基于共轭先验分布的贝叶斯网络分类模型

针对贝叶斯网络后验概率需计算样本边际分布,计算代价大的问题,将共轭先验分布思想引入贝叶斯分类,提出了基于共轭先验分布的贝叶斯网络分类模型.针对非区间离散样本,提出一种自适应的样本离散方法,将小波包提取模拟电路故障特征离散化作为分类模型属性.仿真验证表明,模型分类效果较好,算法运行速度得以提高,也可应用于连续样本和多分类的情况,扩展了贝叶斯网络分类的应用范围.     

基于稀疏先验的非局域聚类图像去噪算法研究

图像去噪是一类典型的病态（ill-posed）逆问题求解,噪声掩盖下的真实图像并不确定,需要引入先验信息缩小病态问题的求解范围。为了将外部干净图像的先验信息引入去噪进程,提出了一种基于外部干净图像与内部噪声图像稀疏先验的非局域聚类图像去噪算法,通过联合外部干净图像与内部噪声图像的图像块得到类稀疏化表达字典;通过全局的相似块匹配,得到理想图像的稀疏系数估计;基于类字典和估计的稀疏系数,采用压缩感知技术的稀疏重建方法实现图像去噪。实验表明,与传统的非局域稀疏聚类图像去噪方法相比,所提算法显著降低去噪块效应,在保留更多细节的同时,图像平坦区域过渡更加自然;而理想图像先验来源的扩展则进一步提高了算法在强噪声下的去噪性能,对强噪声具有更强的抑制能力。     

基于免疫算法的自适应小波阈值图像去噪

本文提出一种基于免疫算法求阈值的方法,它与小波变换及Bayesian Risk相结合,提高了图像的信噪比,减少了图像的均方误差。试验结果证明了这一点。     

贝叶斯学习中基于贝叶斯判别分析的先验分布选取

In this paper we propose an experimental method to choose a prior distribution. Different from many re-searchers, who offered lots of principles that separated from sample information, we consider it a Bayesian discrimina-tion problem combining with the sample information. We introduce the concept of Posterior belief about prior distri-butions. With the well-known Bayes theorem we give out a formula to calculate it and propose a method to discrimi-nate a prior between prior distributions-Highest Posterior Belief (HPB). We also show that under certain condition,the HPB method is identical with the ML-Ⅱ method.     

基于多尺度相似先验的非局部图像去噪算法

图像去噪是图像处理领域的一个基础研究课题,利用正则化建模方式解决图像去噪问题的关键在于正则化约束项的选择。通过分析图像结构信息,文章假定图像存在多尺度的结构特征,提出了以多尺度相似先验作为正则化约束项的非局部图像去噪模型。该算法利用奇异值分解和硬阈值方法对获得的多尺度相似矩阵进行协同去噪,通过数值实验表明,可以获得性能较好的去噪效果。     

一种基于贝叶斯估计的双树复小波图像去噪算法

为了去除图像中的高斯噪声,本文根据贝叶斯最大后验概率估计,把双树复小波变换和拉普拉斯分布模型结合起来,提出了一种基于贝叶斯估计的图像去噪算法。实验表明,本文算法能明显的改善和提高主观视觉效果和峰值信噪比。     

基于灰色关联度改进的Contourlet变换图像去噪算法

为了更有效降低图像中的噪声,提出一种基于灰色关联度改进的Contourlet变换图像去噪算法。一方面考虑到Contourlet变换尺度内各相邻方向子带之间的灰色关联度、尺度间的影响及噪声强度的因素,对贝叶斯阈值进行改进;另一方面根据Contourlet系数的特点对折中阈值函数进行改进,以达到自适应去噪的目的。实验结果表明,该算法能有效地降低图像噪声,获得更高的峰值信噪比(PSNR)和更好的视觉效果,具有较好的实用性。     

