基于增强梯度算子的软阈值宽带频谱感知算法

为了改善信号梯度特征对幅度的损失以及寻求描述信号的最佳尺度问题,提出了一种基于增强梯度算子的软阈值宽带频谱感知算法。通过引入梯度增强算子还原信号幅值特征,结合信号本身梯度特征,使用不同的尺度描述信号梯度增量,得到软阈值判据,进一步加入尺度融合单元,利用硬阈值加软阈值联合判断的方法,得到描述信号的最佳尺度。理论分析和仿真实验结果表明,在高斯信道和瑞利衰落信道下,相较于MPSG算法,所提算法的检测概率和虚警概率均有明显改善,且复杂度更低。通过对比实测数据的检测效果,所提算法更适用于实际工程中。

基于梯度算子的高分三号SAR风场反演方法

鉴于高分三号(GF-3)合成孔径雷达(SAR)图像具有黑白相间条纹特征,提出一种基于梯度算子的风场反演方法。对SAR图像重新采样后,利用Sobel梯度算子求解海面风向值,接着使用扩展后的CMOD5散射模型推算出风速值。为了测试该方法,对GF-3 SAR图像进行风场反演实验,并使用欧洲中尺度天气预报中心(ECMWF)再分析风场数据和美国国家浮标中心(NDBC)浮标风矢量数据对反演得到的SAR风场质量进行评估。实验结果表明:GF-3 SAR风场相比于ECMWF再分析风场,风速、风向均方根误差分别为1.79 m/s和11.95°;相比于NDBC浮标数据,风速、风向绝对偏差分别为0.24 m/s和9.03°。因此,本文方法能有效地从GF-3 SAR图像中反演出较高精度的风场,研究结果可为GF-3 SAR风场反演技术提供参考。

月表落石检测方法研究——基于梯度注入策略与结构驱动评价机制

月表落石是了解月球演化进程的重要手段。由于人工识别落石特征既耗时又困难,所以落石检测逐渐倾向于利用深度学习手段。基于此,文中提出一种结合Transformer和梯度算子的月表落石有效检测方法。受落石结构的启发,设计一种基于落石成功检测数目的新评价机制。将3种目标检测算法和3种样本设置策略相结合,构建9个落石检测器。其中,样本设置通过调整样本比例和注入梯度信息以实现。实验结果表明,相比于现有基于CNN的落石检测方法,文中提出的月表落石检测方法在月表落石数据集RMaM-2020精度方面表现更优。同时,文中所提出的落石检测评价机制能够实现量化指标和可视化结果相统一。

基于光学卫星影像的同震形变提取技术及形变梯度的地学意义

介绍光学同震形变提取的关键技术、优化流程和主流软件包的差异性,并基于光学同震形变场推导具有地学意义的位移梯度、旋度、膨胀量、剪切应变等算子;以2021年青海玛多M W7.4地震为例,检验基于Sentinel-2光学影像的同震形变场提取优化流程以及算子的地学意义。结果表明,对亚像素相关性匹配结果的后处理可有效消除轨道误差、条带误差、场地和传感器因素导致的白噪声和加性噪声,突出形变细节,更加客观地描述同震形变的空间分布特征。

梯度提升最小二乘支持向量回归的压电执行器磁滞特性建模

针对用于精密运动定位的压电执行器具有磁滞效应的问题,本文提出一种基于梯度提升最小二乘支持向量回归(GB-LSSVR)的建模方法.首先,通过引入磁滞算子构造拓展的输入空间,将磁滞的多值映射转换为一对一映射.然后,建立基于GB-LSSVR的磁滞模型,设计可保证收敛粒子群算法(GCPSO)对GB-LSSVR模型参数进行优化.最后,将所提出方法用于实际预测一个压电执行器的位移.结果表明,该方法相对于经典的最小二乘支持向量回归(LSSVR)和截断最小二乘支持向量回归(T-LSSVR)算法,能得到更加准确的结果.

磁场矢量及梯度偏移成像方法研究

针对目前二维磁场解释中仍然使用人机互动的半定量建模拟合问题,本文基于位场偏移成像理论,通过对镜像磁场源的向上延拓迭代,实现二维磁场及其梯度的正演模拟和偏移成像算法,编写了相关程序。模型计算表明,偏移成像算法得到的磁性体空间位置与模型位置吻合较好,横向分辨率高于纵向分辨率。在抗噪声研究中,给理论磁场数据中增加了多达50%的干扰信号,偏移成像结果依然清楚,表明该算法具有稳健的抗噪声能力。采用物理试验方法获得磁总场梯度实测数据,经偏移成像得到磁性体的位置与试验铁块位置一致,说明该算法能够反演解释野外生产中获得的磁场梯度数据。上述研究表明,二维磁场及其梯度偏移成像算法,性能稳定,抗干扰能力强,自动迭代实现反演成像,简单便捷。

