复映射z←c^iπ／2z^w＋c构造上半平面分形图及“Escher”极限图

文中提出用复映射Ｚ←ｃ＾ｉπ／ｚ＾ｗ＋Ｃ（ｗ＝ａ）Ｉβ,ａ,β∈Ｒ）在动力平面和参数平面上构造上半平面、方极限和圆极限分形图的简便方法,“周期化”动力平面或参数平面,确定基本计算区域,应用同胚仿射变换针基本计算区域自相似地映射到上半平面,进而构造方极限和圆极限分形图,通过指数ｗ及参数ｃ的变化,应用逃逸时间算法,大量构造复映射ｚ←ｃ＾ｉπ／ｓｚ＾ｗ＋ｃ在动力平面和参数平面上的周期形式、上半平面形式、     

复映射z←zw+c(w=α+iβ)构造M集

映射ｆ１（ｚ）＝ｚ２＋ｃ在参数平面Ｃ及动力平面Ｚ上产生的分形图象使许多研究人员对复动力系统的迭代重新产生了浓厚的兴趣．学者们除了对ｆ１构造分形进行广泛讨论外，又对ｆ２（ｚ）＝ｚα＋ｃ（α∈Ｒ１）构造分形进行了深入的讨论．文中提出用复映射ｆ３（ｚ）＝ｚｗ＋ｃ（ｗ＝α＋ｉβ；α，β∈Ｒ１）构造分形，分析了该映射的基本数学特点，探讨了Ｃ平面上ｆ３Ｍ集的图象特征，以及吸附在Ｍ集边界上的吸引周期芽苞排列方式，提出复映射ｆ３广义Ｍ集的四个猜想     

复映射z←z^w＋c（w=α＋iβ）构造M集

映射ｆ１（ｚ）＝ｚ＾２＋ｃ的参数平面Ｃ及动力平面Ｚ上产生的分形图象使许多研究人员对复动力系统的迭代重新产生了逍厚的兴趣。学者们除了对ｆ１对构造分形进行广泛讨论外，又对ｆ２（ｚ）＝ｚ＾α＋ｃ（α∈Ｒ＾１）构造分形进行了深入的讨论。     

复映射Z←Z^W＋C（W=α＋iβ）构造J分形图

提出用复映射Ｚ←Ｚ＾ｗ＋ｃ，（ｗ＝α＋ｉβ，α，β∈Ｒ＾１），构造大量Ｊ分形图，当ｗ＝ａ〈０时，构造出琐于相关文献的Ｊｕｌｉａ分形图，根据大量实验，提出关于该映射参数平面上的Ｍ集与动力平面上的Ｊｕｌｉａ集之间的对应关系的Ｍ－Ｊ猜想及计算公式的ＰＮＯ，预报Ｍ集中参数ｃ的Ｊｕｌｉａ分形图图象特征。     

复映射｛e~i_ 2~π(z~m)+c｝构造广义Mandelbrot集及Julia集

在利用经典Ｍ集（ｆ（ｚ）＝ｚ２＋ｃ）构造方法构造ｆ１（ｚ）＝ｚｍ＋ｃ的基础上，进一步构造了ｆ２（ｚ）＝ｅｉπ２ｚｍ＋ｃ广义高阶Ｍ集．对Ｍ集的特征进行了分析研究．利用作者提出的旋转逃逸时间算法构造了一系列ｆ２的高阶Ｍ分形图及Ｊ分形图     

复映射z←e~(i(π/2)) c构造上半平面分形图及“Escher”极限图

文中提出用复映射ｚ←ｅｉπ２ ｚｗ ＋ ｃ（ｗ ＝ α＋ ｉβ,α,β∈Ｒ１ ）在动力平面和参数平面上构造上半平面、方极限和圆极限分形图的简便方法．“周期化”动力平面或参数平面,确定基本计算区域,应用同胚仿射变换将基本计算区域自相似地映射到上半平面,进而构造方极限和圆极限分形图．通过指数ｗ 及参数ｃ的变化,应用逃逸时间算法,大量构造复映射ｚ←ｅｉπ２ ｚｗ ＋ ｃ在动力平面和参数平面上的周期形式、上半平面形式、方极限和圆极限形式的分形图案     

计算机艺术图形设计

本文以Ｆｒａｃｔａｌ迭代复函数Ｚｎ＋１＝Ｚｎ＾２＋Ｃ为基础，给出了Ｊｕｌｉａ集图形的计算机生成算法，并讨论了Ｊｕｌｉａ集和Ｍａｎｄｅｌｂｒｏｔ集之间的内在联系，微机实现结果表明这种复域的迭代函数系统可以显示出千变万化的色彩与图形，研究其内在规律并生成所希望的数字艺术图形，具有一定的应用和理论意义。     