基于分层筛选方法的前景图像去噪

前景图像的后期美化和去噪处理一直是模式识别和计算机视觉等领域的一个重要研究环节。鉴于形态学后期处理方法容易造成前景目标几何和尺寸的变形现象,本文根据真实前景目标和噪声在前景图像空间分布和像素值的统计特性提出了一种分层筛选独立分离块的前景图像后期去噪方法。该方法包括划分单元块,构造独立分离块,计算独立分离块面积和去除噪声块四个步骤。实验结果表明,本文提出的方法能够有效地去除噪声,且与形态学图像后期处理方法相比有更好的去噪效果和更低的时间复杂度。     

全变分极端通道先验的盲图像去噪去模糊

图像先验是图像复原中求解不适定问题的关键。针对在图像具有显著噪声时,极端通道先验去模糊算法容易产生振铃伪影和无法抑制噪声的缺点,利用全变分模型可以同时抑制噪声和保护边缘的优势,提出一种有效的全变分极端通道先验的盲图像去噪和去模糊模型。首先,将全变分模型分别引入暗通道和亮通道中,用于保护图像的边缘及消除噪声或振铃伪影;其次,利用半二次分裂技术解决模型的非凸问题和估计潜在的清晰图像;最后,用迭代多尺度盲反褶积估计图像的模糊核。实验结果表明,该算法能够在抑制噪声的同时很好地保护图像的边缘细节和消除振铃伪影。相比近几年具有代表性的其他方法,该模型的鲁棒性、主观视觉效果和客观评价指标均有明显提高。     

自适应匹配追踪图像去噪算法

针对目前的稀疏去噪算法分解效率低、去噪效果不理想的问题,提出了一种基于自适应匹配追踪的图像去噪算法。该算法首先通过自适应匹配追踪算法求解稀疏系数,然后利用K奇异值分解算法将字典训练成能够有效反映图像结构特征的自适应字典,最后将稀疏系数与自适应字典相结合来重构图像。在重构过程中,将噪声对应的系数去除,最终达到去噪的效果。算法引入Spike-Slab先验来引导稀疏系数矩阵的稀疏性,并利用两个权重矩阵促使去噪模型更加真实。鉴于字典在稀疏算法中的重要性,将自适应字典与DCT冗余字典、Global字典进行比较。实验结果显示,选择自适应字典的去噪结果比传统字典在峰值信噪比上高出约4.5 dB;与目前6种主流的稀疏去噪方法相比,文中提出的方法在3种评价指标上均有不同程度的提高,其中峰值信噪比平均提高了约0.76~6.24 dB,特征相似度平均提高了约0.012~0.082,结构相似性平均提高了约0.015~0.108。对图像去噪算法进行定性的评价,结果显示所提算法保留了更多的有用信息,视觉效果最佳。实验充分证明了自适应匹配追踪图像去噪算法对图像去噪的有效性和鲁棒性。     

基于反应扩散和非局部自相似的图像去噪算法

为了更好地利用图像先验以及保护图像边缘、纹理等细节信息,提出一种结合反应扩散（TrainedNonlinearReactionDiffusion,TNRD）与基于块组先验去噪（PatchGroupPriorbasedDenoising,PGPD）的改进算法。首先,对PGPD去噪后的图像进行小波分解得到3个正交的子带,由理论分析可知图像为各子带之和;然后利用反应扩散对高频系数大于阈值的子带部分进行扩散处理,并将处理结果替代原来部分从而获得最终去噪图像。实验结果表明,改进算法在峰值信噪比、保护细节信息等方面都有较大的性能改善。     

一种基于Contourlet变换的图像去噪方法

在变换域阚值去噪过程中，阈值的选取和阚值处理方法至关重要。提出一种基于conmurlet变换的图像去噪方法。采用分层阈值，为每一级contourlet系数选取一个阈值。阈值处理中给出一种基于邻域的阈值处理方法，不仅考虑单个系数幅值的大小，而且考虑它的邻域系数幅值的大小。同时为了抑制在去噪图像边缘附近的伪吉布斯效应，引入cycle spinning来抑制这种图像失真。实验结果表明，利用文中去噪方法进行去噪比其他方法得到更好的视觉效果和更高的PSNR值。     

基于狮群优化算法的自适应图像去噪技术

针对现有技术不能同时处理多种噪声的问题,提出一种基于狮群优化算法的自适应图像去噪技术.利用不同空间滤波器组合,在保留图像更多边缘纹理细节的同时,消除图像中的高斯、斑点和椒盐等多类噪声.为了提高线性滤波器组合的效率,采用狮群优化算法在无人为干预的情况下寻找最佳滤波器组合,使得算法在最少的时间消耗内实现最优的图像噪声消除效...     

