STUDIES ON RETRIEVAL OF THE TURBULIVITY OF ATMOSPHERIC BOUNDARY LAYER

1. INTRODUCTION Human activities mainly occur in the atmospheric boundary layer and turbulent transfer is a key factor for the exchange of substance and energy of the earth-atmosphere system, so atmospheric turbulence must be described accurately for all …     

基于Tikhonov正则化的WSN多边定位算法研究

节点定位是无线传感器网络实现监测和跟踪的一个重要前提.针对多边定位中的不适定问题.提出了一种基于Tikhonov正则化方法的定位算法,研究了定位模型的建立、正则化参数的选取方法以及最优定位参考点数的选取等问题.实验结果表明本算法与典型的极大似然估计法相比,较大幅度地提高了定位精度,当a值选取600,采用5个参考节点时,定位精度可达到1米.     

基于区域分割自适应的超分辨率算法

提出一个基于区域的超分辨率算法,把一张图像分成平滑区域和非平滑区域,对每一个不同图像区域采用相应的正则化项.正则化项参数也会在迭代过程中自适应的确定.实验结果表明所提出的算法在客观和主观评测都优于传统算法.     

基于各向异性自适应高斯加权方向窗的非局部三维Otsu图像门限分割

针对传统3维Otsu(3D-Otsu)门限分割方法中的滤噪性能和小目标保持性能的不足,该文提出一种基于各向异性自适应高斯加权方向窗的3D-Otsu门限分割的新方法。新方法改进了3D-Otsu的邻域窗口设置方法,采用中心点的局部特征来自适应地确定邻域各向异性高斯加权方向窗口的尺寸、尺度和滤波方向。然后,提出非局部多方向相似度测量来更有效地捕捉图像中的模式冗余。最终,结合像素点灰度值、加权均值、加权中值构建3维直方图,并基于最大类间方差计算门限矢量进行分割。实验结果表明：与目前广泛使用的2维Otsu, 2维最大熵以及传统3维Otsu方法相比,新方法有着更好的门限分割效果,并具有更好的滤噪性能和小目标保持性能。     

用偏微分方程作图像分析与处理

从偏微分方程去噪模型出发,论述了噪声抑制的原理,去噪方法与正则化方法和小波萎缩方法之间的联系;并根据这种联系,从正则化模型的角度分析了用偏微分方程进行图像复原以及超分辨等方面的应用。最后展望了发展前景。     

基于自适应梯度先验的旋转模糊图像复原算法

弹载红外成像系统随弹体作高速旋转运动时,在曝光时间内获取的图像存在严重旋转模糊问题,给后续的目标识别与图像跟踪造成极大困扰。针对此问题,提出了一种基于自适应梯度先验的旋转模糊图像复原算法。该算法通过使用自适应梯度先验的正则化项,对从图像中沿旋转模糊路径提取的一维向量在频域内进行反卷积运算。同时针对使用Bresenham算法提取像素方法产生的空穴点问题,设计了一种查表决策的自适应中值滤波算法。仿真实验结果表明,相对于改进的维纳滤波、约束最小二乘滤波、梯度加载滤波,该算法能有效地适应低信噪比干扰环境,具有较强的噪声抑制和削弱振铃效应的能力。     

一种用各向异性扩散方程抑制SAR相干斑噪声的方法

本文提出了一种基于各向异性扩散偏微分方程抑制合成孔径雷达(SAR)图像的相干斑噪声的算法,简称DSADE算法。本算法根据SAR图像的局部特征在均匀区域各向同性扩散,边缘细节区域各向异性扩散,不仅可以很好地保持边缘细节信息,而且可以对其进行增强。实验结果表明,本算法不仅有效抑制了SAR图像的相干斑噪声,保持并增强了边缘细节,而且有着良好的图像视觉效果。     

基于熵调整模糊c-均值聚类的时频能量混合模型

本文提出了一种改进由时频不相交分量组成信号的双线性时频分布的分辨率和可读性的方法。用修正的Xie-Beni聚类有效性指标对熵调整模糊c-均值聚类算法进行拓展将模糊聚类与密度估计相结合,实现了信号时频分量的识别和建模;信号的时频能量混合模型给出了信号分量的数目及其在时频面上所占据的区域。这些信息可以用于分离信号分量,设计适合于每个分离分量的光滑核。仿真结果表明,对于由时频不相交分量组成的信号,本方法可以识别出其中的信号分量,并得到较优的时频分布。     

基于正则化稀疏表示的图像超分辨率算法

为了从单幅低分辨率(LR)图像恢复出高分辨率(H R)图像,提出了一种应用正则化稀疏表示和基于机器学习 的超分辨率(SR)图像恢复算法。构造了一种基于稀疏表示的SR凸变模型,为了提高 恢复效果,针对模型 提出了两种稀疏正则化约束条件,一是将分类效果更好的图表拉普拉斯作为正则化约束条件 ,从而找到与 输入LR图像块在结构上最接近的学习样本;另一种是针对冗余的学习样本进行约 束,保证了图像边 缘的锐利。将输入的每一块LR图像应用正则化稀疏表示,经过学习得到与之对应的HR图像块 , 最终得到整幅HR图像。试验结果表明,算法恢复出的HR图像峰值信噪比(PSNR )值较双三次插值算法最高提升约2dB,主观目视清晰、边缘锐利。     

甲状腺结节超声图像分割算法研究

超声甲状腺结节分割是发现与识别甲状腺良恶性肿瘤的关键技术之一.针对模糊聚类法无法准确分割超声图像甲状腺结节边缘,而局部拟合(RSF)模型法对手动初始化轮廓敏感的问题,提出一种融合空间约束模糊C均值聚类和局部拟合RSF模型的分割结节方法.用空间约束模糊C均值聚类法(SKFCM)对图像进行聚类并二值化聚类结果作为RSF模型法初始轮廓,克服了RSF模型法对初始轮廓敏感问题,水平集演化参数也将通过聚类结果自动给出,不再需要人为设定.同时改进了RSF模型法拟合项,并利用高斯正则化规则RSF模型水平集,提高了RSF模型演化效率,缩短了收敛时间.仿真实验结果表明,提出的甲状腺结节超声图像分割方法能够快速准确地分割出结节区域.