基于Vine Copula的短期径流预报不确定性分析

定量分析短期径流预报序列的不确定性特征,对于提高水库短期运行计划的可靠性具有重要意义。针对常用多元椭圆Copula或阿基米德Copula难以有效刻画短期径流预报不确定性特征的问题,本文引入了Vine Copula对不同径流量级及不同预见期下预报不确定性进行定量评估,进而分析了先验信息对于后续时段预报不确定性的影响。以雅砻江流域锦西水库为例进行验证,结果表明：相较于传统多元Copula函数,Vine Copula构建的相对预报误差联合分布均能通过假设检验且拟合效果最好,模拟结果的统计量与实测数据相差较小;通过利用调度期内已经发生的相对预报误差信息,可以有效减小后续时段相对预报误差期望值及90%置信水平分位距,降低预报的不确定性。     

基于背景先验与中心先验的显著性目标检测北大核心CSCD

针对传统的图流行排序显著性目标检测算法存在先验信息单一,显著目标检测不完整的问题,提出一种新的基于背景先验与中心先验的显著性目标检测算法。首先将图像边界节点作为背景种子进行流行排序获得粗略的前景区域,将其再次流行排序得到初步显著图;然后利用Harris角点检测、聚类实现中心先验显著性检测,捕获中心显著信息;最后在初步显著图上融合图像中心显著性,得到最终显著图。本文对综合指标、精确率-召回率曲线、F-measure值以及平均绝对误差(mean absolute error,MAE)值进行实验评估,在公开数据集MSRA-10K和ECSSD上进行的实验结果表明:对比10种主流算法,本文算法在不同的评估指标上都具有较好的表现,且能准确地突出显著目标,提升背景抑制效果。     

基于多流网络一致性的视频显著性检测

现有的视频显著性检测算法通常采用双流结构提取视频的时空线索,其中运动信息作为双流结构的一个分支,在显著物体发生剧烈或慢速移动时存在运动估计准确率低的问题,并且不合理的训练数据或方案使得权重偏向单个分支结构。提出一种基于多流网络一致性的视频显著性检测算法MSNC。设计并使用一种新的三重网络结构提取预选目标区域的颜色信息、时序信息和先验特征,通过先验特征补偿运动流的缺陷,并提高运动线索的利用率。采用多流一致性融合模型优化三流分支,得到不同特征的最佳融合方案。同时通过循环训练策略平衡三重网络的权重,以避免网络过度拟合单流分支,从而有效地提高运动估计和定位的准确率。在Davis数据集上的实验结果表明,相比PCSA、SSAV、MGA等算法,该算法的鲁棒性更优,其maxF和S-Measure值分别达到0.893和0.912,MAE仅为0.021。     

Dehazing of remote sensing images using improved restoration model based dark channel prior

Haze degrades visual information of remotely sensed images. Therefore, haze removal is a demanding and significant task for visual multispectral information improvement. The existing haze removal techniques utilize different restrictions and before restoring hazy images in an efficient manner. The review of existing haze removal methods demonstrates that the haze-free images suffer from colour distortion and halo artefacts problems. To solve these issues, an improved restoration model based dark channel prior is proposed in this paper. The proposed technique has redefined transmission map, with the aim to reduce the colour distortion problem. The modified joint trilateral filter is also utilized to improve the coarse estimated atmospheric veil. The experimental results reveal that the proposed approach provides visually significant haze-free images and also preserves the significant detail.     

Enhancing level set brain tumor segmentation using fuzzy shape prior information and deep learning

Magnetic resonance imaging (MRI) brain tumor segmentation is a crucial task for clinical treatment. However, it is challenging owing to variations in type, size, and location of tumors. In addition, anatomical variation in individuals, intensity non-uniformity, and noises adversely affect brain tumor segmentation. To address these challenges, an automatic region-based brain tumor segmentation approach is presented in this paper which combines fuzzy shape prior term and deep learning. We define a new energy function in which an Adaptively Regularized Kernel-Based Fuzzy C-Means (ARKFCM) Clustering algorithm is utilized for inferring the shape of the tumor to be embedded into the level set method. In this way, some shortcomings of traditional level set methods such as contour leakage and shrinkage have been eliminated. Moreover, a fully automated method is achieved by using U-Net to obtain the initial contour, reducing sensitivity to initial contour selection. The proposed method is validated on the BraTS 2017 benchmark dataset for brain tumor segmentation. Average values of Dice, Jaccard, Sensitivity and specificity are 0.93 ± 0.03, 0.86 ± 0.06, 0.95 ± 0.04, and 0.99 ± 0.003, respectively. Experimental results indicate that the proposed method outperforms the other state-of-the-art methods in brain tumor segmentation.     

加入领域先验知识的产生式情感分类模型

情感分类是通过分析数据中的情感信息,来预测数据所传递的情感倾向.其中结合语言学词典与产生式分类器构造带有先验知识的分类模型,是一类重要的研究课题.通过研究情感词的领域性和不同权重的特性,提出了一种新的融入情感先验知识的情感分类方法.通过自动分析构造领域相关的情感词及其权重信息,将其作为情感先验知识,融入到产生式分类模型...     

一种用于结构化文档检索的贝叶斯网络

分析结构化文档的表示方法及检索特点,对一种用于结构化文档检索的贝叶斯网络进行研究。讨论该贝叶斯网络的构造方法、概率估计及推理过程。用网络节点表示文档索引术语和结构单元,用弧表示术语和结构单元的隶属关系,根据TF-IDF方法估计各节点的先验概率,当给定一个查询时,通过计算每个结构单元的条件概率得到该结构单元的相关值。实例验证了该贝叶斯网络的有效性。     

基于马尔科夫随机场的图像锐化方法

针对常规的反锐化掩膜方法对图像进行增强时会放大噪声的问题,提出一种基于马尔科夫随机场理论的图像锐化方法,将Thin Plate先验能量函数引入到反锐化掩膜方法中。实验结果表明,该方法在突出图像边缘细节的同时,可有效抑制噪声。主观视觉效果和客观评价结果表明,该方法的处理效果较好。     

基于差分算子边缘约束先验的图像盲复原算法

为了有效克服图像在复原过程的边缘退化、振铃效应等影响,使空间域的边缘先验信息能够灵活的添加到图像复原算法中,依据差分算子描述检测边缘的特性,将数字摄影测量学中的拉普拉斯算子、Robert梯度算子、方向差分算子作为一种新的边缘约束先验引入到图像复原过程中,同时使用Toeplitz矩阵实现图像在空间域解卷积的过程,提出了一种以差分算子为边缘约束先验的空域图像复原算法。模拟数据的实验结果体现了更多的细节信息,相关评价指标表明了该算法的有效性。     

单一图像的快速去雾算法

为了改善雾天环境下退化图像的视觉效果,结合雾天成像模型和暗原色先验的规律,提出了一种快速的单一图像去雾算法。利用暗原色先验对大气参数进行估计,选取图像中满足条件的像素点进行透射率的估计,在此基础之上利用多元线性回归分析得到回归方程,并据此计算图像中其它像素点的透射率,从而大大减小了图像透射率估计运算量,最后根据大气参数和透射率计算得到清晰化的图像。实验结果表明,该算法相对于传统的单一图像去雾方法具有处理速度快和效果好的特点。