采用改进暗通道先验算法的高速公路能见度检测

为提升高速公路雾天能见度检测精度,考虑大气透光强度、透射率、大气消光系数和图像中某点到摄影机的实际距离,通过能见度检测原理改进现有的暗通道先验算法。首先结合矩形区域测距和实际场景物体大小来解决高速公路二维场景到三维场景重构的问题,并利用K⁃means聚类的方法,并找出聚类后的视频图像中分界线的最小景深点,结合所构建的测距模型得到该点到摄像机的实际距离。其次通过发现传统暗通道先验理论在求取大气透光强度方面的不足,提出了基于图像分割的局部熵法来求取大气透光强度,再利用暗通道先验理论求出透射率,然后由能见度检测原理计算出能见度。最后,根据日兰高速公路K113+000处雾天下的视频图像,对改进暗通道先验算法与传统暗通道先验算法进行实验对比,并以能见度检测仪的检测结果为参照。结果表明:当实际能见度为100 m左右时,改进算法检测的平均相对误差(MRE)为6.25%,比传统算法减小了2.38%;当实际能见度为150 m左右时,改进算法检测的MRE为6.17%,比传统算法减小了3.06%;当实际能见度为200 m左右时,改进算法检测的MRE为5.71%,比传统算法的减小了3.41%。随着光照强度的增加,改进暗通道先验法的检测精度提升越来越明显,能更好地适应日间大雾天气下的高速公路。

基于局部先验模型的单目视频人体运动跟踪

在基于模型的单目视频人体运动跟踪中,视频图像信息往往不足以恢复人体姿态,通常需要加入对姿态的先验约束才能得到合理的解.为了有效地刻画人体运动过程的时变动态特征,提出局部先验模型,其中包括局部动态过程和局部姿态分布密度,通过在样本空间中检索出相似姿态的集合,并利用该集合学习模型参数来比较精确地刻画人体的运动规律.实验结果表明,与全局动态模型相比,局部先验模型有效地克服了肢体自遮挡和肢体混淆等问题,取得了更好的跟踪结果.

基于局部自适应先验MRF模型的快速BP图像分割算法

针对常规MRF分割模型不能有效描述图像的局部特征、常导致图像的过分割现象,提出了一种局部自适应先验的MRF模型。该模型利用图像的邻接区域信息建立了一种局部自适应特征MRF模型。基于提出的模型,建立了一种具有快速收敛策略的区域BP算法对MRF模型的区域消息进行传递,有效解决了区域BP算法的计算量大的问题。实验结果表明,与常规区域BP算法相比,提出的分割方法具有更快的分割速度和精度。

一种双层条件随机场的场景解析方法

现有的场景解析方法主要依赖于先验模型,由于先验模型难于全面表示物体的各种细节部分,使得场景解析后的物体不够精细.针对这个问题,该文引入了局部颜色模型,提出了一种结合先验和局部颜色模型的双层条件随机场的场景解析方法.首先以超像素为结点构建一个条件随机场,根据颜色、梯度、纹理和几何等外观特征训练出的先验模型粗略解析场景,进而提取场景中每个物体的局部颜色模型;然后构建一个以像素点为结点的条件随机场,通过EM(Expectation-Maximization)迭代法更新物体的局部颜色模型来指导优化场景解析.实验结果表明,相比于以往单纯利用先验模型的场景解析方法,该方法能有效地保持场景细节、提高解析精度.

我国政府信息公开的立法模式选择

通过对外国政府信息公开的三种立法模式的考察,分析我国政府信息公开立法地方先行立法的实践经验,地方先行立法模式是唯一适合我国国情的政府信息公开的立法模式,但地方政府信息公开立法仍需进一步完善。

基于加权TV/SAR联合先验与最小线性KL散度的图像重构算法

为了消除当前图像重构算法存在的振铃效应,避免过度平滑图像纹理区域,使其兼顾较好的细小边缘保持与丰富纹理,以获取较高的重构图像视觉质量,提出了基于加权TV(total variation)/SAR(simutanneous auto-regression)联合先验与最小线性KL散度凸组合的图像重构算法。引入权重因子,从退化图像中提取出非局部SSIM约束,联合TV函数,设计加权TV图像正则先验,增强稀疏性;根据SAR先验与加权TV正则先验,获取重构图像的联合后验分布;再建立最小线性KL散度函数凸组合,并引入最优最小化技术,求解后验分布,完成贝叶斯推理。并研究了本文算法在不同退化程度下的用户响应。测试结果显示:与当前图像重构技术相比,本文算法的复原效果较为理想;在图像受损严重时,本文算法更受用户欢迎。

