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.

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。

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。

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。

基于四叉树先验辅助的多视图立体方法

基于PatchMatch的多视图立体(MVS)方法依据输入多幅图像估计场景的深度,目前已应用于大规模场景三维重建。然而,由于特征匹配不稳定、仅依赖光度一致性不可靠等原因,现有方法在弱纹理区域的深度估计准确性和完整性较低。针对上述问题,提出一种基于四叉树先验辅助的MVS方法。首先,利用图像像素值获得局部纹理;其次,基于自适应棋盘网格采样的块匹配多视图立体视觉方法(ACMH)获得粗略的深度图,结合弱纹理区域中的结构信息,采用四叉树分割生成先验平面假设;再次,融合上述信息,设计一种新的多视图匹配代价函数,引导弱纹理区域得到最优深度假设,进而提高立体匹配的准确性;最后,在ETH3D、Tanks and Temples和中国科学院古建筑数据集上与多种现有的传统MVS方法进行对比实验。结果表明所提方法性能更优,特别是在ETH3D测试数据集中,当误差阈值为2 cm时,相较于当前先进的多尺度平面先验辅助方法(ACMMP),它的F1分数和完整性分别提高了1.29和2.38个百分点。

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。

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。

基于散点先验及BG拟合海雾图像浓度检测

针对视场雾浓度等级评定缺乏有效图像检测算法的不足,提出一种基于灰度差-比(gray difference-ratio,GDR)的散点图先验实现雾浓度等级评定方法,引入泊松分布确定最佳采样点,采用B.Gompertz模型函数拟合散点图.首先建立不同条件下标准图像集的散点图,提取S型灰度差-比先验,从图像像质退化模型出发,验证了灰度差-比先验的正确性;其次,建立散点图纵向断面集合点的泊松分布函数,通过计算最大概率确定最佳回代样本点;再次,将样本点带入拟合标准图像集并进行估计参数a^(^)、b^(^)、k^(^);将样本点代入真实雾图像集估计参数a'^(^)、b'^(^)、k'^(^),并建立标准图像集参数估计值的查找表,通过查表方法确定真实雾图浓度等级.经过同场景不同浓度、不同场景不同浓度图像样本测试,算法结果与PM2.5相关系数达0.91,表明算法测试结果符合浓度变化趋势;经不同浓度有雾和无雾的对比图像测试,表明算法能够作为视场雾浓度等级评定;经对比测试证明本文算法在测试精度达到1.9%.

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%。

先验的图型、经验性的图型及其统一性

《纯粹理性批判》中的图型论是康德理论哲学研究的难点之一。相关研究的一个局限在于并未将纯粹知性概念的图型(先验的图型)和感性概念的图型(经验性的图型)统合起来。首先,由于范畴与现象具有异质性,范畴需通过先验的时间规定或时间图型这一中介,才可应用于现象。先验的时间图型使得一般认识对象得以可能。其次,感性概念的对象虽具有形象并与现象同质,却同样需借助某种图型才可获得普遍的表象。感性概念的图型是经验性的,构成了具体经验对象的建构方式。最后,先验的图型与经验性的图型的统一性在于:两者作为先验想象力在不同层面的产物,体现了不同层次的综合活动,共同构成了认识对象得以可能的机制。

双U型门控网络融合非局部先验的图像压缩感知重建方法

针对目前基于非迭代式网络的图像压缩感知重建方法存在着细节处理能力不足以及测量值利用不充分的问题,提出了一种双U型门控网络(dual U-shaped gated network, DUGN)用于图像压缩感知重建。该方法在原有的U型结构网络的基础上进行了改进,提升了U型结构网络在压缩感知任务中的学习能力。在测量值的利用上,结合交叉注意力机制,提出了一种测量值非局部融合模块(measurements non-local fusion, MNLF),用于将测量值中的非局部信息融合到深层网络中,指导网络进行重建,提升模型性能。此外,在基本模块的设计上,提出了窗口门控网络模块(window gated network, WGN),增强了网络的细节处理能力。实验结果表明,与已有的压缩感知重建方法相比,DUGN在Set11数据集上有着更高的PSNR和SSIM,且在图像重建的真实性上有着更好的表现。

基于先验时滞特征的线缆捻制丝股张力均衡控制方法

丝股张力均衡控制是线缆捻制质量的重要保障。为解决捻制端张力检测与放线执行端之间的张力感知时滞效应导致闭环张力控制失效的问题,研究了根据张力实时检测数据结合先验知识给出应对时滞的张力控制策略。结合线缆捻制的实际工况,理论分析张力检测数据时滞效应,采用变分模态分解的方法对张力信号进行分解,获得多个包含原始数据特征的低复杂度和较高平稳性的固有模态分量。采用深度学习的方法融合固有模态分量,实现丝股捻制张力的预测与异常识别。结合线缆捻制先验知识,设计基于先验知识的张力均衡控制系统,依据捻制端预测张力调整执行端的放线轮磁滞张紧力,避免出现张力异常。通过仿真实验验证了方法的有效性,为实现线缆捻制丝股的张力均衡控制提供了一种有效的解决方法。

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。

利用近清图像空间搜索的深度图像先验降噪模型

鉴于深度图像先验(DIP)降噪模型的性能高度依赖于目标图像所确定的搜索空间,该文提出一种新的基于近清图像空间搜索策略的改进降噪模型。首先,使用当前两种主流有监督降噪模型对同一场景下两张噪声图像分别进行降噪,所获得两张降噪后图像称为近清图像;其次,采用随机采样融合法将两张近清图像融合后作为网络输入,同时以两张近清图像替换噪声图像作为双目标图像以更好地约束搜索空间,进而在更为接近参考图像的空间范围内搜索可能的图像作为降噪后图像;最后,将原DIP模型的多尺度UNet网络简化为单尺度模式,同时引入Transformer模块以增强网络对长距离像素点之间的建模能力,从而在保证网络搜索能力的基础上提升模型的执行效率。实验结果表明:所提改进模型在降噪效果和执行效率两个方面显著优于原DIP模型,在降噪效果方面也超过了主流有监督降噪模型。