Single-image super-resolution with joint-optimization of TV regularization and sparse representation

A super-resolution (SR) reconstruction framework is proposed using regularization restoration combined with learning-based resolution enhancement via sparse representation. With the viewpoint of conventional learning methods, the original image can be split into low frequency (LF) and high frequency (HF) components. The reconstruction mainly focuses on the process of HF part, while the LF one is founded simply by typical interpolation function. For the severely blurred single-image, we first use regularization restoration technology to recover it. Then the regularized output remarkably betters the quality of LF used in traditional learning-based methods. Last, image resolution enhancement with characteristic of edge preserving can implement based on the acquired relatively sharp intermediate image and the pre-constructed over-complete dictionary for sparse representation. Specifically, the regularization can favorably weaken the dependence of atoms on the course of degradation. With both techniques, we can noticeably eliminate the blur and the edge artifacts in the enlarged image simultaneously. Various experimental results demonstrate that the proposed approach can produce visually pleasing resolution for severely blurred image.     

一种模拟滤波器电路的故障诊断方法

针对模拟滤波器电路,提出了一种基于测前仿真和测后仿真相结合的故障诊断方法。在测前仿真环节,通过仿真获取电路正常状态及故障状态的幅频响应曲线,引入“区别度”计算电路故障状态和正常状态的区分程度,从而确定电路的可测故障集,并通过频率选择建立可测故障集的故障字典。在测后仿真环节,通过不同频率的激励获得电路故障状态的测试数据,再利用“区别度”计算测试数据与故障字典中各故障特征的区分程度,通过最小“区别度”实现故障检测及故障元件的定位。最后通过一个滤波器电路仿真实例,基于PSpice仿真和Matlab程序计算实现了基于测前仿真的可测故障集确定和故障字典建立,以及基于测后仿真的故障检测和故障元件定位,验证了本文提出方法的实用性。     

基于非局部稀疏特征的行人检测方法

利用周围邻域信息约束进行加权稀疏表示以达到行人检测的目的.采用Fisher判别字典学习的方法,得到一个能够更好地提取图像的具有更强辨别性稀疏特征的字典,利用图像中周围信息约束,求得该字典表示下的稀疏特征,并根据对当前图像块的稀疏表示残差进行分类.INRIA数据库的实验表明非局部稀疏特征具有明显的区分能力.同时,对行人目标进行邻域约束,能够有效地表示出同目标区域的稀疏特征.     

基于两级压缩感知的脉冲星时延估计方法

为了快速获得高精度的脉冲星累积脉冲轮廓时延估计,提出了一种基于两级压缩感知的时延估计方法.压缩感知主要包括三个部分:字典、测量矩阵、恢复算法,其中字典尺寸是影响压缩感知估计精度的重要因素.针对压缩感知中字典的原子数增加虽能提高估计精度但又带来计算量大的问题,该方法采用粗估计与精估计两级字典相结合,先利用粗估计字典原子间隔大的特点进行累积脉冲轮廓全相位估计,得到预估时延值,再利用精估计字典的原子间隔小且个数少适合局部估计的特点对累积脉冲轮廓进行精确时延估计.理论分析与实验结果表明:两级字典数据量比传统字典小两个数量级,在相同的时延估计精度下,该方法比传统压缩感知方法计算量大幅度减少,是一种能保持高估计精度并有效降低计算量的脉冲星时延估计方法.     

书面汉语自动分词及歧义分析

歧义现象是自动分词过程中不可避免的现象，本文通过对自动分词过程的分析，总结出书面汉语自动分词中歧义产生的根源，提出处理这些歧义字段的方法．     

浅谈词典释义方式归类

释义,是词典编纂的中心任务,是词典的微观结构中的核心部分。词典释义的原则应是以通俗释冷僻,以浅显释深奥。词典释义有多种方式,如同义对释、反义对释、定义式、解说式等,但按释文是提供语义信息还是提供语法信息来分,所有释义方式可归纳为语法性释义和非语法性释义两大类。而按释文能否在实际语句中代替被释词来分,则可将所有词典释义方式归纳为可代换性释义和不可代换性释义两大类。     

一种基于去冗余字典的图像去噪算法

图像去噪是图像处理中的关键问题之一,也是图像后续处理的基础.结合近年来兴起的稀疏表示理论,能更好的处理图像去噪问题.在正交匹配追踪(orthogonal matching pursuit,OMP)的基础上,采用K-奇异值分解(K-SVD)算法对图像进行去噪.为了得到更好的去噪效果,改进了字典更新算法,对字典原子进行优化选择,去除冗余的字典原子,并用图像块替换字典原子,用于提高字典训练的效率,与自然图像数据相适应.实验结果表明,与小波去噪算法相比,该算法具有良好的去噪能力,能较好地保持图像的细节和边缘特征,去噪后的图像更为清晰.     

基于大数据技术的AI岗位需求分析研究

近年来,我国人才市场出现供需失配的结构性矛盾,尤其是在人工智能(AI)领域.准确感知并描述劳动力市场的需求是解决该问题的重要手段.本研究首先使用网络爬虫抓取智联招聘网站发布的AI岗位相关招聘信息,通过中文分词、K-means等大数据分析方法对招聘岗位名称进行聚类处理,识别出软件工程师、算法工程师、产品经理及产品架构师等...