基于灰色关联度的集对分析差异系数研究

针对集对分析中差异不确定系数i的取值不确定问题,分别将差异度与同一度和对立度的关联度作为i的取值,运用灰色理论巾的绝对关联度计算方法对i进行求解,并应用到富锦市土壤质量评价中,结果符合实际情况。研究结果表明,采用灰色绝对关联度计算差异系数是可行的,为集对分析中差异系数i的求解提供了新的思路和方法。     

结合波原子和全变差方法的图像去噪*

传统的硬阈值去噪会产生伪吉普斯现象,而波原子本身的周期化过程也会出现新的方向性纹理失真。采用全变差最小化方法来抑制这些失真,提出一种改进的波原子去噪算法。该算法不是直接将低于阈值的小系数置为零,而是对这些系数在全变差最小的意义上作修正迭代,得到最终的去噪图像。数值实验结果表明,波原子去噪保留边缘和纹理的效果优于小波和曲线波,改进算法去噪的视觉质量明显好于传统波原子去噪。最后还指出了进一步的研究方向。     

西江归槽洪水研究展望

西江流域由于大量兴建堤防工程导致洪水归槽,改变了原天然河道的洪水槽蓄关系,使得用于防洪规划和洪水灾害风险评估的洪水序列失去了一致性。目前洪水归槽问题研究主要集中在出槽洪水的归槽还原计算方面,对于干支流洪水与区间洪水的遭遇考虑不足,对洪水发生变异的成因及非一致性洪水的频率计算方法也缺乏系统性的研究。建议采用水文变异诊断系统对西江流域的水文要素进行变异分析,以识别其时空变异规律;研制西江中下游干支流洪水及区间暴雨洪水的多输入单输出概念性水文模型,以模拟其洪水形成过程;提出基于MISOCHM模型的非一致性洪水频率计算方法、基于HHT变换的非一致性洪水频率计算方法,以推求变化环境下河道断面的洪水频率分布,并结合西江流域防洪规划评价西江堤防现状和未来的防洪能力。其研究成果不仅对变化环境下的水循环和水安全研究具有重要的理论意义,而且对于流域防洪规划和洪水灾害风险评估具有重要的实际应用价值。     

结合相位一致与全变差模型的高分辨率遥感图像边缘检测

目的边缘检测是有效利用遥感数据开展地物目标自动识别的重要步骤。高分辨率遥感图像地物类型复杂,细节信息过于丰富,使得基于相位一致的边缘检测结果中存在过多的噪声与伪边缘。为此提出了一种结合相位一致与全变差模型的高分辨率遥感图像边缘检测方法。方法根据相位一致原理,应用Log Gabor构造的2维相位一致模型,引入全变差去噪模型对基于相位一致的边缘强度图进行改进。结果借助有界变差空间对图像光滑性的约束,实现了高分辨率遥感图像噪声去除与伪边缘抑制,利用改进后的相位一致边缘强度图可有效检测高分辨率遥感图像的边缘。结论实验结果表明,与相位一致模型、Canny算法相比,该方法能消除了高分辨率遥感图像中同类地物内部细节特征形成的噪声,抑制相位一致边缘检测结果中的伪边缘,突出地物的真实边缘,并能正确地提取地物目标的整体轮廓信息,有助于后续地物目标的自动识别。     

Adaptive variational models for image decomposition

Image decomposition refers to the splitting of an image into two or more components.In this paper,a clean image is separated into two parts:one is the cartoon component,consisting only of geometric structure,and the other is the oscillatory component,consisting of texture.Three parts for noisy image are considered:cartoon,texture,and noise.To better decompose an image,we propose two new variational models.In our models,two adaptive regularization terms are introduced.The two regularization terms are determined by an adaptive function which can discriminate the cartoon and texture of an image automatically.Experimental results illustrate the efectiveness of the proposed models for image decomposition.     

Fractional partial differential equation denoising models for texture image

In this paper,a set of fractional partial differential equations based on fractional total variation and fractional steepest descent approach are proposed to address the problem of traditional drawbacks of PM and ROF multi-scale denoising for texture image.By extending Green,Gauss,Stokes and Euler-Lagrange formulas to fractional field,we can find that the integer formulas are just their special case of fractional ones.In order to improve the denoising capability,we proposed 4 fractional partial differential equation based multiscale denoising models,and then discussed their stabilities and convergence rate.Theoretic deduction and experimental evaluation demonstrate the stability and astringency of fractional steepest descent approach,and fractional nonlinearly multi-scale denoising capability and best value of parameters are discussed also.The experiments results prove that the ability for preserving high-frequency edge and complex texture information of the proposed denoising models are obviously superior to traditional integral based algorithms,especially for texture detail rich images.     

