结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。     

Contourlet收缩和全变差相结合的图像去噪

充分保持细节的图像去噪在图像处理领域具有重要的意义。一种新的将Contourlet收缩和全变差相结合的混合去噪算法被提出。利用空域自适应的全变差,对含噪图像与Contourlet硬阈值收缩图像的差值图像进行滤波。再和收缩图像相叠加,从而得到最终的去噪图像。实验结果表明,和现有的典型去噪方法相比较,所提出的算法在有效去除噪声和Gibbs伪影的同时,更好地保持了边缘和纹理等重要的细节信息。     

基于图像分割的非局部均值去噪算法

针对传统非局部均值（NLM）算法的滤波参数非自适应及去噪后边缘易模糊的缺点,提出一种基于图像分割的非局部均值去噪算法。该算法分为两个阶段：第一阶段根据噪声大小及图像纹理自适应确定滤波参数的值,并采用传统非局部均值算法得到去噪结果图;第二阶段根据像素点方差的不同,将该去噪结果图分为细节区域和背景区域,再对属于不同区域的图像块分别去噪,同时为了更有效地去除噪声,还采用了反向投影的方式,充分利用了第一阶段方法噪声中残留的结构信息。实验结果表明,与传统非局部均值算法及其三种改进算法相比,所提算法的峰值信噪比（PSNR）及结构相似性（SSIM）更高,纹理细节和边缘结构更完整,图像更清晰,本真信息保留更完整。     

基于局部结构张量的图像三边滤波器

针对双边滤波器灰度相似权函数易受噪声影响且在图像细节区域滤波存在盲目性的问题,提出一种新的图像三边滤波器用以过滤高斯噪声。通过局部结构张量奇异值分解估计图像的几何结构信息,获得能够刻画图像内容差异的特征信息。在此基础上,设计基于图像特征分类的灰度相似权函数,同时通过引入结构相似权的方式将鲁棒的特征信息耦合到双边滤波器框架下,以保持更多的图像细节。利用三边加权提供更可靠的像素相似性度量方式,并采用局部自适应滤波参数选取方法进一步提高算法的滤波性能。实验结果表明,该滤波器在去除噪声的同时能够较好地保持图像的边缘、纹理等结构信息。     

自适应残差图像的分数阶全变分去噪算法

目的 全变分（TV）去噪模型具有较好的去噪效果,但对于图像的弱边缘和纹理细节的保持不够理想。自适应分数阶全变分（AFTV）模型根据图像局部信息,区分图像的纹理区域和非纹理区域,自适应计算投影算法中的软阈值,可较好地保持图像的弱边缘和纹理细节,但该方法当噪声增大时“阶梯”效应比较明显,弱边缘和纹理细节保持效果不够理想。针对该问题,提出一种改进的分数阶全变分去噪算法。方法 该算法在计算残差图像时,用分数阶全变分模型替代整数一阶全变分模型,并根据较精确的残差图像的局部方差区分图像纹理区域和平坦区域,使保真项参数的自适应选取更加合理,提高了算法的去噪性能。结果 针对3种不同类型的噪声图像,将本文模型与TV模型和AFTV模型进行对比实验,并采用峰值信噪比（PSNR）和结构相似性（SSIM）评定去噪效果和纹理保持能力。对于高斯噪声图像,本文算法在PSNR方面比TV模型和AFTV模型分别可平均提高2.72 dB和1.38 dB,SSIM分别可平均提高0.047和0.020。对于椒盐噪声图像,本文算法结合中值滤波算法在PSNR和SSIM方面比传统中值滤波算法分别可平均提高1.308 dB和0.011。对于泊松噪声图像,本文算法在PSNR、SSIM方面与AFTV较接近,比TV分别可提高1.59 dB和0.005。结论 通过对添加不同类型的噪声图像进行实验,结果表明提出的算法在去噪性能上与TV和AFTV相比均有较大提高,尤其对于噪声较大的图像效果更为显著,在去噪效率上与AFTV的时间复杂度相当,时耗接近略有降低。且本文算法普适性较好,能有效去除多种典型类型的噪声。     

基于概率统计模型与图像主纹理方向分析的非线性滤波算法

图像滤噪是图像预处理的一个重要内容,因为滤噪效果对图像处理的最终结果有很大影响。如何充分利用图像的局部特征以提高滤波器的滤噪效果、细节及边缘信息保持能力,在分析现有图像滤波算法的基础上,提出一种基于概率统计模型与图像主纹理方向分析的非线性滤波算法。算法利用Radon变换对图像进行主纹理方向分析,得到图像的局部纹理方向概率密度分布,然后基于概率统计模型借助中心像素的若干邻近像素对中心像素进行估计得到中心像素点的灰度值。此算法充分利用了图像的局部特征,既具有良好的去噪能力,又兼顾了对图像细节的保持特性。在处理同时感染脉冲噪声和高斯噪声的混合噪声图像时,算法效果明显优于其他滤波算法。     

