一种基于群组判断离差的偏好集结方法

针对群决策偏好集结中违反Pareto 最优性的情况, 设计一种基于群组判断几何离差的同质性集结方法. 该方法在集结前进行几何离差测试, 以确定个体决策信息的离差水平. 离差较小时, 可基于几何平均集结; 对于离差较大且修正复杂度较高的决策信息, 采用主成分分析(PCA) 从高维决策信息中提取大多数相关信息, 在不依赖主观分析的情况下进行加权集结. 仿真实验表明, 所提出的方法能够在不违背Pareto 最优性的基础上集结离差较大的群决策信息.

     

基于字典对联合学习的退化图像复原方法

针对传统字典学习方法在退化图像复原中效果不理想的问题,提出一种基于字典对联合学习的退化图像复原方法.首先在图像稀疏分解和字典学习的基本框架下,对基于字典学习复原方法的整个过程和关键步骤进行分析;然后针对图像复原的线性模型存在的缺陷,提出一种非线性的基于字典对联合学习的框架,解决了传统字典学习方法在退化图像复原中存在的不对称问题;最后利用随机梯度下降算法估计字典模型参数,并使用一种经典的启发式方法提高该算法的稳定性和收敛速度.基于各向同性和各向异性模糊核的实验结果表明,该方法对于非盲图像复原与当前技术条件下的方法相比是有竞争力的,甚至是更好的.     

联合优化PSF估计与可逆性编码的去运动模糊

针对传统相机捕获的图像去运动模糊性能不稳定的问题,对编码相机的原理和编码策略进行研究,提出了一种基于相机优化编码和图像有效边缘的点扩展函数(Point spread function,PSF)估计与去运动模糊方法。首先,对传统相机的alpha蒙板去模糊方法进行研究,并将其扩展到编码相机的去运动模糊;然后,对影响去模糊性能的编码因素进行分析,找出适宜于PSF估计和可 逆性的最优化编码;最后,对一种基于有效边缘和最大后验分布的PSF估计方法进行改进,并以有效的边缘梯度为空间先验信息采用由粗到精的迭代方式完成图像的去运动模糊。基于仿真模糊图像与真实模糊图像的实验结果表明,本文方法能够有效地估计PSF,并且去运 动模糊方法的性能优于当前技术条件下的其他方法。     

无创自动测量血压计测量影响因素及检定注意事项分析

文章分析了无创自动测量血压计测量影响因素和检定注意事项，并对其不确定度进行了评定。     

关节空间和工作空间的混合轨迹规划算法研究

为了实现机器人的高速、高精度控制,必须对机器人进行合理的轨迹规划,同时,轨迹规划也是实现驱动电机力矩和功率得到充分利用的核心内容。将编写Python语言的轨迹规划程序,并使用关节空间和工作空间的五次样条函数混合轨迹规划法对Delta两自由度机器人进行轨迹规划,再利用动力学对轨迹规划结果进行相应的优化。生成的拟合曲线表明,机器人的混合轨迹规划法充分利用了关节空间和工作空间轨迹规划法的优点,并且动力学优化后的结果,对提高驱动电机的使用效率具有很好的指导性意义,最后通过实验验证了结果的正确性。     

基于边缘分离的去振铃复原

针对模糊图像复原后常常存在的振铃现象,提出了一种基于边缘分离的去振铃复原方法。该方法首先使用基于图像质量评价的降晰函数辨识方法估计模糊图像的降晰函数尺寸,提取模糊图像中的强边缘并平滑边缘区域得到去边缘模糊图像。然后,利用估计降晰函数对去边缘模糊图像进行迭代盲复原。最后,提取边缘增强后加入到复原的去边缘图像中得到完整的复原图像,并对复原图像进行增强。复原过程中为了抑制噪声放大使用了Wiener和离散小波变换(DWT)联合去噪算法对图像的低频区域进行去噪。实验结果表明:与传统的迭代复原算法相比,本算法复原图像的振铃测度降低了34%以上,比基于Fuzzy滤波器的去振铃算法低12.5%以上;同时,本算法复原的图像质量也得到了明显提升。     

一种改进的NAS-RIF红外图像盲复原算法

针对军事目标红外图像信噪比低、NAS-RIF算法复原模糊图像时敏感于噪声的缺陷,提出一种基于Contourlet多尺度变换去噪和图像细节规整化的改进NAS-RIF盲复原算法。首先,通过Contourlet变换对图像进行去噪预处理;然后,利用最优阈值分割技术提取目标的可靠支持域,并引入规整化方法,在代价函数中添加目标边缘保持约束项,保存图像细节特征;最后,利用共轭梯度(CG)算法优化代价函数,以保持算法的收敛速度。两组实验的结果表明,针对信噪比较低的气动红外退化图像,与原始NAS-RIF方法相比,本文提出的改进算法具有更好的复原效果,算法的收敛速度基本保持不变。     

基于生物视觉标准模型特征的无参考型图像质量评价方法

鉴于生物视觉特征对于图像的良好表征能力,提出了一种基于生物视觉特征的无参考型图像质量评价方法。对生物视觉ST模型进行了研究和分析,完成了对图像的稀疏化表示;利用最小二乘支持向量机回归方法训练生物视觉特征到图像质量的映射关系,获得能够预测图像质量的回归器;通过学习的回归器完成了对图像质量的评价。基于LIVE图像库的实验结果表明,该方法对于特定失真和交叉失真的预测误差分别为2%和5%左右,并且与目前技术条件下的质量评价方法相比具有很好的精确性和单调性。     

基于自然图像块相似性和稀疏先验性的图像复原

针对物体成像过程受光学系统散焦、运动、大气扰动及光电噪声等因素影响,导致光学系统获取的图像存在噪声、模糊、畸变等降质问题,对基于自然图像块相似性和自然图像稀疏先验信息的图像复原方法进行研究,提出一种泛化的基于图像块相似性和自然图像稀疏先验的图像复原框架。首先,在研究自然图像稀疏先验模型的基础上比较了几种图像块的相似性模型,比较结果表明在图像复原中利用图像块的高相似性先验条件模型能够提升图像复原的性能;接着,构建和优化了基于图像块的期望log相似性模型,减少了运行时间,简化了学习过程;最后,通过构建一种近似的最大后验估计（MAP）算法,最终实现了基于优化的期望块log相似性和混合高斯模型（GMM）的图像复原。仿真实验结果表明,所提方法能够很好地复原包含有各种模糊和加性噪声的退化图像,所得图像的峰值信噪比（PSNR）和结构相似度（SSIM）都优于当前技术条件下的其他稀疏先验复原方法,并具有更好的视觉效果。