基于专家场先验模型的图像超分辨重建算法

为了进一步提高图像超分辨率重建的质量,针对非局部集中稀疏表示算法中重建图像的噪声问题,提出了一种基于专家场先验模型的图像超分辨率重建改进算法。首先,利用专家场模型从图像训练集中学习整幅图像的先验知识建立全局先验模型;然后将学习到的先验信息用于非局部集中稀疏表示模型求解最优稀疏表示系数;最后,得到高分辨率图像估计。该算法在超分辨率重建迭代运算的同时,同步更新专家场模型参数,因此在不显著增加运算复杂度的情况下,通过选取合适的先验约束,有效地增强了图像重建的效果。实验结果表明:相比非局部集中稀疏表示算法,文中算法对无噪和有噪降质图像均能取得较好的峰值信噪比结果,并且能够进一步提高有噪图像的去噪效果。

局部加权广义高斯-SAR联合先验模的图像复原算法

为了解决当前图像复原算法难以兼顾纹理与精细边缘的不足,提出了局部加权高斯-SAR联合先验模型的图像复原算法。引入局部自回归约束,利用高斯先验,构造局部加权高斯图像先验;并联合SAR先验,设计了高斯-联合先验模型,有效地防止过度平滑;并利用图像损坏模型与高斯-联合先验,建立其(Maximizing A Posteriori);基于最小优化技术,获取其下边界,将非凸问题转成凸问题,完成图像复原。对比测试结果显示:其算法的修复效果更佳,值最高,保留了丰富纹理与精细边缘;且复原图像的梯度分布与初始图像最接近。

甜瓜图像分割的先验LCV模型

以甜瓜形态的微变测量为目标,提出了基于先验形状的LCV(LocalChan-Vese)模型算法。利用形态学方法获得甜瓜的局部信息图像,仿照传统CV模型的拟合形式,建立了LCV能量模型;利用形态学方法及spine插值算法获取甜瓜的先验形状,将其通过形状比较函数嵌入到LCV模型的能量函数中,形成了新的基于先验形状的LCV模型。相比传统边缘检测和图像分割算法,该算法更易于提取出理想的边缘信息。

基于稀疏贝叶斯学习的网格自适应多源定位

多源定位是信号处理中的重要问题。该文针对目标偏离初始网格点引起的基不匹配问题,构建具有Laplace先验的稀疏贝叶斯学习框架,提出基于稀疏贝叶斯学习的网格自适应多源定位算法AGMTL。本质上,AGMTL实现了稀疏信号重建和网格自适应定位字典的学习。仿真结果表明,AGMTL通过网格自适应调整,在定位误差,估计可靠性,抗噪性能上均远远优于传统的压缩感知定位算法。

一种可操纵金字塔的相干斑去噪方法

可操纵金字塔的小波系数比一般小波金字塔具有更强的层间和层内相关性,更有利于区分信号与噪声的小波系数,本文提出一种可操纵金字塔的相干斑去噪算法。此算法使用可操纵金字塔对图像进行多尺度分解,并通过建立小波系数的几何先验模型,对每个小波系数进行自适应的贝叶斯估计,达到去除相干斑的目的。实验结果表明,与传统的相干斑去噪算法相比,本算法能更有效地抑制斑点噪声,又保留有用信号及边缘信息。

暗原色先验与NL-CTV模型相结合的图像去雾方法

鉴于暗原色先验算法能复原不同雾浓度和场景深度的图像,而基于非局部算子概念的NL-CTV(Non-Local Color Total Variation)模型能较好地保持图像边缘和纹理等特征,融合暗原色先验与NL-CTV模型,提出了一种新型单幅彩色图像去雾模型。通过暗原色先验得到精确的大气光强度和大气传输函数,然后推导包含大气光强度和大气传输函数的非局部能量泛函,再通过引入辅助变量和Bregman迭代参数,为其设计相应的快速split Bregman算法来求解该模型。将该算法与He算法、暗原色先验和Retinex算法的实验结果进行分析比较,从而验证了该模型不论从视觉上,还是客观数据上都要优于其他两种算法。

带有饱和项的两物种互惠模型正平衡解的整体分歧

研究了一类两个物种同时带有饱和项的互惠模型平衡态正解的存在性,首先利用单调解的方法得到了此解的先验估计,然后利用分歧理论和度理论研究了在λ1-c<a<λ1和a>λ1两种情况下非常数平衡解的存在性以及全局分歧解的结构.