Super-Resolution Image Reconstruction Based on an Improved Maximum a Posteriori Algorithm

A maximum a posteriori（ MAP） algorithm is proposed to improve the accuracy of super resolution（ SR） reconstruction in traditional methods. The algorithm applies both joints image registration and SR reconstruction in the framework,but separates them in the process of iteratiion. Firstly,we estimate the shifting parameters through two lowresolution（ LR） images and use the parameters to reconstruct initial HR images. Then,we update the shifting parameters using HR images. The aforementioned steps are repeated until the ideal HR images are obtained. The metrics such as PSNR and SSIM are used to fully evaluate the quality of the reconstructed image. Experimental results indicate that the proposed method can enhance image resolution efficiently.

An Application of the Maximum Theorem in Multi-Criteria Optimization, Properties of Pareto-Retract Mappings, and the Structure of Pareto Sets

In this paper we consider three problems in continuous multi-criteria optimization: An application of the Berge Maximum Theorem, properties of Pareto-retract mappings, and the structure of Pareto sets. The key goal of this work is to present the relationship between the three problems mentioned above. First, applying the Maximum Theorem we construct the Pareto-retract mappings from the feasible domain onto the Pareto-optimal solutions set if the feasible domain is compact. Next, using these mappings we analyze the structure of the Pareto sets. Some basic topological properties of the Pareto solutions sets in the general case and in the convex case are also discussed.

INTERFEROGRAM NOISE REDUCTION ALGORITHM BASE ON MAXIMUM A POSTERIORI ESTIMATE

Interferogram noise reduction is a very important processing step in Interferometric Synthetic Aperture Radar(InSAR) technique. The most difficulty for this step is to remove the noises and preserve the fringes simultaneously. To solve the dilemma, a new interferogram noise reduction algorithm based on the Maximum A Posteriori(MAP) estimate is introduced in this paper. The algorithm is solved under the Total Generalized Variation(TGV) minimization assumption, which exploits the phase characteristics up to the second order differentiation. The ideal noise-free phase consisting of piecewise smooth areas is involved in this assumption, which is coincident with the natural terrain. In order to overcome the phase wraparound effect, complex plane filter is utilized in this algorithm. The simulation and real data experiments show the algorithm can reduce the noises effectively and meanwhile preserve the interferogram fringes very well.

MAXIMUM A POSTERIORI-BASED AUTOMATIC TARGET DETECTION IN SAR IMAGES

The paper presents an algorithm of automatic target detection in Synthetic Aperture Radar(SAR) images based on Maximum A Posteriori(MAP). The algorithm is divided into three steps. First, it employs Gaussian mixture distribution to approximate and estimate multi-modal histogram of SAR image. Then, based on the principle of MAP, when a priori probability is both unknown and learned respectively, the sample pixels are classified into different classes c = {target,shadow, background}. Last, it compares the results of two different target detections. Simulation results preferably indicate that the presented algorithm is fast and robust, with the learned a priori probability, an approach to target detection is reliable and promising.

MAXIMUM POSTERIOR ESTIMATE AND ITS STATISTIC PROPERTIES

Based on an extended Gauss-Markov model where the unknown parameters has the prior normal distribution, this paper derives the maximum posterior estimate formulas of the parameters which are proved to be unbiased,efficient, and of variance of unit weight which is biased. Finally, the marginal maximum posterior estimate formula of the variance with unbiased and efficient , properties is derived.

Iterative Dichotomiser Posteriori Method Based Service Attack Detection in Cloud Computing

Cloud computing(CC)is an advanced technology that provides access to predictive resources and data sharing.The cloud environment represents the right type regarding cloud usage model ownership,size,and rights to access.It introduces the scope and nature of cloud computing.In recent times,all processes are fed into the system for which consumer data and cache size are required.One of the most security issues in the cloud environment is Distributed Denial of Ser-vice(DDoS)attacks,responsible for cloud server overloading.This proposed sys-tem ID3(Iterative Dichotomiser 3)Maximum Multifactor Dimensionality Posteriori Method(ID3-MMDP)is used to overcome the drawback and a rela-tively simple way to execute and for the detection of(DDoS)attack.First,the pro-posed ID3-MMDP method calls for the resources of the cloud platform and then implements the attack detection technology based on information entropy to detect DDoS attacks.Since because the entropy value can show the discrete or aggregated characteristics of the current data set,it can be used for the detection of abnormal dataflow,User-uploaded data,ID3-MMDP system checks and read risk measurement and processing,bug ratingfile size changes,orfile name changes and changes in the format design of the data size entropy value.Unique properties can be used whenever the program approaches any data error to detect abnormal data services.Finally,the experiment also verifies the DDoS attack detection capability algorithm.