有理复映射（m—1）z^m—c＼mz^m—1J集及其自相似外环分维估计

本文利用复系数多项式构造了牛顿变换有理映射ｆ（ｚ）＝（（ｍ－１）ｚ＾ｍ－ｃ）／（ｍｚ＾ｍ－１）。并构造了ｆ的充满的Ｊｕｌｉａ分形图。由充满的Ｊｕｌｉａ分形图的吸引域边界叠加构造Ｊｕｌｉａ集。用作者提出的同胚分形插值算法估计牛顿变换Ｊｕｌｉａ分形图的自相似花朵链外环分维。     

广义Julia集的非线性复映射族生成模拟*

研究了非线性复动力系统生成广义Julia集的空间分形可视化问题.首先,对于复迭代映射族z←F(zw)+c(w=α+βi)(其中F(zw)为任一复变多项式),定义适当的数据结构存储相关信息;然后,分别基于牛顿迭代、逃逸时间和陷阱分形三种算法的基本思想,并结合色彩学原理,提出计算机模拟非线性复映射族生成一类广义Julia集...     

血管紧张素转换酶抑制剂3D受体模型的研究

一种新型遗传算法ＰＡＲＭ对ＡＣＥ１类抗高血压药物进行了研究,得到了合理的计算结果和３Ｄ受体模型。给出了一个形如ｂｉｏａｃｔｉｖｉｔｙ＝Ａ＋ＢＥｉｎｔｅｒ 的线形ＱＳＡＲ方程,此方程物相关系数Ｒ＝０．８９５。带交叉验证的复相关系Ｒ＾２＝０．７３８,标准偏差Ｓ＝０．２３６。利用此模型对预报集分子也给出了好的     

D4对称平面排列映射广义充满Julia集

为了更加直观、有效地在参数空间挑选参数构造出具有D4对称特性的平面排列映射的混沌吸收子和广义充满Julia集，在参数空间任选两个实参数构造参数断面，构造其上的广义M集。在这种广义M集的周期区域中挑选参数，可以由计算机生成大量新颖的广义充满Julia集。为了揭示出这种广义充满Julia集内部的复杂结构，给出了两种构造方法。为具有平面对称特性的动力系统的计算机图形化研究工作增添了新形式的艺术图像。     

高阶Julia集的两种生成方法及特点分析

计算机图形可视化的发展,使Julia集分形图成了研究复动力系统的一种有力工具。该文将二次复映射f（z）＝z2＋c在动态平面上拓广到高阶复映射f（z）＝zn＋c,分别给出了高阶Julia集的两种生成方法：逃逸时间算法和随机反函数迭代算法,并对两种算法的适用范围、图形性质、生成速度等特性进行了对比。     

复合离散混沌动力系统与Hash函数

在对一般的复合离散混池系统和一个由两个混池映射构成的特殊复合离散混池系统进行初步分析的基础上，建立了一个基于复合离散混池系统的带秘密密钥的Hash算法。算法以迭代初始点作为秘密密钥，以粗粒化的迭代轨迹作为其Hash值。该带秘密密钥的Hash函数满足一定的安全性要求，并且算法简单快速。     

基于高斯混合模型的脑部MR图像自动分割

将脑部组织从MR图像中提取出来是脑部图像处理的一个重要环节,如何精确地将脑组织从非脑组织中分离出来成为研究的难点。传统的水平集方法仅依赖梯度信息,由于脑部图像含有噪音、过度区域等因素的影响,使得分割效果不是很理想。文章提出了一种脑部MR图像的自动分割方法,它利用模糊各向异性扩散方法对图像进行平滑,结合直方图分析得到了图像的全局信息自动构造初始曲线,并利用高斯混合模型构造水平集演化的速度函数,得到较好的分割结果。对脑部MR图像分割的实验表明该方法准确度高、抗噪性能良好。     

