降噪模型较原DIP降噪模型在峰值信噪比评价指标上有约2 dB的提升,且较大幅度超过了其他无监督降噪模型,逼近了有监督降噪模型。而在实际真实噪声图像上,其降噪性能较各对比方法更具鲁棒性。

改进的局部最小像素先验遥感图像盲复原算法

为了解决遥感图像盲复原时模糊核估计不准确、复原图像存在振铃效应的问题,提出改进的局部最小像素先验遥感图像盲复原算法。该算法首先引入极端通道先验与局部最小像素先验结合,对图像的强度进行更好的约束,有利于得到更好的潜在清晰图像;然后采用基于梯度的方法估计模糊核,模糊核估计与中间潜在清晰图像估计交替迭代进行,获得较为理想的模糊核;最后引入联合双边滤波器,采用改进的拉普拉斯与正则化图像复原算法抑制图像复原的振铃效应。实验结果表明,本文方法对遥感图像复原效果较好,恢复的图像边缘清晰,振铃伪影得到抑制且模糊核较为理想;客观评价指标峰值信噪比(PSNR)较前沿复原算法平均提高约1.40 dB,结构相似度(SSIM)平均提高约0.02。

康德先验逻辑的逻辑分析

先验逻辑是康德认识论批判的主体部分,既有先验认识论结构,也有形式逻辑脉络,包含“真理的逻辑”和“幻相的逻辑”。在先验逻辑中,形式逻辑的对当关系、命题逻辑、三段论与先验认识论的概念分析、原理分析、幻相分析之间,具有精巧的对称结构。在哲学维度,先验逻辑是认识论和逻辑学的统一。其中,逻辑线索构成康德认识论迷宫的“导航”,同时它也是认识论体系的“脚手架”。在逻辑史维度,先验逻辑注重形式和内容的结合,意味着非经典逻辑的萌芽,对现代逻辑哲学具有启示意义,并成为黑格尔辩证逻辑的思想渊源。

基于空间稀疏先验的冲击载荷识别频域非凸稀疏正则化方法

复合材料因其强度高、刚度高、密度小等优点而广泛应用于航空、航天等领域。但由于其抗冲击性差,监测作用于复合材料结构上的冲击载荷对于结构快速检测损伤十分重要。经典的Tikhonov正则化方法在欠定情况下求解载荷识别问题时容易在载荷非加载区识别出虚假力;近年来兴起的L1范数稀疏正则化方法在识别冲击载荷时常低估载荷的幅值。为了突破这些方法的局限以实现更高精度的冲击载荷识别,该研究基于冲击载荷的空间稀疏先验,提出一种新的冲击载荷识别频域非凸稀疏正则化方法。所提出的方法结合了广义极小极大凹惩罚项的非凸优势以及非凸保凸的特性,利用向前向后分裂算法进行凸优化求解,既避免了非凸优化容易收敛到局部最优解的问题,又促进了解的稀疏。分别在复合材料梁和复合材料层合板上开展了冲击载荷试验验证,试验结果表明,无论在正定还是欠定的情况下,所提出方法能在精准定位冲击位置的同时重构冲击载荷的时间历程,且该方法在促进解稀疏和识别载荷幅值方面的表现都优于L1正则化方法,其中幅值识别精度能比L1正则化提升50%以上。

密度先验引导的无监督深度点云降噪算法

为了提高无监督深度点云降噪算法的性能,提出密度先验引导的无监督深度点云降噪算法.基于现有的网络框架,首先设计了密度先验,通过噪声点云的整体分布计算每点位于真实底层曲面的概率;然后利用深度网络,通过上采、下采等策略克服大噪声点的影响,得到降噪点云;最后利用密度先验优化干净点的条件概率分布,设计无监督损失函数对网络进行优化,得到最终算法.此外,基于密度先验还提出低噪声点筛选方法和滤波算法.所提算法在PyTorch上实现,以基于ModelNet-40构造的仿真数据库及真实扫描数据PERL为例,以倒角距离及点到曲面的距离为评价指标.与DMR等算法相比,倒角距离平均降低0.35~1.34,点到曲面的距离平均降低0.68~1.94.实验结果表明,所提算法降噪结果优于现有算法,且具有较强的鲁棒性、普适性和泛化能力.

