Over-Parameterized Variational Optical Flow

A novel optical flow estimation process based on a spatio-temporal model with varying coefficients multiplying a set of basis functions at each pixel is introduced. Previous optical flow estimation methodologies did not use such an over parameterized representation of the flow field as the problem is ill-posed even without introducing any additional parameters: Neighborhood based methods of the Lucas–Kanade type determine the flow at each pixel by constraining the flow to be described by a few parameters in small neighborhoods. Modern variational methods represent the optic flow directly via the flow field components at each pixel. The benefit of over-parametrization becomes evident in the smoothness term, which instead of directly penalizing for changes in the optic flow, accumulates a cost of deviating from the assumed optic flow model. Our proposed method is very general and the classical variational optical flow techniques are special cases of it, when used in conjunction with constant basis functions. Experimental results with the novel flow estimation process yield significant improvements with respect to the best results published so far.     

基于运动优化语义分割的变分光流计算方法

针对光照变化和大位移运动等复杂场景下图像序列变分光流计算的边缘模糊与过度分割问题,文中提出基于运动优化语义分割的变分光流计算方法.首先,根据图像局部区域的去均值归一化匹配模型,构建变分光流计算能量泛函.然后,利用去均值归一化互相关光流估计结果,获取图像运动边界信息,优化语义分割,设计运动约束语义分割的变分光流计算模型....     

Variational Bounds and Sensitivity Analysis of Traffic Processes in Continuous Flow Models

This paper is concerned withfunctional variations in processes associated with ContinuousFlow Models (CFMs). The considered CFMs are characterized (defined)by their inflow-rate process, service-rate process, and buffersize, and have associated with them various derived processessuch as the workload (buffer contents), outflow and overflowprocesses. The paper's main result is comprised of Lipchitz continuityof the mappings between the defining processes and the derivedprocesses. This result is extended from single-flow CFMs to multi-flowCFMs, where it is used to establish the unbiasedness of IPA forworkload-related and loss-related performance functions.     

基于经验模态分解的油气两相流流型状态监测

基于经验模态分解技术,采用能量评估和阈值概率统计手段,提出了一种油气两相流流型状态监测的新方法.油气两相流差压信号是一典型的非平稳多组分信号,经验模态分解首先将差压信号分解成9阶本征模函数,按照频率范围可以划分为3个子带:高频带(30～50 Hz),中频带(5～30 Hz)和低频带(0～5 Hz).在不同流型下,中频带的能量变化很显著,跟踪捕捉中频带能量变化可以监测两相流流型的跃迁.首先确定不同流型下对应的归一化能量阈值,阈值概率统计技术通过移动时间窗扫描中频带子信号的方式来监测流型状态变化.油气两相流的实验结果表明该方法是有效的,为两相流流型状态监测提供了新途径.     

连续碳酸化分解过程进料流量的软测量与控制

维持进料量稳定是保证碳酸化分解过程稳定优化生产的关键。由于分解槽进料管较短,管径比较大,容易结疤,进料量难以用常规的过程检测仪表进行检测。建立了基于汇流的伯努利方程,总结出进料阀门的局部阻力系数与开度的关系,推导出高位槽液位、进料阀门及进料流量的函数关系,建立了进料流量的软测量模型。利用该模型,设计一个进料流量控制器,实现进料流量的优化设定和稳定控制。现场实验数据表明,进料流量软测量模型精度在2.06%以内。     

基于融合程序控制流的动态分解算法

计算和数据分解是分布主存系统中并行编译的关键,在并行优化编译器的并行识别过程中,许多串行代码无法找到全局一致的分解结果。针对这种情况,该文提出一种融合程序控制流的动态分解算法,增加控制流对分解的影响,使生成的分解结果更适合于后端自动生成的并行代码。实验分析结果表明了该方法的有效性。     

图象光流场计算技术研究进展

时变图象光流场计算技术是计算机视觉中的重要研究内容，也是当今研究的热点问题。为了使人们对该技术有一个较全面的了解，因而对时变图象光流场计算技术的研究和进展做了较系统的论述，首先分别列举了灰度时变图象和彩色时变图象的光流场计算方法，并对这些方法进行了分类，然后总结了出目前图象光流场计算中存在的几个问题，最后对光流场计算技术的研究发展及其应用前景指出了一些可能的方向。     