基于改进型的非局部均值滤波算法在医学图像处理中的研究与应用

常规非局部均值算法易受噪声对图像的自相似度计算精度的影响,去噪结果对原始图像的边缘细节信息损伤较多.采用改进的Facet算子提取图像的边缘特征,根据图像内部像素分布情况,在不同的区域采用不同的自相似度计算方法,设置一种变尺寸的搜索窗口,最大限度地搜寻相似性邻域,降低噪声对自相似度计算精度的影响,有效保持图像边缘信息.数据测试结果表明,改进的非局部均值滤波算法能够有效保持边缘纹理信息,去噪效果要优于常规非局部均值滤波算法.     

数字双边全变差滤波及非线性去噪

为了更好地滤噪,在研究基于数字滤波器的图像去噪问题的基础上,首先简洁地建立了双边滤波与最优能量泛函之间的理论联系,同时导出一类广义双边滤波器;然后基于双边滤波在阶数大邻域中的双重异性加权滤波机制,推广了Chan提出的数字全变差(TV)模型,提出了一种数字双边TV模型;随后,建立了基于数字双边TV模型的最优能量泛函,并且导出了适于高斯噪声和脉冲噪声两种情形的非线性数字双边全变差滤波器。实验结果显示,无论是在视觉效果方面,还是去噪后图像的峰值信噪比方面,双边全变差滤波都是对双边滤波和全变差滤波极为合理而有效的推广。尤其对于脉冲噪声,该双边全变差滤波的去噪性能明显优于中值滤波器,具有重要的实用价值。     

结合改进扩散和双边滤波的低剂量CT重建

针对低剂量计算机断层扫描(CT)重建图像时出现明显条形伪影的现象,提出一种结合非局部均值模糊扩散和扩展邻域双边滤波的中值先验(MP)重建算法。首先,使用基于非局部均值模糊扩散方法对中值先验分布的最大后验(MAP)重建算法进行改进,以减少重建图像中的噪声;然后,采用基于扩展邻域的双边滤波方法对重建图像进行处理,以保持图像的边缘和细节信息,进一步提高重建图像的信噪比。采用Shepp-Logan模型和胸腔模型来验证算法的有效性,实验结果表明,与滤波反投影(FBP)、中值根先验(MRP)、非局部均值模糊扩散的MP重建(NLMMP)算法和非局部均值双边滤波的MP重建(NLMBFMP)算法相比,所提新算法的归一化均方距离和均方绝对误差最小,且信噪比最高,分别为10.20 dB和15.51 dB。该重建算法可以在对重建图像进行降噪的同时保持了图像的边缘和细节信息,改善了低剂量CT图像质量退化的问题,获得高信噪比和高质量的重建图像。     

基于PDE方法的遥感图像处理

前期处理后的遥感图像中主要剩有高斯白噪声和椒盐噪声，传统平滑滤波技术很难同时兼顾除噪和保持边缘的要求；所改进的偏微分方程（PDE）滤波算法能很好地适应遥感图像噪声特征，在消除噪声的同时能很好的保留边缘和纹理细节；仿真实验验证了算法的正确性及有效性；研究了算法关键参数的选择范围和处理效果，为实际应用提供指导。     

THE JANUS TEST: A HIERARCHICAL ALGORITHM FOR COMPUTING DIRECTION AND DISTANCE VECTORS (EXTENDED VERSION)*

For a compiler, dependence direction vectors are the key structure for many loop parallelizing transformations. More powerful transformations require knowing the values of the associated distances. However, this generally involves solving many problems. In this paper, we consider a hierarchical set of problems which differ only in direction vectors, as in the framework introduced by Burke and Cytron. Firstly, we solve the basic problem of the existence of a dependence without direction constraints, using a fast and exact algorithm composed of a pre-processing phase of reduction and of an integer simplex resolution. We propose a new “basic” algorithm. Secondly, if a solution exists, we define three new problems, each of them being obtained by adding a constraint associated with one of the three possible direction vectors relative to the first loop index. For each of these problems, if a solution exists, we define three enlarged similar problems involved by the second loop index, and so forth until the last index. The amount of computation for each new problem is very low. Information on the values of the distances is provided. The Janus Test, implemented at INRIA, has been embedded in the parallelizer built within the esprit project Compare and in the PARTITA tool of the EUREKA project EUROTOPS. Due to its robustness, it could be applied to more complex problems in data dependence and data flow analysis.     