基于IOWA算子的空气质量组合预测

对空气质量指数进行预测,反映数据波动的趋势与规律,提出基于诱导有序加权平均(IOWA)算子的Prophet-EEMD-XGBoost模型。首先利用Prophet算法将数据分解为趋势项、季节项、节假日、误差项;然后集合经验模态分解EEMD将原始数据分为9项IMF以及残余分量。最后,利用XGBoost模型对各分量分别进行预测,预测结果利用MAE、MAPE、RMSE、RMSPE进行评价。结果表明,相较于一些单预测模型与其他组合预测模型,基于IOWA算子的Prophet-EEMD-XGBoost组合预测模型有更好的预测效果。

一种基于梯度算子的图像匹配算法

在图像处理中常需要找出一幅图像与其对应的样板图像间的位移（ 变形） 量．本文比较了几种常用的图像匹配方法，并对一种基于梯度算子的弹性匹配方法进行了研究．这种方法首先构造一个二次误差指标函数．此指标函数由两项组成：匹配误差项和平滑约束项．此指标函数不同于Ｈｏｒｎ 和Ｓｃｈｕｎｃｋ 的光流法之处在于：其中的匹配误差项和平滑约束项直接定义于位移矢量场而不是光流场．利用变分法可以从这个二次误差指标函数导出一组椭圆形偏微分方程泊松方程（Ｐｏｉｓｓｏｎ ｅｑｕａｔｉｏｎ），这类方程有相当成熟的数值解法．采用有限差分法，对多组图像进行计算，证明此算法是有效的，并具有收敛速度快。

一种基于Sobel算子梯度增强的边缘检测算法

针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足,提出了一种局部梯度增强的检测算法。算法采用改进的Sobel算子卷积模板计算图像梯度;然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度,最后对局部梯度增强的图像进行细化处理并提取图像边缘,得到边缘图像。实验结果表明,该算法获取的边缘图像边缘信息较丰富,连续性好,边缘较细,整体效果优于传统Sobel算法,具有较高的实用价值。

基于局部梯度算子的嘴部检测与定位

针对人脸识别中的特征提取问题,本文提出了一种由粗到精快速准确的嘴部自动检测和定位方法。该方法首先通过Adaboost算法检测出人脸图像大致的嘴部区域,缩小了后续定位的搜索范围;采用局部梯度算子提取嘴部轮廓,通过Ostu阈值法对提取的轮廓进行二值化处理,根据链码跟踪最终确定左右嘴角的精确位置。实验结果表明,该方法自动检测和定位嘴部快速准确,对表情和姿态的影响具有比较高的鲁棒性,有助于提高人脸识别算法的识别率。

基于梯度算子的蚁群图像分割算法研究

提出了一种基于梯度算子的改进蚁群图像分割算法,解决了用传统分割方法很难将目标与背景灰度值相似图割的难题。该算法基于经典的梯度算子图像分割,从聚类的角度出发,综合像素的灰度、梯度特征进行特征分割。蚁群是一种具有离散性、并行性、鲁棒性和模糊聚类能力的进化方法,通过设置不同的蚁群、聚类中心、启发式引导函数和激素来解决蚁群算法循环次数多,计算量大的模糊聚类问题。实验证明,该改进蚁群算法可以快速准确的分割出背景标灰度值极其相似图片的目标图像,是一种有效的图像分割方法。

一种改进的梯度算子

针对传统梯度算子中 ,用于边缘方向检测的计算公式存在的缺点 ,提出了改进的用于边缘方向检测的计算公式 .鉴于用传统梯度算子检测的边缘方向是由反正切函数给出的 ,而反正切函数所表示的角度范围是 [- π/ 2 ,π/ 2 ],可是事实上 ,边缘方向的范围是 [0 ,2 π].为此 ,通过对梯度算子中 ,Prewitt算子的分析 ,指出传统的边缘算子不能区分两个相差 π的边缘方向 ,并给出了改进的用于边缘方向检测的计算公式 .在传统的梯度算子中 ,因为用于边缘方向检测的计算公式是不精确的 ,所以后续图象边缘的细化、短枝消除、缝隙填补和连接等处理就建立在一个不精确的基础之上 ,从而得到的边缘误差较大 .因为在图象低层处理中就引入了误差 ,所以后续图象高层处理的质量也降低了 .计算机仿真实验结果表明 ,该改进的用于边缘方向检测的计算公式是正确的和有效的 .

基于符号算子的变步长不完整自然梯度算法

通过引入不完整约束使不完整自然梯度算法有效克服传统自然梯度算法的缺点和不足,即当源信号幅度随时间快速变化或在某段时间为零时,不完整算法仍能较好地工作.同时,从一般动态分离模型中推导出的符号算子可改善算法的收敛性.结合上述两种思想提出一种基于符号算子的不完整自然梯度算法,增加基于代价函数梯度的变步长运算以平衡算法中收敛速度和稳态误差之间的矛盾.仿真结果表明,改进算法的性能明显优于传统算法,在保持良好稳态误差的基础上大大加快收敛速度.