基于深度卷积神经网络算法和先验知识构建冠心病患者大鱼际望诊模型的思路与方法

基于全息理论的中医望诊可以辅助诊断西医疾病,但目前中医望诊主要依靠名老中医药专家的经验传承,存在望诊客观化、标准化程度不够,缺乏行业内认可度高的望诊转化技术的问题。而望诊融合人工智能信息化技术,可以提升中医望诊客观化、标准化的水平,可以有效地降低疾病的恶化率和病死率,促进中医望诊经验的转化。据此,结合前期开展的大鱼际特征与冠心病关系研究,得出大鱼际望诊可以用于冠心病早期预警筛查。以大鱼际望诊和冠心病之间的关系为例,将先验知识和深度卷积神经网络算法深度融合,将特征提取和分类合为一体,利用深度学习端对端的显著特点,输入观察到的原始大鱼际图像像素数据或信息,通过对大鱼际照片的大量深度学习,构建冠心病患者的关键特征要素,融合先验知识后,输出是否为冠心病的分类结果,中间为深层的网络结构。这一思路将提出一种中医望诊客观化、标准化的智能化算法,促进中医望诊经验的转化思路与方法,以提高基层群众的疾病预警筛查能力,服务“健康中国”战略。

基于光易变性低秩正交先验的高光谱解混

高光谱解混是通过图像分解提取端元及丰度特征的过程,然而由光照、大气等因素引起的光谱类内易变性,或者由环境变化、设备等非线性因素导致的谱间易变性,会导致特征提取精度下降。为了全面考虑解混过程中光谱变化的问题,本文引入光谱易变性的低秩正交先验提出了一种增强型的光谱解混优化模型。首先,在线性解混模型基础上引入易变性数据拟合项来同时考虑光谱类内和类间变化,利用缩放因子来解决光谱类内易变性,同时增加光谱易变性扰动矩阵来解决谱间易变性。其次,该模型利用正交先验约束来实现原光谱字典与易变性项的空间低相干性,通过采用核范数对数松弛来强化丰度矩阵的低秩特性,抑制微小分量及噪声。最后,采用交替优化法及向量-矩阵算子降低求解算法复杂度。通过模拟数据集和真实数据集仿真测试结果表明,本文所提算法取得了优于对比算法的良好性能,验证了该优化模型的有效性。

物理、数据先验认识融合的叠前解耦分步反演

AVA三参数反演在地层弹性参数预测中发挥着重要作用。由于AVA理论公式(即物理先验认识)中的角度不易确定,加之大型稀疏矩阵的病态性,导致常规叠前反演过程不稳定。为此,提出物理、数据先验认识融合的叠前解耦分步反演方法。首先,基于物理先验认识构建非稀疏正演框架,以增加参数反演的稳定性,为解耦分步反演奠定基础;然后,以井资料为数据先验认识,将物理、数据先验认识融合,对叠前地震数据进行解耦,以得到更准确的叠前地震属性数据;最后,对解耦后的叠前地震属性进行反演得到地层弹性参数。该方法通过井数据先验认识修正反演过程,可以避免因物理先验认识中角度不准带来的误差。实际数据测试结果表明,相比于业界三参数AVA反演方法,本方法的反演结果具有更高的精度,其中拉梅参数、剪切模量和密度的精度分别提高14.1%、13.6%和11.9%。

双通道深度图像先验降噪模型

相对于采用固定网络参数值的有监督深度降噪模型而言,无监督的深度图像先验(Deep Image Prior,DIP)降噪模型更具灵活性和实用性.然而,DIP模型的降噪效果远低于有监督降噪模型(尤其是在处理人工合成噪声图像时).为进一步提升DIP降噪模型的降噪效果,本文提出了双通道深度图像先验降噪模型.该降噪模型由噪声图像预处理、在线迭代训练和图像融合3个模块组成.首先,利用BM3D和FFDNet两种经典降噪方法对给定的噪声图像进行预处理,得到2张初步降噪图像,然后,将原DIP单通道逼近目标图像架构拓展为双通道工作模式.其中,第一通道以FFDNet初步降噪图像和噪声图像为双目标图像,第二通道则以BM3D预处理图像和噪声图像为双目标图像.在此基础上,按照标准的DIP在线训练方式让DIP网络输出图像在两个通道上分别逼近各自的目标图像,同时依据基于边缘能量定义的伪有参考图像质量评价值适时终止迭代过程,从而获得2张中间生成图像.最后,使用结构化图块分解融合算法将两张中间生成图像融合并作为最终的降噪后图像.实验数据表明,在合成噪声图像上,本文提出的双通道深度图像先验降噪模型在各个噪声水平上显著优于原DIP及其他无监督降噪模型(提升了约2.2 dB),甚至逼近和超过了新近提出的主流有监督降噪模型,这充分表明了本文提出的改进策略的有效性;在真实噪声图像上,本文提出的降噪模型优于排名第二的对比降噪方法约2 dB,展现出其在实际应用场景下独有的优势.