高可靠舰船装备软件可靠性的两阶段验证方案

针对高可靠舰船装备软件可靠性验证存在的测试周期长、测试剖面难以准确反映真实使用环境等问题,提出了一种两阶段可靠性验证方案。首先,在研发阶段对软件提出可靠性要求,并基于该阶段产生的可靠性增长测试信息,利用软件可靠性增长模型评估软件可靠性水平,验证其是否达到规定的可靠性要求;然后,基于最大后验风险制定贝叶斯验证方案,并在软件试用阶段利用用户现场使用信息验证软件可靠性。实例分析结果表明:所提的两阶段验证方案能缩短软件可靠性验证时长、方便工程实施;利用用户现场使用信息给出验证结论,使结论具备较高的可信性。

改进YOLOv5的无人机航拍图像目标检测算法

针对无人机航拍图像目标检测中目标尺度多样、相似目标众多、目标聚集导致的目标漏检、误检问题,提出了改进YOLOv5的无人机航拍图像目标检测算法DA-YOLO。提出由特征图注意力生成器和动态权重学习模块组成的多尺度动态特征加权融合网络,特征图注意力生成器融合处理不同尺度目标更重要的特征,权重学习模块自适应地调节对不同尺度目标特征的学习,该网络可增强在目标尺度多样下的辨识度从而降低目标漏检。设计一种并行选择性注意力机制(PSAM)添加到特征提取网络中,该模块通过动态融合空间信息和通道信息,加强特征的表达获得更优质的特征图,提高网络对相似目标的区分能力以减少误检。使用Soft-NMS代替YOLOv5中采用的非极大值抑制(NMS)以改善目标聚集场景下的漏检、误检。实验结果表明,改进算法在VisDrone数据集上检测精度达到37.79%,相比于YOLOv5s算法精度提高了5.59个百分点,改进后的算法可以更好地应用于无人机航拍图像目标检测中。

基于改进PSO算法的光伏阵列MPPT研究

为解决传统粒子群优化(PSO)算法在寻优过程中出现粒子早熟、收敛速度慢、易陷入局部优化等问题,提出一种基于反向学习的Logistic-Tent双重混沌映射和时变双重压缩因子(TVCF)策略的改进粒子群优化(LT-TVCFPSO)算法,在传统PSO算法基础上,引入了Logistic-Tent混沌映射和TVCF,既可增强种群多样性,避免粒子早熟,跳出局部优化,又能加快粒子收敛,提升全局寻优能力。最后在MATLAB/Simu-link上进行仿真。仿真结果表明:相比于传统MPPT算法,LT-TVCFPSO算法能够快速准确地追踪到全局最大功率点(GMPP)。

语义通信的数学理论

自从1948年经典信息论诞生以来,在其指导下,现代通信技术已经逼近了理论性能极限,例如信息熵H(U)、信道容量C=max_(p(x))I(X;Y)以及率失真函数R(D)=min_(p(x|x):Ed(x,x)≤D)I(X;X)。长期以来,由于经典信息论只研究语法信息,限制了通信科学的进一步发展。近年来,研究语义信息处理与传输的通信技术获得了学术界的普遍关注,语义通信开辟了未来通信技术发展的新方向,但还缺乏一般性的数学指导理论。为了解决这一难题,构建了语义信息论的理论框架,对语义信息的度量体系与语义通信的理论极限进行了系统性阐述。首先,通过深入分析各类信源的数据特征,以及各种下游任务的需求,总结归纳出语义信息的普遍属性——同义性。由此指出语义信息是语法信息的上级概念,是许多等效或相似语法信息的抽象特征,表征隐藏在数据或消息背后的含义或内容。将语义信息与语法信息之间的关系命名为同义映射,这是一种“一对多”映射,即一个语义符号可以由许多不同的语法符号表示。基于同义映射f这一核心概念,引入语义熵H_(s)(U)作为语义信息的基本度量指标,表示为信源概率分布与同义映射的泛函。在此基础上,引入上/下语义互信息I^(s)(X;Y)(I_(s)(X;Y)),语义信道容量C_(s)=max_(f_(xy))max_(p_((x)))I^(s)(X;Y)以及语义率失真函数R_(s)(D)=min_({f_(x),f_(x)})min_(p(x|x):Ed_(s)(x,x)≤D)I_(s)(X;X),从而构建了完整的语义信息度量体系。这些语义信息度量是经典信息度量的自然延伸,都由同义映射约束,如果采用“一对一”映射,则可以退化为传统的信息度量。由此可见,语义信息度量体系包含语法信息度量,前者与后者具有兼容性。其次,证明了3个重要的语义编码定理,以揭示语义通信的性能优势。基于同义映射,引入新的数学工具——语义渐近均分(AEP),详细探讨了同义典型序列的数学性质,并应用随机编码和同义典型序列译码/编码,证明了语义无失真信源编码定理、语义信道编码定理和语义限失真信源编码定理。类似于经典信息论,这些基本编码定理也都是存在性定理,但它们指出了语义通信系统的性能极限,在语义信息论中起着关键作用。由同义映射和这些基本编码定理可以推断,语义通信系统的性能优于经典通信系统,即语义熵小于信息熵H_(s)(U)≤H(U),语义信道容量大于经典信道容量C_(s)≥C,以及语义率失真函数小于经典率失真函数R_(s)(D)≤R(D)。最后,讨论了连续条件下的语义信息度量。此时,同义映射转换为连续随机变量分布区间的划分方式。相应地,划分后的子区间被命名为同义区间,其平均长度定义为同义长度S。特别是对于限带高斯信道,得到了一个新的信道容量公式C_(s)=B log[S^(4)(1+P/N_(0)B)],其中,平均同义长度S表征了信息的辨识能力。这一容量公式是经典信道容量的重要扩展,当S=1时,该公式退化为著名的香农信道容量公式。综上所述,语义信息论依据同义映射这一语义信息的本质特征,构建了语义信息的度量体系,引入新的数学工具,证明了语义编码的基本定理,论证了语义通信系统的性能极限,揭示了未来语义通信的巨大性能潜力。

