量子线性卷积及其在图像处理中的应用

线性卷积在图像处理中发挥着重要作用,但是在处理海量高分辨率图像时,求解线性卷积会消耗许多计算资源.为此,本文就量子线性卷积及其在图像处理问题中的应用开展相关研究,首先提出单通道,单位步长,零补充情况下的量子一维和二维线性卷积,然后实现多通道,非单位步长,非零补充的情况,最后将量子二维线性卷积应用于量子图像平滑,量子图像锐化和量子图像边缘检测.通过理论分析证明了量子线性卷积的空间复杂度O（logM）和时间复杂度O（log²M）较经典线性卷积有指数级下降,且基于Qiskit的仿真实验成功验证了量子线性卷积和量子图像处理算法的正确性和可行性.     

具有函数尺度因子的有理分形曲线

带有常数尺度因子的分形插值,是描述具有明显自相似事物的一个有效工具,然而,它却难以精确地刻画自相似较弱的不规则数据.为此,提出一种具有函数尺度因子的有理样条分形插值方法.首先,在迭代函数系统中引入函数尺度因子,构造了一种仅仅基于函数值的带有形状参数的有理分形插值曲线;然后讨论了分形曲线的分析性质,包括分形曲线在尺度因子满足适当条件下的光滑性、分形曲线对插值数据扰动的稳定性以及分形插值函数的收敛性;最后,研究了分形曲线的计盒维数,给出了计盒维数的上下界.数值算例验证了该分形曲线造型的可控性和对噪声的鲁棒性;对海岸线数据插值时,该方法相比B样条、Bézier曲线和三次样条能更好地还原海岸线的粗糙程度;处理股票时序数据时,相比ARIMA和SVM方法,在RMSE等多项指标下更优.     

基于三维视觉的当代油画虚拟创作

当代油画创作过程中以其独特表现力以及表达手法受到大众的追捧,但当代油画受到创作形式以及创作工具的限制,降低了油画层次感的表达能力,为此,提出基于三维视觉的当代油画虚拟创作形式。对油画笔径以及关键帧进行确认,对过度帧插值进行确定,以三维视觉的呈现方式实现油画的虚拟创作。通过模拟实验结果可以看出,提出的创作方法能够有效地表达当代油画艺术风格,并增加层次感,实现三维虚拟视觉呈现。     

基于EKF+EKS的BCG动态高斯模型滤波研究

心冲击图(Ballistocardiogram,BCG)信号属于微弱信号,现实采集的BCG信号通常包含采集环境干扰和个体差异,因此缺乏健康个体的BCG信号模板和适用于BCG信号的降噪方法。提出一种基于高斯核函数的动态BCG信号模型,在动态高斯模型的基础上,应用扩展卡尔曼滤波与扩展卡尔曼滤波平滑对BCG信号进行复合滤波。该模型提供健康个体的BCG信号,包括H波、I波、J波、k波、L波和M波特征。经联合扩展卡尔曼滤波与扩展卡尔曼平滑滤波后的BCG信号比其他传统滤波器滤波后的BCG信号信噪比更高。基于动态高斯模型合成的BCG信号能完整表达健康个体的BCG信号特征,联合扩展卡尔曼滤波和扩展卡尔曼平滑的复合滤波,对BCG信号的滤波达到了更好的降噪效果。     

滑动式Lagrange插值法在BDS星历插值中的应用分析

该文利用滑动式Lagrange插值算法,从三个方面对BDS三种星历进行了内插精度分析,并与传统La-grange插值算法做了比较.首先对比相同阶数下两种算法的非端点处插值结果的精度;其次考虑端点龙格现象,分析两种方法的端点插值结果的精度;最后根据计算结果的均方根误差,分析插值结果整体精度的大小,并采用BDS精密星历数据进行验证.研究结果表明,滑动式Lagrange插值算法的插值精度较高,且误差分布均匀,最高可达亚毫米级别.该方法较好地适用于BDS星历的内插.     

基于双LSTM融合的类人机器人实时表情再现方法

为提高机器人表情再现的时空相似度和运动平滑度,结合序列到序列的深度学习模型,提出一种基于双LSTM(长短期记忆)融合的类人机器人实时表情再现方法.在离线机械建模阶段,首先构建逆向机械模型以实现面部特征序列到电机控制序列的逆向映射,并进一步提出运动趋势模型以规整电机连续运动的平滑度;然后,引入加权目标函数以实现两模型的融合和参数优化.在在线表情迁移阶段,以表演者面部特征序列作为融合模型的输入,并在最优参数下完成表演者面部特征序列到机器人控制序列的端-端翻译,从而达到机器人表情的帧-帧再现.实验结果表明:融合模型的电机控制偏差不超过8%,且表情再现的时空相似度和运动平滑度大于85%.与相关方法相比,提出的方法在控制偏差、时空相似度和运动平滑度方面均有较大提升.