基于后小波处理的超分辨力图像复原算法

介绍了最大后验概率(MAP)复原超分辨力算法发展现状,然后着重介绍了基于Markov随机场的泊松最大后验概率复原算法(MPMAP)和小波滤波方法。以MPMAP算法为基础,提出了基于后端小波滤波处理和Markov分布的最大后验概率算法(PWMPMAP),试验证明这种算法具有很强的抑制噪声和振铃现象的能力,与MPMAP算法相比,复原效果明显提高,对红外热图像等低信噪比图像尤为有效,以30 dB的红外“建筑物”图像为例,相对MPMAP算法,峰值信噪比(PSNR)可以提高0.4 dB左右。     

基于超分辨力图像复原算法的模糊系统辨识

由于利用已有的知识和经验得到的点扩散函数(PSF)估计值与真实值之间的偏差会直接影响图像复原质量。为准确地估计PSF,使其向真实的点扩散函数类型和参量逼近,采用超分辨力图像复原MPML算法同几种常用的数字图像去模糊处理进行比较分析,通过实验表明：MPML算法具有其他几种算法的优势,同时减少了对原有信息的丢失;在此基础的同时,按照点扩散函数的分类,分析了点扩散函数的不同估计值及其对图像复原的影响,提出基于超分辨力图像复原算法的图像细节评价参数D,保证了复原图像主观效果和评价参数的一致性。对于模糊图像的系统辨识及其图像复原问题的解决具有实际意义,但对于附加较大噪声条件下的图像复原仍是需要进一步研究的问题。     

多帧图像超分辨复原算法中帧的选取

研究了多帧图像超分辨复原算法中参考帧和参与复原图像帧数据集的选取问题.提出了两条参考帧选取的准则,设计了一种分步的图像配准和超分辨复原的方法.首先计算初始图像序列的运动向量参数,根据准则选取了参考帧和参与复原图像帧数据集,进而生成了新的有利于图像超分辨复原的优化的图像序列,再通过亚像素图像配准,计算得到小范围的相对精确的运动估计参数,最后用到图像超分辨复原算法中.仿真实验结果证明,本文提出的多帧图像超分辨复原算法中帧的选取方案是合理的,超分辨复原的图像质量在主观评价和客观指标上都获得了优于经典的Farsiu算法的效果.     

基于卡尔曼滤波的相干激光雷达距离像复原仿真

采用基于单步预测的卡尔曼滤波器,利用含噪声图像的自身特性估计噪声参数,研究了一种对多帧静止相干激光雷达距离像进行复原的方法。通过对仿真图像进行复原,研究了在可利用图像帧数较少时的滤波性能和帧数足够多时滤波性能的极限值,并与在相同帧数下的图像平均法进行比较。结果表明,该算法收敛速度快、具有更高的图像改善信噪比和极限值。     

基于图割优化的Markov随机场图像分割方法综述

Markov随机场能有效地刻画图像像素间的关系,具有完善的理论基础,因而在图像分割等领域得到研究者的关注.图割作为一种基于图论的组合优化方法,已经较好地用在基于MRF的图像分割等计算机视觉方面.简要介绍了Markov随机场模型和图割优化方法,给出了基于图割优化的Markov随机场图像分割框架,分析了Markov随机场方法和图割优化在图像分割中的研究现状,并指出其将来的发展方向.     

基于正交冗余采样的超分辨信号谱估计

该文提出了一种通过冗余采样进行信号谱估计的新方法,它充分利用冗余采样产生的频谱带限特性,通过对自相关矩阵进行秩1分解的方法来获得信号谱的超分辨估计,与 MUSIC、AR等其他超分辨方法相比,这种方法具有更低的信噪比门限和更高的分辨力。     

一种基于区域Gibbs势能函数的视频运动对象分割算法

提出了一种基于时空联合分析框架的视频对象分割算法,通过改进的分水岭变换对视频图像进行帧内空间区域划分,并根据帧间运动信息和区域的空间特性得到初步的分割掩模;然后建立基于区域的马尔可夫随机场分布模型,并定义对应的Gibbs势能函数,通过迭代条件模式(ICM)方法求解得到最小化能量,从而获得稳定的分割标记场,准确地提取视频对象。实验结果表明,提出的分割算法性能优于欧洲COST211研究组所得到的分割结果。     

基于先验约束的图像超分辨率复原

图像超分辨率复原是一个典型的不适定问题.近年来,借助先验信息改善图像超分辨率复原效果的方法已成为研究的一个热点,文章提出了一种利用先验图像的灰度分布作为约束的图像超分辨率复原的新方法.首先,利用最小鉴别信息构造复原图像与先验图像的约束,约束结果使得复原图像与给定的先验图像具有最相似的灰度分布;其次,基于置信策略给出自适应的正则化参数选取方法;最后给出实验结果,结果表明文中方法具有较好的复原效果和稳定性.     