Variational Image Restoration and Decomposition with Curvelet Shrinkage

The curvelet is more suitable for image processing than the wavelet and able to represent smooth and edge parts of image with sparsity. Based on this, we present a new model for image restoration and decomposition via curvelet shrinkage. The new model can be seen as a modification of Daubechies-Teschke’s model. By replacing the B _p,q ^β term by a G _p,q ^β term, and writing the problem in a curvelet framework, we obtain elegant curvelet shrinkage schemes. Furthermore, the model allows us to incorporate general bounded linear blur operators into the problem. Various numerical results on denoising, deblurring and decomposition of images are presented and they show that the model is valid.

基于CEEMDAN分解的短时交通流组合预测

短时交通流预测是实现交通流诱导与控制的重要保障,鉴于交通流的随机性和复杂性,提出基于自适应噪声完全集合经验模态分解（CEEMDAN）的短时交通流组合预测模型。利用CEEMDAN算法对非线性序列具有自适应分解的特性,将交通流时间序列通过CEEMDAN分解为频率不同、复杂度不同的多个时间序列分量;利用PE算法分析各个分量的随机特性,根据时间序列分量的不同随机特性分为高频序列分量、中频序列分量和低频序列分量,根据高频、中频和低频序列分量的随机特性分别建立GWO-BP模型、GWO-LSSVM模型和ARIMA模型进行预测;叠加高频、中频和低频各个分量的预测结果,得到短时交通流最终预测值。仿真分析结果表明,与其他预测模型相比,基于CEEMDAN分解的短时交通流组合预测模型提升了预测精度。     

基于纹理约束和参数化运动模型的光流估计

提出了一种基于局部小平面运动的光流估计新方法。目的是获得精确致密的光流估计结果。与以往采用亮度一致性区域作为假设平面的算法不同，本算法利用序列图像的纹理信息，在纹理分割区域的基础上，进行运动估计。该算法首先通过微分法计算粗光流，可以得到参数化光流模型的初始估计，然后通过区域迭代算法，调整初始估计，从而得到精细的平面分割及其对应的参数化光流模型。基于纹理信息的部分拟合算法被用于算法的每一步当中，保证了纹理边缘位置的光流估计值的准确性。实验采用了标准图像序列，结果表明，可以得到更为精细的光流估计结果，特别是对于那些有着丰富纹理信息的室外环境的图像序列，而且在运动边界处的结果改善尤为明显。     

一种改进的全局光流估计方法

基于光流基本约束和平滑性约束条件的Horn-Schunck光流场佑计算法是图像运动估计的重要方法。但是,该方法存在在梯度值较小处运动参数估计不准确的问题;同时,现有的改进方法由于步及到可调参数的人工选取,并在阈值设置过高时容易在运动目标区域产生空洞,限制了光流法的应用。对光流基本约束项的权函数加以改进,给出了两种改进的光流估计算法。实验结果表明,改进算法能够在权函数阂值设置过高时降低对可靠光流的抑制,提高了算法的自适应性,为运动目标检测跟踪提供了有力条件。     

去除阶梯效应和震荡提取的分片变分分解模型

为了去除在变分图像分解中TV模型结构部分出现的阶梯现象和精确地提取震荡部分,提出一个分片变分分解模型.该模型将图像的支撑集聚类为2个不同性质的区域,在平滑区域采用固定边界的Mumford-Shah模型进行分解,以去除平滑区域内的阶梯现象;再在过渡区域采用(BV,G)分解,以此来精确地提取图像的震荡部分;然后对模型存在非平凡解的条件进行了讨论;最后采用梯度下降和有限差分对模型进行交替迭代求解.理论分析和与TV模型的对比实验结果表明,文中模型能很好地去除结构分量中的阶梯现象,并且能精确地提取图像的噪声和纹理.     

