红外图像多尺度统计和应用先验去模糊模型

为了提高特定应用场景的红外导引头成像质量,采用了统计导引头图像对成像环境和应用场景建模的方法,一方面用L 1/L 2范数对复原图像进行约束,保持多尺度成像细节信息;另一方面用稀疏的拉普拉斯分布对迭代模糊核进行约束,保持对红外成像内容的约束,并采用计算图像细节信息进行了自适应变化核。结果表明,建立的图像复原约束模型能有效地提升成像质量,凸显图像边缘,其对比度增强系数指标提高了20%~50%,峰值信噪比提高了0.8~3.4,图像像素的模糊检测累积概率提高了0.3~0.5。该研究对复杂场景和动载体成像处理有一定的帮助。

带有先验约束信息边坡变形监测滤波算法

为合理利用边坡的几何信息和物理信息,控制几何观测异常对形变参数估计的影响,利用边坡的力学状态信息建立了滤波模型以及参数约束方程,通过融合观测信息和边坡的力学信息给出了带约束的滤波算法,从而减弱了观测异常对形变参数估计所带来的影响,提高了形变参数解算精度.

层状介质AVO叠前反演

本文基于贝叶斯理论的框架,联合应用似然函数及先验随机约束信息进行AVO地震参数反演,所获取的反演参数是后验概率分布函数(PPDF)的最可能解。在反演中,假定噪声及模型参数是高斯分布的,采用岩石物理的研究方法及结果建立模型参数协方差矩阵以约束反演。反演采用非线性迭代的方法,不依赖初始模型的选择,反演的速度较快,适合于叠前AVO反演。在忽略了地震数据的带限特性所引起的动校正拉伸及调谐效应的影响后,对合成记录及实际资料进行AVO反演,得到了P波阻抗反射系数、S波阻抗反射系数及密度反射系数,进而计算其他岩性参数,为识别孔隙流体性质提供了新的手段。

结合Fourier域约束的多帧盲解卷积图像恢复算法

大气湍流严重限制了地对空光学系统的成像质量,自适应光学系统对大气湍流的补偿仅仅是部分的、有限的。当前的图像恢复技术对重建过程中的PSF施加的先验约束主要有非负性、归一化、支持域等空间域约束。这里对图像的Fourier频谱特性进行分析,将一种基于Fourier域的先验约束引入到多帧迭代盲解卷积算法中。实验结果表明,该算法可有效对模糊图像进行恢复,尤其是对强湍流观测下的重度模糊图像具有较好的恢复效果。

基于改进萤火虫算法的多目标优化潮流仿真研究

针对电力系统多目标优化潮流(MOOPF)问题,结合基于约束优先的帕累托占优关系、非劣排序和拥挤距离计算,提出了约束优先非劣排序的多目标萤火虫算法(CNSFA),并根据模糊数学中的模糊隶属度选取最优折衷解。通过对IEEE30节点测试系统进行电力系统多目标优化潮流仿真测试以及与对比算法的比较可以看出:该算法在求解多目标优化潮流问题时,得到了分布性均匀和收敛性较强的帕累托解。