基于先验知识的弓网接触电阻预测模型精度提升方法

高速列车的运行实践表明,随着运行速度提高,受电弓与接触导线分离的可能性越大,越容易产生弓网电弧。导致电弧产生的因素很多,但最终都归结到滑板与接触网的接触电阻上。首先利用滑动电接触实验机,研究了波动载荷、滑动速度和接触电流对接触电阻的影响,并进一步结合表面形貌特征,分析了磨损机制、电弧放电与接触电阻演变规律之间的关系。其次为了预测不同工况下的接触电阻,建立了径向基(RBF)神经网络回归模型,通过在模型训练中融入先验知识和采用改进的食肉植物优化算法(ICPA)优化RBF神经网络超参数,提升弓网接触电阻预测模型的精度。有、无先验知识的ICPA-RBF模型预测性能对比仿真结果表明,两类先验知识分别有助于提高模型的收敛速度和预测精度。最后采用假设检验验证了模型的有效性。

贝叶斯统计中共轭先验分布的教学研究

先验分布在贝叶斯统计中扮演着关键角色,而共轭先验则是其中最为重要的一种。学生对共轭先验分布的理解和掌握程度直接影响他们对贝叶斯统计方法的学习效果。目前的大多数教材通常是先介绍一些常见分布的共轭先验,然后再证明其共轭性质。然而,这种教学方法缺乏深度和灵活性。为了解决这个问题,本文提出在更广泛的指数族分布下,给出参数共轭先验的一般表达形式。接着,针对一些常见分布,通过从指数分布族结构推导出其待估参数的共轭先验,使得学生不仅能深刻理解共轭先验的本质,还能学到一种更为灵活的共轭先验选择策略。这种从一般到具体的教学方法有助于提高学生对贝叶斯统计的理解深度,并培养学生灵活运用共轭先验的能力。

基于双分支点流语义先验的路面病害分割模型

针对基于深度学习的真实路面病害图像识别算法主要面临的复杂道路背景与病害前景比例不同、病害尺度小等导致的类别严重不平衡、路面病害与道路的几何结构特征对比不明显导致其不易识别等问题,本文提出一种基于双分支语义先验网络,用于指导自注意力骨干特征网络挖掘背景与病害前景的复杂关系,运用高效自注意力机制和互协方差自注意力机制分别对二维空间和特征通道进行语义特征提取,并引入语义局部增强模块提高局部特征聚合能力。本文提出了一种新的稀疏主体点流模块,并与传统特征金字塔网络相结合,进一步缓解路面病害的类别不平衡问题;构建了一个真实场景的道路病害分割数据集,并在该数据集和公开数据集上与多个基线模型进行对比实验,实验结果验证了本模型的有效性。

基于NSST与稀疏先验的遥感图像去模糊方法

针对遥感图像的模糊问题,设计一种基于非下采样剪切波变换与稀疏先验的图像复原算法.首先,利用遥感图像在非下采样剪切波分解下的高频图像的稀疏特性设置先验条件构造图像复原模型;其次,采用交替方向乘子法求解模型;再次,采用软阈值方法对高频图像进行约束处理,在低频图像进行导向滤波处理,以最大可能保留图像的细节信息;最后,将高频图像与低频图像进行重构,对重构后的图像采用卷积神经网络进行深度去噪,最终复原出清晰的图像.将该去模糊算法与H-PNP,GSR,L2TV算法进行实验对比.实验结果表明,该算法能有效去除遥感图像中的模糊和噪声,保留图像的边缘细节,客观评价指标均高于其他3种对比实验算法.

先验本体视阈下的《长安三万里》融合美育叙事

动画电影《长安三万里》为传统美育的当代转进树立了一个范式,除了融合诗教、乐教等元素,其美育构境和审美叙事还有更为深沉的意涵。影片将盛唐气象、中华美学作为先验本体,通过对时代推力与人生张力、诗人言说时代抑或时代通过诗人言说、中华美学的理式分有与影像延展、长安城的景观存在与诗歌意象存在等一系列范畴互动和美学探索,让观众内居于观影场域并欢会神契,自发经历美育过程。这正是历史先验本体通过电影对观众审美体验和文化本能的侧显和召唤。

P值之争与管理学研究:先验概率的意义

P值之争的本质是人们把统计检验和统计推断混淆,直接用统计检验结果来进行统计推断.这导致许多似是而非的理论被接受.统计检验犯错的是假阳性概率.统计推断犯错的是假阳性之反概率.两种概率之间的数值关系受先验概率影响很大.先验概率越高,利用统计检验的结果进行推断所犯错误概率就越小.如果先验概率很小,即使假阳性概率很小,利用该结果进行推断所犯错误概率也很大.本文以管理学研究为例,提出解决该问题的办法是,通过与现实和与理论的双重对话来掌握先验概率,以提高基于统计检验的结果进行统计推断的可靠性.本文的科学哲学意义是,揭示了科学研究是先验与经验相统一的本质,以及科学研究的不充分决定性的特征.