基于误差-参数分析的超分辨率盲辨识和复原算法

提出了一种实现规整化超分辨率复原算法的新方案,用来去除欠采样过程中的空间积分模糊和补零插值导致的边缘波纹.并将这种新方案运用到误差-参数分析法来准确地估计表征模糊函数的参数.当运动估计存在误差时,将误差-参数分析法和搜索算法相结合,降低参数辨识的计算量.仿真实验证明了提出的超分辨率算法实现方案和盲辨识方案的有效性.     

遥感图像复原与超分辨算法及其并行实现

为了提高海量遥感图像的处理效果和速度,进行了相应的图像复原与超分辨算法及其并行硬件体系结构的研究。首先,介绍了频域内的解模糊、去噪和超分辨等关键算法;然后,对DSP和机群两种体系结构进行了分析和比较,结果表明,机群更适合于大规模并行处理;最后,在DSP和计算机系统上对算法的处理效果和速度进行了实验和分析,给出了机群的性能预测,确定了关键参数即处理器数目的选择依据。实验结果表明,该系统可满足实时应用的要求,同时使处理后图像的清晰度、对比度和分辨率显著提高。     

Robust Stability of a Class of Fractional Order Hopfield Neural Networks

As the theory of the fractional order differential equation becomes mature gradually, the fractional order neural networks become a new hotspot. The robust stability of a class of fractional order Hopf...     

具有反应扩散的Hopfield神经网络的稳定性

本文利用平均Lyapunov函数,研究了具有反应扩散的Hopfield神经网络平衡位置的全局渐近稳定性及局部渐近稳定性.其结果包含了国际上一些最新结果为特例.     

具有时滞的高阶Hopfield型神经网络的稳定性

通过Lyapunov泛函的方法，对具有时滞的高阶连续型Hopfield神经网络平衡点的稳定性进行分析，利用Razumikhin定理得到平衡点全局一致渐近稳定的时滞相关与时滞无关充分条件。     

不对称时延Hopfield神经网络的全局指数稳定性及收敛速度的估计

本文通过构造适当Ｌｙａｐｕｎｏｖ泛函的方法,对具有时延的不对称Ｈｏｐｆｉｅｌｄ型神经网络平衡点的指数稳定性进行了分析,得到了平衡点指数稳定的充分条件,同时我们也对其指数收敛速度进行了估计．     

具有变时滞的Hopfield型神经网络的全局指数稳定性

 本文利用推广的Halanay时滞微分不等式和Lyapunov函数来研究具有可变时滞的Hopfield型神经网络的平衡状态的全局指数稳定性,得到了不依赖含任何未知函数存在性的简便代数判据,为实际应用提供方便.     

离散Hopfield神经网络的稳定性研究

离散Hopfield神经网络的稳定性是网络应用的基础.文中主要研究非对称离散Hopfield神经网络的异步、同步、部分同步演化方式的稳定性,并给出了一些新的稳定性条件,所获结果推广了一些已有的结论.     

延迟离散Hopfield网络的稳定性条件

主要利用状态转移方程和定义能量函数的方法对具有时延的离散Hopfield神经网络的动力学行为进行了研究,并且获得了若干稳定性结果.给出了延迟离散Hopfield神经网络收敛于周期为4的极限环的一个充分条件,获得了延迟网络有稳定状态的条件,并且得到了延迟网络既没有稳定状态也没有周期为2的极限环的条件.同时,这些结果用两个例子进行了验证.这些结果推广了一些已有的离散Hopfield神经网络的稳定性结果.     

Exponential Stability for Delayed Cellular Neural Networks

The exponential stability of the delayed cellular neural networks （DCNN＇s） is investigated. By dividing the network state variables into some parts according to the characters of the neural networks, some new sufficient conditions of exponential stability are derived via constructing a Liapunov function. It is shown that the conditions differ from previous ones. The new conditions, which are associated with some initial value, are represented by some blocks of the interconnection matrix.     

Global Exponential Stability Analysis of a Class of Dynamical Neural Networks

The problem of the global exponential stability of a class of Hopfield neural networks is considered. Based on nonnegative matrix theory, a sufficient condition for the existence, uniqueness and global exponential stability of the equilibrium point is presented. And the upper bound for the degree of exponential stability is given. Moreover, a simulation is given to show the effectiveness of the result.     

高阶Hopfield型神经网络的定性分析

本文讨论高阶连续型Hopfield神经网络平衡态的性质,包括平衡态的存在唯一性和稳定性.借助于Banach不动点原理和Lyapunov方法得到了若干平稳态存在唯一和全局渐近稳定的充分条件.作为特例,获得了一阶连续型Hopfield神经网络稳定性的新判据.