依赖距离主导的向量化方法研究*

向量寄存器的非满载使用方式为大量迭代次数不足的循环提供了向量化的机会,但也导致向量化的并行宽度不固定,传统的向量因子主导的依赖测试方法不再适用。本文提出了一种依赖距离主导的依赖测试方法,通过分析依赖图中所有依赖环的破环关键边所携带的依赖距离,选择其中最小的依赖距离来决定并行宽度,破除依赖环,实现基于向量寄存器非满载使用方式的向量化。实验结果表明,该方法能够有效增加循环向量化的机会和提高向量寄存器的使用率,测试用例的向量化加速比平均提高14.6%。     

基于指令距离的存储相关性预测方法

存储相关性预测对于减少存储相关性冲突、提高微处理器性能具有十分重要的作用。针对传统相关性预测器硬件开销大、可实现性较差的缺点,通过对存储相关性的局部性分析,提出了一种基于指令距离的存储相关性预测方法。该方法充分利用了发生存储相关性冲突的指令在指令距离上的局部性,预测冲突指令的指令距离,进而控制部分访存指令的发射时机,大大减少了存储相关性冲突的次数。实验结果表明,在硬件开销约为1KB的情况下,使用基于指令距离的相关性预测器后,每个时钟周期平均执行的指令数可以提高1.70%,最高可以提高5.11%。在硬件开销较小的情况下,较大程度提高了微处理器的性能。     

Sigma系统中数据依赖关系分析的完善与增强

文中在分析了Ｓｉｇｍａ系统中数据依赖关系测试算法的基础，修正了其算法中的不足，同时，为提高测试的精确度，针对距离量法提出了边界测试的思想，针对消元提出了将消元法和Ｂａｎｅｒｊｅｅ不等式相组的思想，为提高系统效率，提出了不相交子方程组的思想。     

Aggregation of Dependent Risks Using the Koehler–Symanowski Copula Function

This study examines the Koehler and Symanovski copula function with specific marginals, such as the skew Student-t, the skew generalized secant hyperbolic, and the skew generalized exponential power distributions, in modelling financial returns and measuring dependent risks. The copula function can be specified by adding interaction terms to the cumulative distribution function for the case of independence. It can also be derived using a particular transformation of independent gamma functions. The advantage of using this distribution relative to others lies in its ability to model complex dependence structures among subsets of marginals, as we show for aggregate dependent risks of some market indices.     

Improving Memory Traffic by Assembly-Level Exploitation of Reuses for Vector Registers

In this paper, we propose a compilation scheme to analyze and exploit the implicit reuses of vector register data. According to the reuse analysis, we present a translation strategy that translates the vectorized loops into assembly vector codes with exploitation of vector reuses. Experimental results show that our compilation technique can improve the execution time and traffic between shared memory and vector registers. Techniques discussed here are simple, systematic, and easy to be implemented in the conventional vector compilers or translators to enhance the data locality of vector registers.     

基于距离与图卷积网络的方面级情感分析

目前,基于卷积神经网络和循环神经网络的方面级情感分析研究工作较少同时考虑到句子的句法结构和词语的语法距离,且卷积神经网络和循环神经网络无法有效地处理图结构的数据.针对上述问题,提出了一种基于距离与图卷积网络的方面级情感分类模型.首先,为该模型设计了一个具有残差连接的双层双向长短期记忆网络,用于提取句子的上下文信息;然后,根据句法依赖树得到词语的语法距离权重,并根据词语之间的句法关系构建邻接矩阵;最后,采用图卷积网络结合句子的上下文信息、语法距离权重和邻接矩阵提取方面的情感特征.实验结果表明,模型是有效的且可获得更好的性能.     

Long memory or shifting means in geophysical time series?

In the literature many papers state that long-memory time series models such as Fractional Gaussian Noises (FGN) or Fractionally Integrated series (FI(d)) are empirically indistinguishable from models with a non-stationary mean, but which are mean reverting. We present an analysis of the statistical cost of model mis-specification when simulated long memory series are analysed by Atheoretical Regression Trees (ART), a structural break location method. We also analysed three real data sets, one of which is regarded as a standard example of the long memory type. We find that FGN and FI(d) processes do not account for many features of the real data. In particular, we find that the data sets are not H-self-similar. We believe the data sets are better characterized by non-stationary mean models.     

Petri网中的公平依赖体系研究

本文给出了弱公平依赖的严格定义，及亚公平依赖、弱公平依赖关系的判定条件．从而使了公平依赖关系也同公平关系一样成为一个严格体系，并给出了公平依赖体系的图形表示．使公平依赖关系的研究可部分的借鉴公平体系研究的成果，这对以后公平依赖关系的研究具有一定的指导意义．     

构造串行程序对应的并行任务(DAG)图

目前在并行计算研究领域中很大一部分工作是将串行程序并行化,如何发掘串行程序中存在的并行性,一个好的方法就是构造其对应的并行任务(DAG)图,对并行任务图的分析,调度和最终实现并行计算的工作已经有很多人做过,但是由串行程序构造DAG图的工作相对很少。论文分析了串行程序中存在的依赖关系,并以此为依据,提出了一种由现有的串行程序或者串行解决方案构造对应的并行任务(DAG)图的算法。