预估计混叠度的MAP超分辨率处理算法

提出一种预估计混叠度的PEMAP(pre-estimated MAP (maximum a posteriori))算法,用于卫星图像的地面超分辨率处理.它通过频域分析确定卫星图像的混叠度,将其作为先验信息在空域控制MAP估计的循环迭代,联合估计帧间位移和高分辨率图像.该算法克服了最大后验概率MAP算法的盲目性和不稳定性,使其适应性更好.实际的卫星图像处理显示了较好的处理效果.

SAR干涉图的静态小波域MAP法滤波

SAR干涉图中的斑点噪声是对相位解缠的极大障碍,为了得到更精确的地形模型,必须在相位解缠前对干涉图进行斑点噪声滤波。提出了一种干涉图的小波域多尺度滤波算法,对干涉图的实部和虚部分别进行处理。用Pearson分布系确定了信号和噪声项小波系数的概率密度函数,然后用最大后验概率（Maximum APosterior,MAP）准则估计无噪数据的小波系数。将本算法和另外3种滤波算法进行比较,结果表明,本滤波算法对SAR干涉图有很强的噪声抑制能力,并能保持干涉图的相位细节信息和相位分布。

基于MAP的超声图像分解去噪算法研究

超声图像中的斑点噪声,降低图像分辨率和对比度,不利于后续图像处理.本文基于最大后验概率(Maximum A Posteriori,MAP)推导出一种新的超声图像分解算法,将原始超声图像分解为无散斑真实图像和散斑图像.使用六组不同的参数值,对Field II仿真的超声图像进行分解试验,得出算法中比例参数对分解结果的影响规律.用该方法分解三幅人体超声图像,得到的真实图像平滑性好,且能较好的保留细节和边缘.本文提出的分解算法可用于超声图像的去噪,且分解得到的真实图像和散斑图像可用于特征提取、图像分割和图像分类等.

基于MAP的高光谱图像超分辨率方法

高光谱图像得到了越来越广泛的应用,但较低的空间分辨率严重地影响着它的应用效果;其超分辨率方法受到学术界的高度重视,但一直没有得到很好的解决。为此重点研究了建立低分辨率资源图像与高分辨率目标图像之间的关系模型;引入关联感兴趣光谱端元的算子进行空间变换;应用最大后验概率(MAP)算法实现超分辨率复原。实验表明,该超分辨率方法具有超分辨率效果好、复杂度低、抗噪声性能强和保护感兴趣类别等优点。

基于MAP的单帧字符图像超分辨率重建

字符是很多图像处理应用关注的区域,增强字符图像分辨率往往能提高字符识别率.针对字符图像纵横和对角线方向纹理特征,提出了一种提取不同方向纹理及图像平滑度度量的新方法,并在最大后验概率框架下,实现了单帧图像超分辨率重建算法.算法利用自适应可调模板作为卷积核,将纹理信息引入图像先验模型,最终将超分辨率重建转化为一个目标函数最优化问题.实验表明,该算法能有效提高字符图像的识别率,且对噪声具有较好的鲁棒性.