基于多目标优化约束独立成分分析方法的fMRI数据分析研究

约束独立成分分析(CICA)通过加入先验信息,可极大地提高独立成分分析(ICA)的盲源信号分析性能,但还存在先验信息难以获取、先验信息约束条件阈值参数难以选择以及先验信息难以被有效利用等问题,需要进一步研究和解决。在多目标优化框架的基础上,建立一种同时融合时空先验信息的CICA模型,可有效规避CICA中阈值参数选择的问题。此外,提出一种从多被试fMRI数据中提取本真先验信息来指导fMRI组分析的自适应挖掘算法,从而为CICA获取先验信息提供一种新途径。最后,利用10例模拟数据、5例任务态和23例静息态fMRI数据,验证所提方法的有效性。结果表明:基于多目标优化的CICA(MOPCICA)获得的时空源信号总体上优于ICA、包含时间信息的CICA(CICA-tR)和包含空间信息的CICA(CICA-sR)(P<0.05)(如在模拟数据中,对应的空间AUC和时间相关系数分别0.75±0.05、0.62±0.02、0.72±0.03、0.71±0.06和0.81±0.13、0.67±0.04、0.74±0.09、0.77±0.13),而空间独立性则优于CICA-tR和CICA-sR (P<0.05)(如在任务态数据中,对应的峭度和负熵分别为69.20±23.36、17.60±13.22、36.71±13.43和0.031 2±0.007 7、0.003 7±0.002 1、0.018 4±0.004 5),从而说明它具有更好的源信号恢复性能。同时,在静息态数据中利用fMRI本真先验信息,MOPCICA获得的组成分与每个被试相应成分之间的相关系数平均高于ICA、基于牛顿迭代法的CICA(CICA-nR)和基于不动点迭代法的CICA(CICAfR)(P<0.05)(分别为0.46±0.08、0.44±0.08、0.45±0.08和0.44±0.08),从而更能代表组中被试的共性。研究表明,所提出的方法对fMRI脑功能连通性检测具有重要意义。

基于空间约束高斯混合模型的EPLL自然图像复原

为了提高基于块先验的自然图像复原效果,有效去除图像中的噪声和模糊,提出了一种基于空间约束高斯混合模型的块似然对数期望(Expected patch log likelihood,EPLL)复原框架。基于图像块的空间分布信息,将图像块的空间约束高斯混合统计特性作为先验,在图像块复原的基础上实现整幅图像的全局优化复原。对比相关的图像复原方法,提出的方法去噪和去模糊效果更好,并且保留图像细节。利用客观性能指标对复原结果进行评价。实验结果表明,提出的方法有效易行,而且复原图像表现出良好的可视效果。

先前知识经验对远距离水平映射规则内隐学习的限制

先前研究发现远距离规则能够被内隐地习得和迁移,表明内隐学习获得的知识是底层的抽象规则,那么这一抽象规则的习得和迁移是否会受到先前知识经验的限制?研究采用汉语声调的远距离水平映射规则为材料,通过创设不符合平仄知识经验的任意声调水平映射规则,在控制组块和重复结构等表面特征的条件下,探讨先前知识经验是否限制了远距离水平映射规则的内隐学习和迁移。结果发现相对于符合平仄知识经验的汉语声调水平映射规则,被试不能够内隐地习得和迁移任意声调的水平映射规则,表明先前知识经验在远距离水平映射规则内隐学习过程中发挥着重要作用。

一种改进相似度参数估计的半监督谱聚类算法

谱聚类算法的相似度参数对聚类效果有着至关重要的影响。本文将启发式思想引入到相似度计算中,通过对距离矩阵的搜索,找到数据的合理分界点,并利用它得到相似度计算时所需的参数。同时利用成对限制先验信息引导聚类过程,从而提高聚类效果。数据实验验证本文所提方法是可行的,并且具有很好的聚类效果。

基于时变医学先验信息的约束成像及图像配准方法

在磁共振动态成像和神经成像应用中,由于医学先验信息的时变性,使得传统的约束成像法产生成像误差,且图像配准时间较长。该文提出以快速获取低分辨率图像作为参考图像的约束成像策略,以两帧图像的互信息量结合曲率匹配的图像配准方法。该方法通过对比时序图像相邻帧配准前后的互信息量更新参考图像、检测配准结果。实验结果表明,该方法配准精度高,计算量低,可实时动态成像。