神话作为人之本原、本真存在方式——《回到神话本身的神话学:神话学的民俗学现象学—先验论革命》书后

神话学是一门从西方传入中土的现代学问。神话之为“学”,并非中国传统意义上的“学而时习之”的“学”,而是基于西方历史文化之“进化”、基于西方“科学”之“进步”诞生的-logy之“学”。此种-logy之“学”以“逻格斯”为其思想底色,逻格斯恰恰被视为西方文化思想的核心,故有所谓“逻格斯中心主义”的命题。

基于先验特征聚类的目标检测优化方法

针对显著目标检测问题在没有任何先验信息的情况下,通过特征聚类和紧致性先验方案实现目标检测优化。优化后的方法包括四个步骤:首先采用超像素预处理将图像分割成超像素,以抑制噪声并降低计算复杂度;其次应用改进的虾群聚类算法对颜色特征进行分类;接着利用二维熵来衡量每个簇的紧密度,并构建背景模型;最后以背景区域与其他区域之间的对比度作为显著特征,并通过设计高斯滤波器增强其显著性。为了更好地评价显著目标检测的精度,本文通过多维评价指标进行优劣性实验分析,实验结果表明,文中算法具有较好的实时性与鲁棒性。

基于暗通道先验去雾的SDSS图像去噪研究

美国的斯隆数字巡天(sloan digital sky survey,SDSS)于2000年开始正式的巡天观测,目前已经产生了海量的光谱和图像数据,但受仪器设备本身和观测条件的影响可能会出现观测数据细节模糊或损失等问题.在进行后续数据分析和挖掘之前,对观测图像进行去噪处理是一个非常必要的步骤.基于此,将暗通道先验(dark channel prior,DCP)去雾算法应用于SDSS测光图像的去噪处理中,并与B2U方法进行对比分析.结果表明:与B2U方法相比,DCP算法去噪效果在峰值信噪比(peak signal-to-noise ratio,PSNR)上提高了7.98 dB,结构相似性(structural similari⁃ty,SSIM)上提高了7%.

基于先验地图的视觉重定位方法综述

在自动驾驶、增强现实和智能移动机器人领域,视觉重定位是非常重要的基础问题.视觉重定位是指根据视觉传感器实时拍摄的数据,在已有先验地图中确定位置和姿态的问题.过去数十年间,该问题受到广泛关注,涌现出种类繁多的先验地图构建方法和视觉重定位方法.这些工作差异大,涉及范围广,技术概括和总结尚缺乏.因此,对视觉重定位领域进行综述具有重要的理论和应用价值.尝试为视觉重定位相关方法建立一个统一的蓝图,从图像数据在大规模地图数据库中查询的角度对相关工作进行分析和总结.综述不同类型地图数据库构建方法、不同特征匹配、重定位和位姿计算方法,总结目前视觉重定位的主流数据集,最后分析视觉重定位存在的挑战和潜在发展方向.

基于Horseshoe+先验的惩罚置信区域变量选择方法

针对高维稀疏线性回归问题,相关变量的数量远远少于不相关变量.相关变量的变量选择问题对于传统的频率论正则化方法是一大挑战.现有的贝叶斯惩罚置信区域法通过将模型拟合与变量选择分离,在联合后验置信区域内搜索最稀疏解,从而得到稀疏模型解.且该方法在高维变量选择效果上优于常用的变量选择方法.在此基础上,针对高维稀疏模型,将原方法中依赖的共轭正态先验替换成针对“稀疏信号勘测问题”提出的Horseshoe+先验,利用Horseshoe+先验对小系数“重”压缩与大系数几乎零压缩的理论特性,实现对稀疏回归系数的稳健估计.通过数据仿真模拟不同稀疏程度下的高维稀疏线性回归,并将基于Horseshoe+先验的惩罚置信区域法分别与基于正态先验以及Laplace先验的该方法进行比较,结果表明基于Horseshoe+先验的惩罚置信区域法在高维稀疏线性回归问题具有更好的变量选择效果与预测效果.