基于梯度算子的煤耗与辅助汽水流量的通用关系式

以火电机组热经济性分析的统一物理模型和数学模型为基础,借助偏微分理论和梯度算子,建立了辅助汽水流量变化对机组经济性影响的强度系数计算模型,只要通过强度系数乘以辅助汽水流量的变化值就可以方便地得到辅助汽水流量变化对煤耗率的影响,大大简化了计算.通过对某300 MW、600 MW和1 000 MW机组典型工况的计算表明,应用强度系数模型计算时计算量小、精度高,为火电机组节能降耗以及热力系统定量分析提供了一种新的思路和方法.

改进梯度算子的小生境遗传算法

为避免小生境遗传算法存在的早熟和收敛速度慢等问题,本文提出了一种改进的梯度算子,以保证进化朝最优解方向前进,提高计算峰值的精度。同时,利用进化代数和个体的适应度值,动态调整个体的交叉算子和变异算子,有效保证种群的多样性,改善全局搜索能力,加快收敛速度。将改进的梯度算子引入到基本小生境遗传算法和自适应小生境遗传算法,通过Shubert函数测试,证明本文改进后的算法与基本小生境遗传算法和自适应小生境遗传算法相比,不仅大大提高了收敛速度,并能搜索到所有全局最优解。

基于Facet模型梯度算子一致性的地震数据不连续性识别方法

存在断层、角度不整合面等不连续结构的地质体的自动识别在地震构造解释中具有重要的意义,这些地质特征的地震响应为同相轴不连续。常规的地震数据不连续性识别方法应用范围有限,参数设置依赖于人为经验,易导致识别结果辨识度差。本文将一致性作为新的不连续性识别方法引入到地震数据处理中。首先利用定位精度高、易于扩展的Facet模型梯度算子计算一致性,其次对一致性数据作阈值化处理,最后利用数学形态学中的腐蚀、膨胀及细化算法作进一步处理,实现了对地震数据不连续性信息的自动识别。经过理论和实际资料测试,并与C3相干算法和方差算法对比分析,证实了本文所提方法在地震数据不连续性识别方面具有更高的稳定性和辨识度,可以作为地层不连续性识别的有力工具。

带共轭梯度算子的爆炸搜索算法

爆炸搜索算法作为一种全局优化算法,在迭代后期会出现收敛速度慢、精度低的问题,而传统的优化算法恰好能克服这些缺点。因此,引入一种传统算法——近似共轭梯度法,即用差商代替导数的共轭梯度法。在此基础上,提出了带共轭梯度算子的爆炸搜索算法,先引入了新的变异算子来提高算法的全局搜索能力,再运用共轭梯度法添加一个新的算子——共轭梯度算子,实现对最优炸点的局部搜索,从而提高算法的收敛速度与精度。6个常用的benchmark函数的测试结果说明,改进算法的优化结果明显优于原算法。

对数域梯度与改进Sobel算子相结合的边缘检测

为了消除不均匀光照给图像边缘检测带来的影响,提出一种对数域梯度与改进Sobel算子相结合的边缘检测方法。该方法首先将图像变换到对数域,通过削弱低频入射分量增强高频反射分量,以提升图像亮度;然后合成改进的4方向Sobel算子,并用无穷范数表示梯度,以使需要被检测的图像更加完整;最后通过Bernsen算法得到的阈值与高斯滤波后得到的Bernsen算法阈值进行线性组合来确定最佳阈值,以使图像边缘更加连续完整。仿真实验结果表明,该方法可以有效消除不均匀光照对图像边缘检测的影响,与相关算法和文献相比,该方法对不同照度图像的边缘检测效果更好。

基于半高斯梯度算子的尺度自适应纹理滤波

为了解决现有纹理平滑方法不能在抑制纹理的同时保持细窄结构的问题,提出一种基于半高斯梯度算子的尺度自适应纹理滤波算法.首先提出一种具有结构保持和纹理抑制效果的半高斯梯度算子,其幅值能够较好地区分结构和纹理,方向能够较好地反映结构法向;然后基于半高斯梯度的幅值为每个像素估计最优的滤波尺度,并借助高斯滤波得到一幅大部分纹理得到抑制的引导图像;最后在双边滤波的基础上引入基于半高斯梯度方向的滤波方向核,提出一种基于引导图像的三边纹理滤波算法,能够有效地避免图像平滑结果中存在的结构附近毛刺残留现象.大量实验结果证明,该算法可以在抑制纹理的同时保持结构的完整性,尤其是在保持细窄结构以及结构周围的整洁等方面超越了已有的方法.

从第二类梯度算子和第二类积分定理到Gauss(球面)映射不变量

将第二类梯度算子、第二类积分定理、Gauss曲率相关的积分定理和Gauss(球面)映射相结合,证明了一系列Gauss(球面)映射不变量.从这些不变量中,得到一系列从原始曲面到(Gauss单位)球面的变换.这些不变量和变换,在几何学、物理学、生物力学和力学中,都有潜在的用途.