融合感知损失的生成式对抗超分辨率算法

目的 现有的基于深度学习的单帧图像超分辨率重建算法大多采用均方误差损失作为目标优化函数,以期获得较高的图像评价指标,然而重建出的图像高频信息丢失严重、纹理边缘模糊,难以满足主观视觉感受的需求。同时,现有的深度模型往往通过加深网络的方式来获得更好的重建效果,导致梯度消失问题的产生,训练难度增加。为了解决上述问题,本文提出融合感知损失的超分辨率重建算法,通过构建以生成对抗网络为主体框架的残差网络模型,提高了对低分率图像的特征重构能力,高度还原图像缺失的高频语义信息。方法 本文算法模型包含生成器子网络和判别器子网络两个模块。生成器模块主要由包含稠密残差块的特征金字塔构成,每个稠密残差块的卷积层滤波器大小均为3×3。通过递进式提取图像不同尺度的高频特征完成生成器模块的重建任务。判别器模块通过在多层前馈神经网络中引入微步幅卷积和全局平均池化,有效地学习到生成器重建图像的数据分布规律,进而判断生成图像的真实性,并将判别结果反馈给生成器。最后,算法对融合了感知损失的目标函数进行优化,完成网络参数的更新。结果 本文利用峰值信噪比（PSNR）和结构相似度（SSIM）两个指标作为客观评价标准,在Set5和Set14数据集上测得4倍重建后的峰值信噪比分别为31.72 dB和28.34 dB,结构相似度分别为0.892 4和0.785 6,与其他方法相比提升明显。结论 结合感知损失的生成式对抗超分辨率重建算法准确恢复了图像的纹理细节,能够重建出视觉上舒适的高分辨率图像。     

基于双注意力机制信息蒸馏网络的图像超分辨率复原算法

针对超分辨率复原技术中网络层数不断加深导致的网络训练困难、特征信息利用率低等问题,设计并实现了一种基于双注意力的信息蒸馏网络(IDN)的图像超分辨率复原算法.首先,利用IDN较低的计算复杂度及信息蒸馏模块提取更多特征的优势,通过引入残差注意力模块(RAM)并考虑图像通道之间的相互依赖性来自适应地重新调整特征权重,从而进...     

结合均值聚类的窄带水平集曲线演化

水平集方法是目前常用的一种图像分割方法,但它在构造速度函数时仅使用了图像的梯度信息,对于MRI这类含有强噪音、弱边界等现象的图像很难取得理想的分割结果.针对这一问题,将图像的区域信息和梯度信息相结合,构造新的基于K-均值聚类的水平集速度函数,该速度函数有较强的抗噪性能,并且能够处理含有弱边界、低对比度的图像.对左心室MR图像的分割实验表明该方法具有良好的分割效果.     

Frequency response experiments of eye-vergence visual servoing in lateral motion with 3D evolutionary pose tracking

Visual servoing towards moving target with hand-eye cameras fixed at hand is inevitably affected by hand dynamical oscillations. Therefore, it is difficult to make target position keep always at the center of camera’s view, as nonlinear dynamical effects of whole manipulator stand against tracking ability. To overcome this defect of the hand-eye fixed camera system, an eye-vergence system has been put forward, where the cameras could rotate to observe the target object. The visual servoing controllers of hand and eye-vergence are installed independently, so that it can observe the target object at the center of camera images through eye-vergence function. The dynamical superiorities of eye-vergence system are verified through frequency response experiments, comparing with hand tracking performances and the proposed eye-vergence tracking performances. This paper analyzes the performance of 3D-object position and orientation tracking, in which orientation representation method is based on quaternion, and the orientation tracking results are shown with more comprehensive analysis of system performance.     

基于文本与语义相关性分析的图像检索

为了更加有效地检索到符合用户复杂语义需求的图像，提出一种基于文本描述与语义相关性分析的图像检索算法。该方法将图像检索分为两步：基于文本语义相关性分析的图像检索和基于SIFT特征的相似图像扩展检索。根据自然语言处理技术分析得到用户文本需求中的关键词及其语义关联，在选定图像库中通过语义相关性分析得到“种子”图像；接下来在图像扩展检索中，采用基于SIFT特征的相似图像检索，利用之前得到的“种子”图像作为查询条件，在网络图像库中进行扩展检索，并在结果集上根据两次检索的图像相似度进行排序输出，最终得到更加丰富有效的图像检索结果。为了证明算法的有效性，在标准数据集Corel5K和网络数据集Deriantart8K上完成了多组实验，实验结果证明该方法能够得到较为精确地符合用户语义要求的图像检索结果，并且通过扩展算法可以得到更加丰富的检索结果。     

Visual comfort enhancement in stereoscopic 3D images using saliency-adaptive nonlinear disparity mapping

Perceptually salient regions have a significant effect on visual comfort in stereoscopic 3D (S3D) images. The conventional method of obtaining saliency maps is linear combination, which often weakens the saliency influence and distorts the original disparity range significantly. In this paper, we propose visual comfort enhancement in S3D images using saliency-adaptive nonlinear disparity mapping. First, we obtain saliency-adaptive disparity maps with visual sensitivity to maintain the disparity-based saliency influence. Then, we perform nonlinear disparity mapping based on a sigmoid function to minimize disparity distortions. Finally, we generate visually comfortable S3D images based on depth-image-based-rendering (DIBR). Experimental results demonstrate that the proposed method successfully improves visual comfort in S3D images by producing comfortable S3D images with high mean opinion score (MOS) while keeping the overall viewing image quality.