基于先验组分的多谱CT序列DCM融合算法研究

多谱CT成像是通过不同谱段的CT图像表征检测对象中的不同组分。为了便于在同一视图中显示所有组分的信息,需要研究多谱CT序列的融合方法;但是常用融合方法如加权平均法、小波变换融合法等都是针对图像细节信息的优化,不能表达组分的物理特性,从而导致融合图像的灰度不具有物理表征性,影响CT的定量检测。为此,结合具有物理表征特征的数据约束模型(DCM),开展了基于先验组分的多谱CT序列DCM融合算法研究。首先通过能谱滤波分离的成像方法获得多个能谱范围内的多能投影数据,采用TV-OSEM算法重建不同能谱段的CT序列;其次,利用传统DCM模型和改进DCM模型分别对多谱CT序列进行融合,传统DCM模型是严格单能的,由于滤波后能谱的非严格单能特性,其融合结果不能表征出对象序列中的全部组分。针对此问题提出了改进DCM模型。改进DCM模型选择了新的体元定义,并且在多谱CT序列融合中引入先验组分作为参照,通过先验物质对融合结果中其他物质进行校准,实现检测对象中各组分位置的准确分布。仿真实验表明,该方法可从物理表征正确性的角度,实现多谱CT序列融合,在满足CT序列中不同组分区分的同时,其融合图像的灰度具有物理可参照性,有利于后续的CT定量检测。

集成证据提高目标识别性能的方法研究

以数理统计理论和Dempster Shafer证据理论为手段 ,提出了充分利用末制导图像信息处理和识别过程中产生的中间信息和先验知识 ,从而提高目标识别性能的方法 ,该方法包括证据可用性的判断 ,证据对识别结果的支持度的计算模型以及各证据对识别结果支持度的融合计算 .在对实际复杂背景下的红外图像识别实验中 ,该方法可有效降低目标识别中的虚警率和漏警率 ,虚警率和漏警率分别从 0 .0 31和 0 .0 85降低至 0 .0 0 8和 0 .0 38,分别降低了约 3/ 4和 1/ 2 ,表明该方法在提高目标识别性能上是可行和有效的 .

最大化约束密度单类分类器

针对单类分类器设计中的密度方法,采用以任务为导向的设计思想,通过人为指定核密度估计的密度函数上界,增强了边界低密度区域数据敏感性,同时也有效降低了密度估计的计算复杂度。进一步最大化全体样本的核密度估计函数并采用线性规划,可快速得到相应的稀疏解,因而称之为最大化约束密度单类分类器(Maximum constrained density based one-class classifier,MCDOCC)。为充分利用单类数据中可能出现的极少量异常数据,进一步提出了带负类的最大化约束密度分类器(MCDOCC with negative data,NMCDOCC),通过挖掘异常数据的先验信息来修正仅有正常类的数据描述边界,可提高分类器泛化能力。UCI数据集上的实验结果表明,MCDOCC的泛化能力与单类支持向量机相当,NMCDOCC较之则有所提高,从而能够更高效地估计目标类数据概率密度。

活动成本目标MMRCPSP的活动-模式两步调度策略

基于活动成本目标多模式资源受限工程调度的并行调度方案,提出一种活动-模式两步调度策略,给出了活动优先规则和模式优先规则.该策略首先按活动优先规则进行可行活动的选择,然后按模式优先规则选择活动的可行模式.基于改造PSPLIB的算例测试得出,活动-模式两步调度策略的结果比活动-模式联合调度策略好,且在模式优先规则中考虑折衷的先序相关成本因素时取得的效果相对较好.

运动配准先验图像的4D-CBCT优质重建

四维锥束CT(4D-CBCT)成像可以为图像引导放射治疗提供精确的实时呼吸运动定位信息,如何提高4D-CBCT重建图像的精确度是目前研究的热点,压缩感知方法(PICCS)算法在基于压缩感知(CS)理论的所有4D-CBCT重建算法中表现上佳,本文提出的改进先验图像的PICCS算法在传统PICCS算法基础上针对先验图像进行改进,按照每一个相位的位置信息构建其对应的先验图像,消除了投影数据不匹配所导致的重建图像运动模糊的现象,实验结果展示了文章方法相比传统的PICCS重建结果组织边界更加清晰,运动伪影减少,图像分辨率提高。

