基于局部约束群稀疏的红外图像超分辨率重建

针对红外图像分辨率低、视觉质量差等问题,提出基于局部约束群稀疏模型的红外图像超分辨率重建方法.考虑到红外图像的纹理自相似性和原子系数的群结构稀疏性,首先建立了基于局部约束的群稀疏表示模型.然后,在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下,联合局部约束群稀疏表示模型和K-SVD(K奇异值分解)方法,训练得到高低分辨率图像对应的群结构字典对.最后,通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像.实验结果表明,本文方法具有更好的超分辨率效果,无论是在客观评价指标还是主观视觉效果方面都有明显的提高.     

初始模型对含噪动态光散射数据正则化反演结果的影响

分别采用最小模型矩阵、最平坦模型矩阵、最光滑模型矩阵作为初始化模型,对加入5种不同水平随机噪声的90nm窄单峰、90nm宽单峰和250nm窄单峰、250nm宽单峰颗粒体系的模拟分布进行了正则化反演,并对反演结果进行比较。结果表明:当噪声水平为0时,正则化初始模型的选择对反演结果没有明显影响。随着噪声水平的增加,采用三种初始化模型反演得到的峰值误差和粒度分布误差都随之变大,但采用最平坦模型和最光滑模型反演得到的峰值和粒度分布误差明显小于采用最小初始模型的反演误差。当噪声水平大于0.01时,选择最平坦初始模型获得的粒度分布结果优于采用最光滑初始模型和最小初始模型获得的结果,而采用最光滑初始模型反演得到的峰值优于最平坦初始模型和最小初始模型的反演峰值。因此,采用正则化算法处理含噪动态光散射数据时,为得到最优的粒度分布信息,宜采用最平坦初始模型,若需要获取最准确的峰值信息,则应选择最光滑初始模型。     

基于人眼视觉皮层系统的SAR图像目标识别

人眼的视觉系统是已知最复杂最精确的目标识别系统;针对现有浅层学习模型提取SAR图像目标特征效果不理想、普适性不强及目标识别精度不高等问题,参考人眼视觉系统的分层特征提取机制提出了一种深层特征提取目标识别算法;算法首先提出一种针对SAR图像的预处理方法,在特征提取阶段应用多层稀疏自动编码器,通过逐层减少神经元数目使编码器学习得到输入数据的压缩表示,从而提取得到更抽象更鲁棒的目标特征;采用MSTAR数据库3个目标进行实验,试验结果表明,算法能很好地对MSTAR目标进行特征提取和识别,类比原有的方法有较高的识别准确率,达到96.7%。具有较强的实用性。     

Casimir effect for a scalar field via Krein quantization

In this work, we present a rather simple method to study the Casimir effect on a spherical shell for a massless scalar field with Dirichlet boundary condition by applying the indefinite metric field (Krein) quantization technique. In this technique, the field operators are constructed from both negative and positive norm states. Having understood that negative norm states are un-physical, they are only used as a mathematical tool for renormalizing the theory and then one can get rid of them by imposing some proper physical conditions.     

Investigation of self-adaptive algebraic tomography for gas reconstruction in larger temperature range by multiple wavelengths absorption spectroscopy

We develop a self-adaptive algebraic tomography algorithm （SAATA） to investigate the simultaneons reconstruction of concentration and temperature distributions in larger temperature range from two views. The simplified optical arrangement with fewer projections is realized by extension of spectral information at multiple wavelengths, resulting in great potential in applications of practical combustion diagnosis. Tile results show SAATA can perform much better reconstructions in 300 3000 K temperature range than genetic simulated annealing algorithm and least-square orthogonal-triangular decomposition method with two- wavelength scheme. More phantoms are created to demonstrate the capability of SAATA to capture the peaks and adapt for both flat and sharp temperature distributions. Meanwhile, the advantage of high stability ensures better reconstruction performance at noise levels from 0.1% to 10% in projections.     

