基于多传感器像素分类的红外图像超分辨率算法

本文提出了一种新的红外图像超分辨率算法。算法将同场景的低分辨率红外图像和高分辨率可见光图像信息有机集合起来,得到一种基于多传感器的红外图像超分辨率正则化模型。本文将各向异性张量获取的高分辨率可见光图像信息与低分辨率红外图像做像素相关性分类,然后将分类后得到的相关边缘对二阶总广义变分模型加权,最终采用一阶主-对偶优化算法求得最优解。实验表明该算法可获得质量较高的高分辨率红外图像,并且有效抑制无关信息的干扰,在主观视觉效果和客观评价指标方面均优于其他算法。     

基于加权元组潜在语义分析的社会标签推荐

社会标注系统中用户生成的标签具有随意性和弱关联性,这将导致标签推荐的精确性降低。本文基于加权元组潜在语义的三维张量结构模型,引入社会网络的结构化分析方法对相关元组进行量化加权,以构建加权的三维张量结构模型,并通过元组的潜在语义分析,得到能体现用户兴趣度的加权元组集。最后,通过典型标注网站Delicious中的用户标注数据集,验证了基于加权元组潜在语义分析的三维张量模型具有较好的标签推荐效果。     

一种基于图像超分辨率技术的图像质量提升技术

<正>在飞行试验中,由于视频遥测带宽限制,飞机上加装的相机或者机载视频数据在有限带宽下,需要进行低码流压缩,导致视频信息失真、受损或者不够清晰,影响视频监控效果。因此,需要进行失真图像的超分辨率重构或图像清晰度提升技术研究,提升图像的质量。本文的研究主要是通过图像超分辨技术,建立失真图像及低分辨率图像与高分辨率图像之间的映射关系,通过深度学习方式构建超分辨率学习网络,对大量LR-SR图像进行训练与学习,     

基于SRGAN技术的图像超分辨率重建研究

图像的分辨率在图像中是一项及其重要的参数,用于蕴含图像的重要信息。而实际上,可能受多方面环境因素的影响,高分辨率的图像往往不容易采集到。为解决低分辨率图像给采集数据带来的种种问题与影响,人们开始研究超分辨率技术。超分辨率技术是指将拍摄到的低清分辨率的图像使用重建的技术来得到更高清分辨率的图像,从而达到获取图像上更多信息的效果,主要的应用场景有医学影像仪器、监控设备以及卫星图像等。普通意义上的图像超分辨率重建一般是将图像直接放大或者进行缩小,对图像的实际超分辨率重建效果不是很明显。为解决传统超分辨率重建对图像质量改善不大的情况,引入基于神经网络的SRGAN。SRGAN使用生成式对抗网络架构(GAN),~([1])以优化损失函数为目标,生成图像中的某些细节。本文将描述SRGAN在应用中的具体实现过程,通过分析模型中的损失函数以及模型的训练过程,对其重建效果以及产生的问题进行深入探讨。     

基于TOF的快速加权中值滤波深度成像系统

本文介绍了一种基于飞行时间(TOF)的快速加权中值滤波深度成像系统。本系统结合了高分辨率(HR)三视图立体RGB相机(1280×960)和低分辨率(LR)TOF景深相机(176×144)。首先进行相机标定,以获得彩色和深度相机的内在和外在参数。由于同一场景下深度图像的分辨率远小于相应的彩色图像,因此采用快速加权中值滤波(WMF)对低分辨率深度图像进行深度上采样。最后,利用基于深度图像的绘制(DIBR)技术,通过上采样深度图像和HR彩色图像结合生成场景的立体三维(S3D)图像。实验结果表明,与不同的滤波方法相比,本文提出的深度成像系统能生成高质量的深度图,并能高速生成S3D图像。     

叶肉结构对叶片光谱及生化组分定量反演的影响研究

深入研究了PROSPECT模型中叶肉结构参数N对叶片反射和透射光谱的影响，利用迭代法使全波段代价函数达到最小来计算LOPEX93数据集中样品的最优N值，对在最优N值下的模拟光谱与实测光谱进行比较，并对N在不同取值情况下，叶绿素与水分的反演进行了研究。研究认为：（1）N对整个光谱波段产生影响，并随N的增大而减小；（2）构造全波段代价函数，利用迭代法得到的最优N值可以很好地模拟实际光谱；（3）在高估N值情况下的叶绿素和水分反演精度明显高于低估N值的情况；（4）水分反演的效果明显优于叶绿素反演的效果，原因与代价函数的选取有关。     

基于张量投票的图像超分辨率算法

张量投票算法在提取图像主观轮廓上具有良好的效果,本文提出了一种基于张量投票的图像超分辨率算法.首先用二维张量矩阵存储低分辨率图像各像素点所处的位置特征信息,并利用稀疏张量投票将特征信息进行加强,再使用稠密张量投票产生高分辨率图像对应的二维张量矩阵.此张量矩阵包含了视觉特性强的边缘信息,最后利用该边缘信息指导高分辨率图像的重构.实验结果表明,该方法得到的高分辨率图像信噪比高、视觉效果好.     

