基于二阶广义全变差的多帧图像超分辨率重建

图像超分辨率重建是图像处理领域的重要问题.本文将二阶广义全变差用于基于正则化的多帧图像超分辨率重建问题,构建了基于二阶广义全变差正则项的图像超分辨率模型.为了更好地保持重建图像的边缘和细节,采用图像空域自适应正则化参数,并针对该重建模型的非光滑性,给出了基于半二次正则化和交替方向法的求解算法.实验结果表明该模型和数值算法能够较好地提高图像的分辨率,同时可以较好地保持图像的细节信息.

渐近无偏矩估计量(英文)

给出了极值指数γ的一类渐近无偏的矩型估计量,当估计量中的上端顺序统计量的个数k取得较大时,其渐近方差比较稳定,并给出了k的选择.在估计量的偏度修正过程中,给出了二阶参数ρ的估计量.

重尾分布中二阶参数的渐近无偏估计

基于统计量T_(n,k)(K),先提出二阶参数的有偏估计量,再通过2个有偏估计量的线性组合构造了一类二阶参数的渐近无偏估计.在二阶正则条件下,研究了估计量的相合性;在三阶正则条件下,研究了估计量的渐近正态性.最后通过模拟,在特定条件下,将此无偏估计量ρn,k(K^(1,2),α,t*(ρ,β))与Goegebeur提出的估计量ρ_(n,k)(K^(1,2),α_1,α_2,l)的均值和方差进行模拟比较,结果表明,提出的无偏估计量表现更好.

重尾分布二阶参数的半参数估计

重尾分布二阶参数在极值理论中扮演着重要的角色,尤其是重尾指数估计中门限的最优选取,以及重尾指数降偏差估计的渐近偏差都取决于二阶参数p.基于统计量M_(n^(a))(k),提出了重尾分布二阶参数的半参数估计,在极值理论的二阶正则条件下,得到二阶参数半参数估计的相合性,在三阶正则条件下得到其渐近正态性.通过Monte-Carlo模拟,从大样本性质与小样本性质这两方面,对提出的半参数估计进行比较.结果表明,本文的估计,在大样本性质方面,表现较优;在小样本性质方面,一定范围内表现得更好.