基于流体运动分解模型的流线构造方法及在CFD中的应用

流线的生成是流场可视化研究中的重要问题，也是流带、流管及流面等可视化显示方法实现的基础。经典的流线生成方法大多过于复杂。文中提出一种简化的流线生成方法，将流体质点的运动在单元网格内进行分解，通过判别条件判别流体质点流出的面，通过相邻单元之间的连接关系跟踪流线的轨迹。结合大型泵站流道CFD计算结果，对文中流线生成模型加以验证，其可视化效果良好。     

基于角点跟踪的光流场计算

在综合视觉运动分析中的两类处理方法，选取图像中的角点作为特征点，并检测和跟踪图像序列中的角点。记录检测到的角点在图像序列中的位移，在理论上证明了时变图像的光流场可以近似地用角点的位移场代替，同时给出这种替代的两个前提条件。本文用真实图像序列验证提出的算法，实验结果表明该算法取得了较好的效果。     

基于变分光流估计的肺部4D-CT图像超分辨率重建

由于受到扫描时间和照射剂量的限制,肺部4D-CT数据中纵向采样率远小于面内采样率.为了得到更高质量的肺部图像,从医学图像固有的自相似性出发,提出了一种基于局部和全局相结合的变分光流估计的图像序列超分辨率重建技术,用于提高4D-CT图像重建质量.首先,构建了一个用于求解肺部4D-CT不同相位图像之间的光流场的变分光流模型;然后,利用快速交替方向乘子法求解该模型,得到不同相位图像之间的光流场;最后,基于光流场,并利用非局部迭代反投影超分辨率重建算法,实现了高分辨率肺部图像的重建.实验结果表明：与已有算法相比,本方法在增强图像纹理结构的同时更好地保留了图像的轮廓.     

求二维非定常流数值解的主从网格方法

0．前言二维非定常流的拉格朗日型数值方法,是计算多种介质问题的常用的数值方法．最早是建立在随流体运动的四边形网格上的有限差分方法[1,2]．这种方法的优点显著,缺点是网格容易相交重复（两个网格同时占用一份空间）,致使计算不能进行,因此出现了三角网格方法[3]和邻域可变的任意多边形网格方法[4]．三角网格方法基本上不出现网格相交,但是人为粘性和边角的朝向可能引起大的误差．任意多边形网格的邻域关系确定不好也会引起很大的误差甚至错的计算结果．因此使用最广泛的还是建立在固定邻域的四边形网格上的拉格朗日方法．为了避…     

基于梯度光流场计算方法的一种改进

提出了一种新的改进光流场技术计算方法。它采用类似差分的方法从图像序列的多帧图像中检测出运动目标区域。通过代数运算减轻了Hom算法中全局约束对运动边界的影响。实验证明该方法是有效的。     

光流分量分解的步态识别

步态识别因其远距离和难于伪装等特点在生物识别技术中颇受关注。针对目前特征提取方法信息量不足的现状,提出一种基于光流分量分解的步态识别方法,对步态光流图中横向分量和纵向分量为正的部分按行、列进行分解,求出每行和每列的光流横、纵向分量,得到4个特征向量。根据训练得出的每个特征向量在识别过程中的权重进行特征融合。将主成分分析和线性判别分析相结合,用动态时间规整算法进行匹配,最后采用最近邻分类算法分类。在CASIA Database B和C上的实验表明,该方法在正常、背包和穿大衣的条件下分别得到了97%,90%和64%的识别率,在慢速和快速行走的条件下分别得到了88%和87%的识别率。     

基于全自动生长分割的梯度彩色光流场计算

形变物体边界的准确定位是光流估计的难点之一,仅依靠改进光流算法收效甚微。提出了全自动生长分割,以准确提取形变运动物体,从而将视频分割结果与梯度彩色光流算法相结合来提高光流法对形变物体的检测准确法度     

基于多尺度变形卷积的特征金字塔光流计算方法

针对现有深度学习光流计算方法的运动边缘模糊问题, 提出了一种基于多尺度变形卷积的特征金字塔光流计算方法. 首先, 构造基于多尺度变形卷积的特征提取模型, 显著提高图像边缘区域特征提取的准确性; 然后, 将多尺度变形卷积特征提取模型与特征金字塔光流计算网络耦合, 提出一种基于多尺度变形卷积的特征金字塔光流计算模型; 最后, 设计一种结合图像与运动边缘约束的混合损失函数, 通过指导模型学习更加精准的边缘信息, 克服了光流计算运动边缘模糊问题. 分别采用 MPI-Sintel 和 KITTI2015 测试图像集对该方法与代表性的深度学习光流计算方法进行综合对比分析. 实验结果表明, 该方法具有更高的光流计算精度, 有效解决了光流计算的边缘模糊问题.