基于稀疏表示块和全变分的超分辨率重建研究

针对传统的基于稀疏表示超分辨率重建存在不能同时保存边缘与纹理结构,并且在线运行时间长的问题。一种基于稀疏表示块的超分辨重建算法被提出,首先通过图像训练PCA字典集,然后应用PCA算法得到相应的聚类子字典,在重建的过程中引入全变分正则项,以便联系图像局部之间的信息和加强保存重建过程中的图像纹理特征。最后用分步算法求目标函数,重建得到高分辨率图像。大量的仿真实验结果证明,与传统的超分辨率算法相比,新算法能够改善图像结构特征信息,评价指标值也有一定的提高。     

基于高光谱数据的小麦叶片叶绿素反演研究

本研究以小麦为研究对象,将植被叶片高光谱数据与实测植被叶片叶绿素数据相结合,通过对相关性分析,获得红边参数及不同植被敏感波段,作为不同因子对各研究植被建立反演模型。分析所得结果可知,以敏感波段为因子的模型总体预测能力优于以红边位置为因子的模型,且随着小麦生长成熟,不同因子所建立的反演模型精度均有所下降。而时序分析表明,利用小麦叶片光谱数据对其不同物候期叶绿素含量进行反演是可行的。     

基于稀疏张量分解的高光谱图像压缩

针对高光谱图像带来的大量数据存储和传输的问题,本文提出了一种基于稀疏张量分解的高光谱图像压缩方法。首先,将高光谱图像作为三阶张量进行分析。其次,通过核心张量和压缩比的关系进行张量分解。最后,对数据进行稀疏编码处理。实验结果证明本文方法相对于现有方法来说,重构图像可以获得更高的信噪比,压缩时间更短,具有更好的压缩效果。     

基于物联网数据融合算法的土壤环境监测系统设计

针对农田土壤环境的数据采集,本文提出了一种改进型的分批估计自适应加权融合算法,算法首先对单个传感节点一段时间内所采集的数据根据容许函数的阈值剔除误差较大的数据,然后对该传感器的数据进行分批估计得出该节点某一段时间内的最优估计值,以此得到该区域所有传感节点最优估计值后,依据权值最优分配原则对每组传感器数据进行组内自适应加权融合,从而计算得到该时刻土壤的环境精确值。实验验证:系统采集到的数据准确可靠,改进算法数据融合易于实现,融合值相对误差值更低,稳健性更好。     

远参考大地电磁法应用的关键技术

正为了查明大地电磁测深方法中远参考测站的信号数据的好坏对阻抗张量估计的精度产生的影响,远参考测站与测区测站的远近直接决定着噪声之间的相关程度,本文对安徽省霍山实测数据进行了处理分析,得出不同参考距离对应着不同的处理频段,需根据探测目标体的深度选取合适的远参考距离,且磁参考站本身的数据质量越高,数据处理效果越佳的结论。     

一种改进的多维度加权聚类算法

针对K-means聚类算法无法确定k值,并容易忽视在多维角度下进行聚类的缺点,本文提出了改进的多维度的加权的算法,在自适应K-means聚类算法的基础上引入了视图权重和变量权重,得到了包含多层变量的目标函数,通过数学证明使得目标函数最小化,得到最优的聚类效果。实验采用3个标准数据集作为聚类研究的对象,通过与FCM算法比较,说明了本文算法在聚类方面具有良好的效果。     

小波分析在图像压缩中的应用

小波分析是一种多层次分解函数的数学工具,图像信号(数据)经过小波变换后可以用小波系数来描述,小波系数可以从不同尺度,不同分辨率上体现图像的概貌信息和图像的局部细节信息。因此,基于小波变换的图像压缩算法,压缩效果良好,在未来会有广泛的发展空间。     

城市工业区人居生态环境中地下水重金属含量反演模型研究

城市工业区人居生态环境中地下水重金属含量调查为判断工业区环境受污染程度的关键依据。将高光谱图像看作数据源,通过最小二乘回归分析方法,依据采样数据,分析了重金属离子的光谱特征,构建了地下水重金属含量和高光谱数据的最小二乘回归模型,实现城市工业区人居生态环境中地下水重金属含量的反演。结果表明,针对建模效果,Cu的建模效果最好,判定系数高达0.9766,Pb的建模效果次之,为0.9238,Cr和Zn的判定系数也较高,整体建模效果较好。验证样本中,Cu的判定系数最高,为0.9128,说明该模型对Cu的预测能力最强,Cr、Zn和Pb的判定系数在0.7上下,说明模型对上述重金属的预测能力一般。不管是针对建模样本还是验证样本,所建立模型的均方根误差和相对均方根误差均较低,说明采用构建模型对地下水重金属含量进行反演基本可以得到较大的判定系数,不仅反演效果佳,而且反演精度高。研究区内重金属Cu的质量分数较高,西北部地下水重金属含量较高。     