多分散Au-Ag合金纳米球的光谱消光法反演

贵金属纳米颗粒具有局域表面等离子体共振特性而引起了广泛的关注,其中Au-Ag合金纳米颗粒具有良好的结构稳定性、光热性能以及潜在的抗癌功效而得到普遍研究。在众多应用中的特性与其粒径和浓度密切相关,然而目前常用的电子显微镜观察法和动态光散射法不能同时获得粒径和浓度信息,因此采取有效手段测量颗粒粒径和浓度信息至关重要。基于光谱消光法,利用非负的Tikhonov正则化方法解决反演问题,并根据Mie理论计算消光矩阵。针对噪声问题,采取两种情况研究多分散Au-Ag合金纳米球粒径分布与浓度的反演问题。未添加噪声情况下,颗粒系Ⅰ的反演相对误差小于颗粒系Ⅱ,在波长范围300～500 nm之间的反演相对误差最小,对应平均粒径、粒径标准差和颗粒数浓度的反演相对误差分别为0%,-0.03%和0%。添加随机噪声情况下,将0.5%和1.0%的随机噪声添加进颗粒系Ⅰ中的消光谱,经过数据比较发现在波长范围200～600 nm之间的反演相对误差最小。当添加0.5%的随机噪声时,粒径分布、粒径标准差和颗粒数浓度的变化范围分别为79.76～80.15 nm, 5.60～6.61 nm和0.995 8×1010～1.005 9×1010个·cm-3;当添加1.0%的随机噪声时,粒径分布、粒径标准差和颗粒数浓度的变化范围分别为78.87～80.27 nm, 5.36～9.00 nm和0.992 4×1010～1.027 7×1010个·cm-3。反演结果随着随机噪声的增大,变化范围也明显增大即反演相对误差增大,并且每次添加相同随机噪声后的反演结果不同。为了减少随机噪声导致的不稳定性,对100次反演结果进行平均得到平均粒径、粒径标准差和颗粒数浓度。当随机噪声从0.5%增大至1.0%时,其反演结果的相对误差均增大,但是反演得到的粒径分布、粒径标准差和颗粒数浓度相对误差均小于6%,这说明通过反演算法得到的反演结果具有较好的稳定性。研究表明,光谱消光法为反演多分散Au-Ag合金纳米球粒径分布与浓度提供了一种简单、快速的表征手段,也对研究非球形纳米颗粒有启示作用。     

基于块稀疏学习的光谱基线校正方法

光谱数据在采集过程中易发生基线偏移现象,导致后续的鉴别和分析结果偏离真实值。因此,在光谱数据分析前,需利用基线校正技术获取更为准确的光谱数据。基于稀疏贝叶斯学习（SBL）的基线校正方法无需人工选择参数,基线校正结果在贝叶斯框架下具有最优性。然而,现有的稀疏贝叶斯建模较为简单,无法适用于复杂的稀疏结构。在实际应用中,当纯谱的某些谱峰较宽时,对应的稀疏向量将具有一定的块稀疏特性。利用额外的块稀疏结构,有助于进一步提升SBL方法的性能。为了建模稀疏向量的块稀疏结构特性,在原有的贝叶斯模型框架中引入模式耦合分层模型。得益于稀疏贝叶斯框架固有的学习能力,引入的模式耦合分层模型可自适应地学习稀疏向量的块稀疏结构,从而大幅提升了基于SBL的基线校正方法的性能。为验证本文方法的基线校正性能,首先利用模拟数据集进行仿真实验,并将该方法与SSFBCSP方法和SBL-BC方法在不同噪声方差条件下进行对比。仿真实验结果表明,该方法恢复谱峰较宽纯谱的效果提升明显,特别是当噪声方差较大时,其他方法的性能均有不同程度的下降,但该方法依然具有较好的稳定性。蒙特卡罗仿真实验结果也显示该方法纯谱拟合的标准化均方根误差明显优于其他对比方法。最后,利用色谱数据集与三种矿物的拉曼光谱数据集进行实测数据的基线校正性能验证,结果表明该方法能产生比其他方法更为平滑的纯谱拟合结果,且去噪效果更优。     

基于多弛豫信号补偿的快速磁共振T1ρ散布成像

定量磁共振成像（MRI）可量化组织特性,是科学研究和临床研究的重要工具.旋转坐标系下的自旋-晶格弛豫时间（T_1ρ）能反映水与大分子之间的低频交互作用,在3 T及以上的高场环境下,T_1ρ受水和不稳定质子之间化学交换的影响较大,通过测量弛豫率随自旋锁定场强度的变化而得到其分布情况（T_1ρ散布）,可用于分析和量化质子的交换过程,因此T_1ρ散布是一种重要的定量MRI技术.然而,获得不同自旋锁定场强下T_1ρ加权图像的时间过长,限制了其应用范围.针对这一问题,本研究提出一种基于多弛豫信号补偿策略的快速T_1ρ散布成像方法.该方法将不同锁定频率下的T_1ρ加权图像补偿到同一信号强度水平,并结合低秩与稀疏建立重建模型.实验结果表明,该方法在加速倍数高达7倍时仍获得了较好的重建结果.     

材料物性参数识别的梯度正则化方法

本文对梯度正则化方法（Ｇｒａｄｉｅｎｔ－Ｒｅｇｕｌａｒｉｚａｔｉｏｎ Ｍｅｔｈｏｄ）作了进一步的研究,给出一种建立了梯度正则化迭代算法和选择正参数的简明实用方法。文中椭圆算子方程参数识别算例不仅说明了ＧＲ法具有广泛的适应性和一定的抗噪声能力,而且收敛速度较快,具有较大的收敛范围。     

求解第一类Fredholm积分方程的一种新的正则化算法

应用一种新的正则化方法建立了一类新的求解第一类Fredholm积分方程的正则化算法, 并借助Matlab软件给出了数值算例.数值结果与理论分析基本一致,而且表明文中建立的正则化比通常的Tikhonov正则化更精确.