基于局部回归模型的图像超分辨率重建

针对基于稀疏重建的图像超分辨率(SR)算法一般需要外部训练样本,重建质量取决于待重建图像与训练样本的相似度的问题,提出一种基于局部回归模型的图像超分辨率重建算法。利用局部图像结构会在不同的图像尺度对应位置重复出现的事实,建立从低到高分辨率图像块的非线性映射函数一阶近似模型用于超分辨率重建。其中,非线性映射函数的先验模型是直接对输入图像及其低频带图像的对应位样本块对通过字典学习的方法得到。重建图像块时利用图像中的非局部自相似性,对多个非局部自相似块分别应用一阶回归模型,加权综合得到高分辨率图像块。实验结果表明,该算法重建的图像与同样利用图像具有自相似性的相关超分辨率算法相比,峰值信噪比(PSNR)平均提高0.3~1.1 dB,主观重建效果亦有明显提高。     

Hydrodynamics of Exploding Foil X-Ray Lasers with Time-Dependent Ionization Effect

A simple modified model is presented based on R. A. London's self-similarity model on time-independent ionization hydrodynamics of exploding foil X-ray lasers. In our model, the time-dependent ionization effect is under consideration and the average ion charge depends on the temperature. Then we obtain the new scaling laws for temperature, scale length and electron density, which have better agreement with experimental results.     

基于快速分数阶傅氏变换的DDoS攻击检测

针对传统检测方法存在精度低、训练复杂度高、适应性差的问题,提出了基于快速分数阶Fourier变换估计Hurst指数的DDoS攻击检测方法。利用DDoS攻击对网络流量自相似性的影响,通过监测Hurst指数变化阈值判断是否存在DDoS攻击。在DARPA2000数据集和不同强度TFN2K攻击流量数据集上进行了DDoS攻击检测实验,实验结果表明,基于FFrFT的DDoS攻击检测方法有效,相比于常用的小波方法,该方法计算复杂度低,实现简单,Hurst指数估计精度更高,能够检测强度较弱的DDoS攻击,可有效降低漏报、误报率。     

基于分数布朗运动的自相似流量判别及生成方法

针对网络流量自相似程度判别方法较少和应用分数布朗运动(FBM)进行自相似流量模拟时可能会产生负值流量等问题,给出一种基于多阶矩的自相似流量判别方法和改进FBM模型的自相似流量模拟方法。首先通过分析样本矩的数学式,在分形矩分析的基础上得到一种多阶矩的自相似判别方法,然后对经典的随机中点置位(RMD)算法进行改进,最后对Bellcore和LBL实验室采集的真实流量数据进行自相似判别和模拟,仿真验证实验结果表明该方法的有效性。     

基于压缩感知与结构自相似性的遥感图像超分辨率方法

本文提出了一种基于压缩感知、结构自相似性和字典学习的遥感图像超分辨率方法,其基本思路是建立能够稀疏表示原始高分辨率图像块的字典。实现超分辨率所必需的附加信息来源于遥感图像中广泛存在的自相似结构,该信息可在压缩感知框架下通过字典学习而得到。这里,本文采用K-SVD方法构建字典、并采用OMP方法获取用于稀疏表达的相关系数。与现有基于样本的超分辨率方法的最大不同在于,本文方法仅使用了低分辨率图像及其插值图像,而不需要使用其它高分辨率图像。另外,为了评价方法的效果,本文还引入了一个衡量图像结构自相似性程度的新型指标SSSIM。对比实验结果表明,本文方法具有更好的超分辨率重构效果和运算效率,并且SSSIM指标与超分辨率重构效果具有较强的相关性。      

EPLL image restoration with a bounded asymmetrical Student’s-t mixture model

The expected patch log-likelihood (EPLL) model is a patch prior-based image restoration method which received extensive attention in image processing in recent years for its outstanding ability to preserve the detail and structure. However, due to using the Gaussian mixture model (GMM) with the noise sensitivity as the local prior, the EPLL model suffers from undesired artifact and poor robustness frequently. In this paper, to restrain the generation of artifact of EPLL model, we replace the GMM with a bounded asymmetrical Student’s-t mixture model (BASMM), which is sufficiently flexible to fit different shapes of image data, such as non-Gaussian, non-symmetric, and bounded support data. Then, the anisotropic nonlocal self-similarity (ANSS) based regularization parameters are designed to improve the robustness of the proposed model. Experimental results demonstrate the competitiveness of our proposed model compared with that of state-of-the-art methods in performance both visually and quantitatively.     

双加权 L p 范数RPCA模型及其在椒盐去噪中的应用

鲁棒主成分分析（Robust principal component analysis，RPCA）模型中秩函数和 L 0 范数的求解是非确定性多项式（Nondeterministic polynominal，NP）难问题，凸近似模型的求解通常会导致过收缩。本文结合加权方法和 L p 范数提出了一种基于双加权 L p 范数的RPCA模型，利用加权 S p 范数低秩项和加权 L p 范数稀疏项分别对RPCA框架中的低秩恢复问题和稀疏恢复问题进行建模，使其更接近秩函数和 L 0 范数最小化问题的解，提升了矩阵秩估计和稀疏估计的准确性。为了验证模型性能，本文利用图像的非局部自相似性，结合相似图像块组的低秩性与椒盐噪声的稀疏性，将双加权 L p 范数鲁棒主成分分析模型应用于去除椒盐噪声过程中。定量与定性的实验结果表明，本文模型性能优于其他模型，同时奇异值过收缩分析也表明本文模型能够有效抑制秩成分的过度收缩。     

Critical assessment 30: Grain growth – Unresolved issues

Grain growth is a broad field of study that covers several scientifically and technically interesting characteristics. Normal grain growth kinetics and its associated parabolic growth law and self-similar size distributions, grain boundary pinning, abnormal grain growth, the effect of triple junctions and quadruple points as well as grain growth in thin films are the most important current topics of grain growth research. In this critical assessment of grain growth in metals, we present and discuss some of the most important unresolved issues that have been a subject of research for many years.     

基于流量自相似的DDoS检测分析

近年来,人们的日常生活与互联网越来越密不可分,网络安全问题也呈现高发态势。作为一种严重的网络威胁,分布式拒绝服务（ DDoS）攻击越发为人们所关注。通过对流量的自相似检测,可以实现对DDoS进行有效判定,然而传统算法的固定式判据难以体现现实流量的变化,文章提出一种改进型算法,可实现对DDoS的动态检测。     

基于高分辨率SAR影像的高压输电线路杆塔检测方法

高压输电杆塔是电力系统中最重要的基础设施之一,其运行状态决定着整个电网的运行稳定和安全,对其运行状态的监测是高压输电线路监测的重要部分.提出利用高分辨率合成孔径雷达图像检测高压输电线路杆塔目标.由于在高分辨率SAR图像中,输电杆塔目标表现出明显的轮廓信息,利用G0分布参数模型和自相似性特征对输电杆塔目标进行检测分类.实验结果表明,该方法能够很好地实现在复杂场景中输电杆塔的目标检测分类.