磁标记法高分辨率井深测量方法研究

现行测井方法中,往往应用磁标记电缆和马丁代克两种手段相互补充来保证其油层的准确位置。但在实际应用中,由于马丁代克的机械传送特性,使得通过它的测井电缆打滑,致使测井资料中的深度值丢失,文章提出了一种仅使用在电缆上打印磁标记的方法来测量井深。首先使用磁标记器给电缆打印磁标记,并用磁检测装置对磁标记进行检测,然后通过对磁标记进行相关测速的方法对电缆的位移进行细分来提高测量分辨率。     

贝叶斯粗糙集云数据深度融合算法

云计算环境下,需要对云数据特征进行深度融合,提高对云数据的调度和决策能力。传统的云数据融合算法采用置信增益概率分配算法,当云数据出现多重特征时,融合深度不够,信息提取效果不好。提出一种基于贝叶斯粗糙集的云数据深度融合算法。引入了置信增益函数贝叶斯粗糙集,得到贝叶斯粗糙集云数据模型构建,在特征空间关系中进行特征合并,进行决策表决策属性分区处理,提高融合精度,依据信任函数最大化原则确定新对象的决策属性取值,实现云数据深度融合算法改进。仿真实验表明,采用该算法,能有效提高数据融合深度和精度,稳健性较好,可以明显的抑制噪声的影响,并提高20 d B左右的特征空间增益,算法在高维空间中仍体现出了较为明显的数据融合优势,该算法在云计算和云数据信息处理等领域具有较好应用前景。     

多目标最优化加权解的稳定性及计算机在解的合理性讨论中的简单应用

在多目标最优化问题的研究中,围绕最优解涌现了很多成果,产生了不少解的概念㈤。对于通常的单目标最优化问题解的唯一性以及稳定性,也有过一些通有性的研究成果。对于多目标最优化问题解的稳定性,Yu曾给出了一个通有稳定性结果,Xiang也曾给出了当权因子,权因子和目标函数变化时加权解的稳定性结果。鉴于在实际运用中,加权方法和加权解的作用突出,因此研究加权解的稳定性具有重要意义。在本文中,将在Xiang的基础上研究引入计算机一些应用知识当权因子,目标函数和约束集合都变化时多目标优化加权解的稳定性,最后通过计算机模拟阐述现实中的一个例子说明稳定的加权解在现实应用中如何选择满意的解要依实际情况而定。     

基于泛克里金插值法的Landsat8热红外数据的高空间分辨率地表温度反演

地表温度(land surface temperature, LST)地表物理状态过程中的一个重要参数,目前反演高精度地表温度是一个重要的研究目标。本文根据热辐射传输方程,利用空间分辨率30m Landsat8传感器的热红外数据反演地表温度,并利用泛克里金插值法对反演温度的结果进行尺度转换,获取2 m分辨率的地表温度数据。本文以广东省河源市东江林场为例,对2013年10月21日、2014年10月24日及2015年10月27日的Landsat8进行温度反演,对其反演结果进行泛克里金插值,最终获取2 m高空间分辨率的温度数据。本文以广州东江林场2013年10月21日、2014年10月24日和2015年10月27日获取的landsat8为例,为了检验地表温度数据的尺度转换的合理性,本文利用莫兰系数和夏皮洛-威尔逊检验法检验地表温度是否空间自相关性以及是否为正态分布。三帧温度结果的莫兰系数分别是0.96,0.96,0.97,表明该三帧温度数据空间自相关;由夏皮洛-威尔逊检验法获取的p值分别为0.1857,0.09968,0.08534,均大于0.05,温度数据服从正态分布。对2015年泛克里金插值前后的温度值与实测温度进行比较,平均误差系数减少了5.63%。由此可见,本文利用泛克里金法插值法对Landsat8反演的温度进行尺度转换后获得的结果更为合理。     

基于小波包分层净化的模糊图像细节增强算法

在复杂电磁环境下,动态飞行摄像机对地面采集的场景图像具有较大的模糊性,需要进行图像增强处理,提高对图像的辨识能力。传统的图像增强算法采用基准特征提取和小波轮廓掩膜处理方法,对图像的细节部分的增强效果不好。提出一种基于小波包分层净化的模糊图像细节增强算法。首先进行了图像的采集系统设计和干扰模型构建,对采集的数字图像进行小波包分层净化处理,把原始图像的细节特征作为母小波函数,计算母小波函数的时间尺度因子,以此作为数据输出,结合人工鱼群算法实现对净化处理后的图像的细节增强。仿真结果表明,该算法能有效实现模糊图像的细节增强,改善图像成像质量,两组仿真图像的峰值信噪比提高了12.4%和15.3%。