基于改进MAP方法的气象雷达风电场杂波抑制

雷达波束覆盖区域内风电场后向散射引起的杂波与气象目标回波具有类似的特性,进而影响气象目标参数估计的稳健性,导致气象雷达产生误检测与误识别。利用气象雷达二次产品(Level-Ⅱ)实测数据,基于最大后验概率(maximum a posteriori,MAP)算法实现风电场杂波抑制。在传统MAP算法基础上,考虑气象雷达和风电场位置、地形等因素对雷达波束的影响,并将其作为先验信息来选取有效的气象雷达高仰角扫描数据,以此来改善风电场杂波的抑制效果。针对高扫及低扫区域内径向速度变化较为剧烈所导致的MAP杂波抑制算法性能下降的问题,基于气象目标参数随距离均匀分布特性,用风电场周围未污染气象目标的径向速度作为先验信息,对传统MAP算法抑制后的径向速度进行修正。为定量评价风电场抑制算法的性能,给出了定量评价风电场杂波抑制效果的性能指标,并利用气象雷达不同体扫模式VCP(volume cover pattern)下的Level-Ⅱ数据对本文提出算法的有效性进行了验证。

基于混合双立方法的MPMAP超分辨力图像插值处理算法

对超分辨力插值获得高分辨力图像的方法进行了研究,分析了通常的插值方法和超分辨力插值算法,并根据对MPMAP算法理论的研究提出了一种新的结合传统线性插值和MPMAP理论的插值算法.通过在初始高分辨力图像预处理和MPMAP迭代过程中分别运用双立方插值代替原成像过程的逆过程运算,相对于双线性插值算法可提高图像的峰值信噪比2 dB以上.结果表明,运用此算法对红外热图像进行处理,同样可以有效地提高峰值信噪比,并可获得很好的图像复原效果.

层次多叉树映射布尔体廓后验误差的自适应层切

在给定构建方向下,层切厚度影响熔融沉积成型零件表面的阶梯效应,层切轮廓及其层次关系是路径规划的研究基础.为此,提出基于布尔体廓运算的自适应层切方法,在零件模型不同高度层切面上构建局部轮廓拓扑并计算内核域,根据内核点连线与轮廓环的交点,将轮廓环数据映射到一维坐标轴,基于拓扑映射判定轮廓环层次关系.建立层次关系多叉树,以树高映射体廓特征变化的布尔运算,根据层变阈值设计自适应层厚,通过体廓后验误差估计任意层厚的体积误差,验证自适应层切的有效性.实例打印及不同自适应层切方法对比结果表明,采用体廓后验误差计算的层切体积误差精度比牙尖高度法的更高;通过控制体廓特征部位的层厚来减小体积误差,有助于提高模型特征部位的表面成型精度.

一种新的基于MAP的纹理自适应超分辨率图像复原算法

本文论证了超分辨率图像复原计算中的两个性质,并基于此在MAP(Maximum A Posteriori)框架下提出了一种新的纹理自适应算法.算法首先根据低分辨率图像和高分辨率图像近似计算的可类比性质计算初始图像,使初始图像的质量更高,并根据超分辨率复原图像阶跃边缘的陡坡性质,将三边滤波正则化应用于迭代运算中,更好地保护了图像的陡坡和屋顶边缘.算法可根据图像的纹理自动计算初始图像融合参数以及正则化函数中的梯度阈值等参数,解决了以往超分辨率图像复原算法参数调整复杂的问题.实验结果表明,本文算法在没有人工参与的情况下,重建图像的客观评价和主观质量均有明显提高.

基于快速局部对比度和目标特征的星图弱小目标检测算法

为了解决局部对比度方法在用于星图空间目标检测时存在运算量大和去除背景噪声困难的问题,提出了一种基于快速局部对比度和目标特征的方法来检测目标。在对比度计算前、对比度计算中和对比度计算后3个环节,分别提高了算法实时性、对复杂背景的抑制和去除噪声。首先,通过中值滤波去除高频噪声;然后,通过快速局部极大值滤波确定目标区域,通过局部对比度计算抑制背景,突出目标成像特征;最后,根据目标成像特征,设置目标能量分布、目标能量集中和目标能量传递3个特征函数,通过设置特征阈值去除噪声,提取真实目标。实验结果表明,本文所提方法在检测率和时间消耗上均具有优越性,对于信噪比为1.5的目标有95%的检测率,平均耗时仅为某些对比方法的1/30~1/6。本文所提方法更适用于星图复杂背景条件下的目标快速检测,满足星图空间目标检测算法鲁棒性强、实时性高的要求。