基于变分自编码器的人脸图像修复

基于卷积神经网络的人脸图像修复技术在刑事侦破、文物保护及影视特效等领域有着重要的应用.但现有方法存在着图像修复结果不够清晰以及结果多样化不足等缺点,为此,提出了一种基于变分自编码器的人脸图像修复方法.首先设计了一种变分自编码器的变种网络,通过引入生成对抗网络解决修复人脸图像不清晰的问题,同时对变分自编码器中的隐变量进行约束,使得其中各个维度相互独立,实现特征解耦操作;最后通过动态规划获得最佳分割边界,利用泊松图像编辑得到无缝融合的结果.在CelebA数据集上的实验结果表明,该方法获得了良好的图像修复结果,同时,通过显式地控制隐变量的不同维度,展现了不同属性的人脸图像修复结果.     

一种改进的Harris特征点检测算法

现有Harris特征点检测算法采用高斯滤波进行平滑,图像存在角点信息丢失与偏移的现象。为解决该问题,提出基于变分B样条滤波与快速局部窗口搜索相结合的Harris特征点检测算法,选择具有低通特性的B样条函数作为平滑函数构造滤波器,引入形态学滤波中的极大值滤波思想,利用快速局部窗口搜索算法进行特征点局部极值的提取,从而提高特征点提取的精度和速度。实验结果表明,改进算法具有特征点提取快速均匀、检测定位准确、抑噪性好的特点。     

一般强单调变分不等式的改进投影算法

给出了解一般强单调变分不等式的一种改进投影算法。此算法运用自适应过程产生了一种高效的步长选取策略,提高了投影算法的效率;在算子为g-强单调的条件下,建立了全局收敛定理,得到了此算法数值的实验结果。     

基于变域变分原理的一种有限元方法

本文从变域变分原理出发,提出了一种新的有限元方法,并将所提算法用于求解形状最优化问题。我们给出了最优化问题解的存在性及其离散形式。讨论了数值解的收敛性,给出了数值解与精确解之间的误差估计。最后给出了算法的具体实施步骤和一个具有代表性的数值算例,数值结果表明该算法是正确、高效的。     

DFA_VMD_LSTM组合日径流预测模型研究

为有效提取径流序列的局部特征信息、提高神经网络径流预测模型的非线性拟合能力和预测性能,引入变分模态分解(VMD)、去趋势波动分析(DFA)方法,提出了一种基于长短时记忆(LSTM)神经网络的组合日径流预测模型(DFA_VMD_LSTM),并采用均方误差(RRMSE)、平均绝对误差(MMAE)、平均绝对百分误差(MMAP...     

三维复杂曲面的手绘生成方法

为便于用户在概念设计时快速进行三维形状设计,将变分隐式曲面表示与手绘草图相结合,提出一种三维复杂曲面的交互生成方法.该方法分别采用膨胀变换、曲线交叉变换和弯曲变换,将轮廓、截面和骨架等3种交互笔画扩展生成三维约束点,支持用户以手绘草图方式来控制生成三维曲面的形状;通过对变分隐式曲面函数的局部化来实现曲面混合,保证三维复杂曲面交互生成的实时性.实验结果表明:文中方法能生成多种不同形状的三维复杂曲面,可有效地支持三维复杂形状的"分而治之"构造过程.     

社区便利O2O的供应链超网络均衡模型研究

针对社区便利O2O自身的特征,构建了由供货商、各合作门店以及小区市场组成的三层供应链超网络模型。分析模型中各决策者的行为以及优化条件,利用变分不等式理论求解整个网络达到均衡状态的条件。设计算例并进行数值仿真,探讨了关系价值重视度以及网络渠道的接受程度对整个供应链均衡决策的影响,验证了模型的有效性,为社区便利O2O供应链的稳定发展提供科学的分析依据。     

自适应权重注入机制遥感图像融合

目的 遥感图像融合是将一幅高空间分辨率的全色图像和对应场景的低空间分辨率的多光谱图像,融合成一幅在光谱和空间两方面都具有高分辨率的多光谱图像。为了使融合结果在保持较高空间分辨率的同时减轻光谱失真现象,提出了自适应的权重注入机制,并针对上采样图像降质使先验信息变得不精确的问题,提出了通道梯度约束和光谱关系校正约束。方法 使用变分法处理遥感图像融合问题。考虑传感器的物理特性,使用自适应的权重注入机制向多光谱图像各波段注入不同的空间信息,以处理多光谱图像波段间的差异,避免向多光谱图像中注入过多的空间信息导致光谱失真。考虑到上采样的图像是降质的,采用局部光谱一致性约束和通道梯度约束作为先验信息的约束,基于图像退化模型,使用光谱关系校正约束更精确地保持融合结果的波段间关系。结果 在Geoeye和Pleiades卫星数据上同6种表现优异的算法进行对比实验,本文提出的模型在2个卫星数据上除了相关系数CC（correlation coefficient）和光谱角映射SAM（spectral angle mapper）评价指标表现不够稳定,偶尔为次优值外,在相对全局误差ERGAS（erreur relative globale adimensionnelle de synthèse）、峰值信噪比PSNR（peak signal-to-noise ratio）、相对平均光谱误差RASE（relative average spectral error）、均方根误差RMSE（root mean squared error）、光谱信息散度SID（spectral information divergence）等评价指标上均为最优值。结论 本文模型与对比算法相比,在空间分辨率提升和光谱保持方面都取得了良好效果。     

隐式曲面上两相图像分割的变分水平集方法

在平面图像分割的Chan-Vese模型基础上,提出隐式曲面上两相图像分割模型。用静态水平集函数的零水平集表达图像所在的闭合曲面,用另一动态水平集函数的零水平集与静态水平集函数零水平集的交线表达静态曲面上图像分割的动态轮廓线。所研究模型的能量泛函的数据项即为曲面上两分割区域的图像强度与对应区域平均图像强度的差的平方,其轮廓线长度项为两水平集函数的零水平集交线的长度。为避免动态水平集函数的重新初始化,在能量泛函中引入水平集函数为符号距离函数的约束惩罚项。通过变分方法得到图像分割空间轮廓线演化的梯度降方程。通过显式差分格式对演化方程进行离散。实验结果表明,该模型能有效实现复杂封闭曲面上图像的两相分割。     

多小波在一维有限元方法中的应用

有限元方法（FEM）是建立在变分原理基础上的一种频域数值计算方法。其基函数的选取相当重要,既影响到计算结果的精度也影响到计算效率。通常情况下,都是利用拉格朗日线性插值函数作为基函数。文中利用了多尺度函数。由于多尺度函数及它的偏导数的差值特性,可以快速逼近某个函数。同时这个新的基函数的一阶偏导数在相邻节点上是连续的。最后得到的数值结果显示：在保证一定计算效率的基础上,使得精度大幅度提高。因此采用多尺度函数作为基函数具有很多优势。