基于顺序函数法求解跃阶边界条件导热反问题

基于顺序函数法,采用空间约束先验条件,建立了柱坐标下跃阶边界条件非稳态导热反问题的顺序函数法求解模型,解决了顺序函数法对于跃阶边界条件反问题的不适用性.结果表明:相对于时间约束先验条件,空间约束先验条件的顺序函数法能很好地适应跃阶边界条件的导热反问题.在存在测量误差时,该方法可以有效地利用测量信息和先验条件,避免边界条件突变点引起的计算误差,减小测量误差对计算精度的影响.

基于分割先验图像多能CT重建算法

固定电压CT成像系统动态范围有限,照射复杂工件时产生的投影极易出现欠曝光、过曝光现象,从而导致有效投影的缺失。为解决投影不完备问题研究了基于分割先验图像多能CT重建算法。该方法首先采用ART-TV算法对最低能量的投影进行重建,并对重建结果进行分割,截取与高能重建图像相似部分做为先验图像,以先验图像约束的压缩感知算法对邻近高能投影重建,重建结果再次进行分割后截取先验图像,重复上述步骤直至最高能量完成重建。仿真实验表明:和传统的多能重建方法相比,研究的方法在完整重建复杂结构工件基础上有效地减少伪影,提高图像像素的稳定性,在主观视觉感受和客观评价参数均有一定的进步。

3种GPS+BDS组合PPP模型比较与分析

无电离层组合和非组合模型是GNSS精密单点定位(PPP)常用的两种函数模型。本文通过详细分析PPP的两种函数模型各类参数间的相关特性,建立了参数独立的函数模型。对非组合PPP模型的电离层参数引入虚拟观测方程进行约束,有效提高了PPP的收敛速度。最后,从定位精度和收敛时间两方面分析不同函数模型的GPS单系统和GPS+BDS组合PPP静态、模拟动态定位效果。结果表明:GPS单系统和GPS+BDS组合PPP定位精度相当,静态的无电离层组合与非组合PPP均可达到厘米至毫米级精度,动态PPP精度的平面优于3cm,高程优于5cm;无电离层组合PPP收敛时间优于非组合的PPP,电离层加权非组合PPP的收敛时间最短。动态定位中,电离层加权模型相比于无电离层组合模型,可减少约15%的收敛时间,相比于非组合模型,可减少约34%。

先验约束参数估计法在CORS站点复测分析中的应用

CORS站点经过长时间的连续运行可能会发生一定的形变,如未及时修正会对CORS系统解算及流动站定位带来一定的影响。针对这一问题,对固定约束与附加先验约束的参数估计方法求取CORS站点坐标的区别进行了对比;分析了CORS站点坐标对系统解算及流动站定位的影响;给出了CORS站点的复测方案,并对苏州CORS站点坐标进行了实例分析。结果表明,利用当前最新历元的基线解固定约束至建网时的控制点,以维持最新的相对位置及原始坐标框架,其中由于地球板块运动导致的CORS站点位移对系统解算几乎无影响。

基于先验图像约束压缩感知多能CT重建算法

由不同材质构成且材质之间密度相差较大的工件进行单一能量CT重建时无法获取完整内部结构.为获得结构信息完整的高质量CT重建图像,研究了基于先验图像压缩感知多能重建方法.首先从低到高依次采集多个能量下的投影数据,并用凸集投影-全变分最小化(POCS-TVM)算法对最低能量的投影数据进行CT重建,然后,将重建好的图像作为先验信息,利用先验图像压缩感知算法(PICCS)对下一组能量下的投影进行重建,重建后的图像再次作为新的先验信息重复以上步骤,依此类推直到最高能量的数据重建,以此达到完整重建.结果表明该方法可以有效减少因投影缺失而导致的伪影并保护低密度边缘.