基于优化策略和深度学习的低光照图像增强

针对低光照条件下采集的图像存在视觉感官较差、细节信息丢失的问题,本文基于非线性相机响应函数模型,提出了一种融合传统优化策略和深度学习技术的低光照图像增强方法。该方法采用非线性相机响应函数模型生成更优的中间图像,并通过专门设计的神经网络实现对中间图像细节的进一步增强。利用自建数据库和公共数据库对该方法进行测试,并与现有的方法进行比较。结果表明,在传统优化方法的支持下,所提出的深度学习方法能够恢复低光照图像的清晰细节,更接近真实的参考图像,为智能导航和自动驾驶提供高质量图像。     

防洪风险分析中改进的组合分布模型研究

洪水变量分布的选择是防洪风险分析中的一个重要工作 ,目前常用 P- 分布来描述洪水的随机特性 .建立在组合分布模型的基础上 ,本文提出了改进的组合分布模型 ,给出了不同情况下求最优分界点的模型 .实例计算表明 ,改进的组合分布模型在理论和应用上都优于原始分布 ,它能较好地反映洪水的风险     

无失效数据情形失效率的综合E-Bayes估计

给出了无失效数据情形失效率的E-Bayes估计和引进失效信息后的E-Bayes估计,并在此基础上给出了失效率和可靠度的综合E-Bayes估计。最后,结合实际问题进行了计算,对估计结果进行了分析,并将它们与未假定先验信息时的非Bayes置信限进行比较,结果表明该方法是合理的。