基于动态先验的LDA模型消息传递算法

变分贝叶斯、吉布斯采样和消息传递是求解潜在狄利克雷分配(LDA)模型的三种主要近似推理算法,消息传递算法在效率和准确率上都明显优于其他两种。为了获得高可解释性的潜在语义空间,提出在迭代过程中动态调整先验参数的消息传递算法,使用加入伽马先验的固定点迭代方法自动学参数,同时探索对称先验以及非对称先验对模型泛化能力及文本分类准确率的影响。实验结果表明提出的动态非对称先验算法改进了模型的泛化能力,提高了文本分类的准确率。     

基于先验贝叶斯推断验证法的高可靠性评估

评估是保证高可信软件中高可靠性的重要手段。传统的评估方法要么不适应高可靠性的特点,要么不符合真正意义上的评估。基于现状,提出了一种基于先验贝叶斯推断验证的评估方法,该方法不仅利用了先验贝叶斯推断验证法的优势,而且结合了二分查找算法的迭代理论,二者结合起来实现了真正意义上有效的高可靠性评估。实例应用证明,这种评估方法比较客观、可行,具有较高的实用价值。     

基于改进的微粒群优化算法与shearlet图像去噪研究

从现阶段信息工程学科的拓展研究及发展状况来看,该领域研究成果的实践应用范围十分宽泛,因此,要注重各项细节的处理与完善。在研究中发现,图像信息在获取及其传输时难免受到噪声的影响,只要受到噪声干扰,则图像边缘则会出现模糊,不利于图像分析环节的执行。在实际操作中,要尽可能采取有效措施来避免噪声对图像的干扰。相对而言,改进的微粒群优化算法较为先进,如若将改模式引入到shearlet图像去噪环节中,则更能突显其价值。本文基于改进的微粒群优化算法与shearlet图像去噪的相关内容进行阐述,以期能为该项目的深入研究带来一定的启示。     

基于提升小波的图像去噪算法的FPGA设计

在图像处理中,基于离散小波变换的提升算法比传统的卷积算法运算简单、实时性好、易于实现,因而被图像去噪所采用.本文介绍了提升小波的基本原理,以及把提升小波应用于图像去噪的算法,并且给出了一种适合FPGA实现的硬件结构.对于提升后的图像,采用门限法进行去噪.仿真实验的结果表明,该方法不仅可以有效地去除原始图像中的噪声,而且能够保留原始图像的局部特征.     

一种基于Contourlet变换的图像去噪方法

在变换域阈值去噪过程中,阈值的选取和阈值处理方法至关重要。提出一种基于contourlet变换的图像去噪方法。采用分层阈值,为每一级contourlet系数选取一个阈值。阈值处理中给出一种基于邻域的阈值处理方法,不仅考虑单个系数幅值的大小,而且考虑它的邻域系数幅值的大小。同时为了抑制在去噪图像边缘附近的伪吉布斯效应,引入cycle spin-ning来抑制这种图像失真。实验结果表明,利用文中去噪方法进行去噪比其他方法得到更好的视觉效果和更高的PSNR值。     

基于先验信息可信度的鱼雷可靠性Bayes分析

鱼雷武器装备具有小子样复杂系统的特点,在运用Bayes方法进行鱼雷系统可靠性试验与评定分析时,为了尽量较少试验样本,充分利用了各种先验信息,但在进行Bayes分析时尚未考虑先验信息的可信度问题.基于此,在分析先验信息是否会淹没小子样现场试验信息问题基础上,引入可信度理论,给出了基于先验信息可信度的鱼雷可靠性Bayes方法.最后通过鱼雷系统仿真实例具体说明了方法的应用,同时也验证了方法的合理性和有效性.