基于季节长记忆双自回归模型的日径流模拟

传统时间序列模型无法同时考虑径流序列的长记忆性和时变波动性,且模型参数限制严格,从而使日径流序列模拟受到限制,影响径流模拟预测精度。本文提出了同时考虑非平稳性、季节性、长记忆性和时变波动性的新型双自回归模型(WOA-SFIDAR),并与经典长记忆波动率模型(SFIAR-GARCH)进行对比,选取渭河流域4个水文站日径流序列进行模拟验证。结果表明：WOA-SFIDAR模型的模拟能力优于SFIAR-GARCH模型,模拟结果很好地保持了日径流过程的统计特性。7、8月份模拟均值误差相对较大,WOA-SFIDAR模型的误差范围(5.72～32.56)低于SFIAR-GARCH模型(7.42～48.02)。WOA-SFIDAR模拟逐月变差系数(C_v)和偏态系数(C_s)与实测序列统计值间偏差范围为0～0.51和0.02～1.31,优于SFIAR-GARCH模型(0.02～0.56和0.06～1.52);模拟结果能够保持日径流序列自相关系数(ACF)的变化趋势,且随滞时的增加,实测序列与模拟序列的ACF差距减小。文中模型扩展了水文随机模拟方法,可为日径流模拟...     

基于倒位变异的蜉蝣优化算法

蜉蝣算法(Mayfly Algorithm,MA)作为一种新型群智能优化算法,具有较好的寻优性能.但在高维非线性复杂问题上,蜉蝣算法依然容易出现早熟收敛现象.本文提出一种基于倒位变异的蜉蝣算法(Inversion Variation Mayfly Algorithm,IVMA),改变原算法在变异上的操作,随机选择个体的随机维度向全局最优个体的随机维度靠近,同时利用精英策略保留进化成果.利用倒位操作,将最优个体某一维度段内位置发生倒转,提高了算法跳出局部最优的能力.通过对10个测试函数的结果分析,表明本文所提出的算法具有较好的收敛精度,收敛性能得到了提高.     

多特征融合和尺度变化估计的船舶跟踪方法

传统的船舶视觉跟踪任务主要集中于单目标船舶跟踪,对多目标船舶跟踪研究相对较少。为解决该问题,提出一种多维特征融合机制和尺度变化估计的多目标船舶跟踪框架,该框架引入位置滤波器对输入的船舶训练样本进行学习,并将其应用于待跟踪的船舶图片序列,通过寻找最大响应的方法判定图像中的船舶位置。在此基础上,构建船舶尺度估计滤波器以确定待跟踪船舶的图像尺寸。通过和中值流跟踪算法和多示例学习跟踪算法对比分析,实验结果表明不同海事交通场景下的船舶跟踪误差均小于10像素,验证了算法的有效性和可靠性。     

深圳市降水变化特征及其未来变化情况预测

基于1998—2018年深圳市日降水资料,采用降水相对变率、集中度及集中期分析了月尺度、年尺度降水稳定性及其年内分配特征,运用Mann-Kendall非参数法和相关函数法对深圳市年降水量、降水稳定性和分配特征参数的变化趋势、突变特征及其未来降水变化特征进行分析与预估。结果表明:深圳市汛期降水稳定性比非汛期更好,年际降水分布稳定性较差,降水集中期为每年6—8月份,降水集中度处于0.23~0.72;降水量和降水分布特征参数均在2011—2013年发生突变,在发生突变后降水相对变率和集中度呈下降趋势,而年降水量和集中期呈上升趋势;深圳市未来降水序列变化趋势受过去变化特征的影响,其中未来年降水量有减少的趋势,降水集中程度逐渐增强,降水稳定性逐渐变差,年内降水分配均匀性变差,降水集中期持续向后推迟。研究成果为深圳市合理蓄水和用水提供科学依据,对水资源调度、利用以及防汛抗旱具有实际指导意义和重要的学术价值。