图像超分辨率重构(superresolution reconstruction,SRR)是一个利用序列图像来求解理想图像的逆过程,基本原理就是把各图像上由于亚像素位移而存在的互补信息融合到同一幅图像中,从而达到提高分辨率的目的。我们采用最大后验概率(maximu...图像超分辨率重构(superresolution reconstruction,SRR)是一个利用序列图像来求解理想图像的逆过程,基本原理就是把各图像上由于亚像素位移而存在的互补信息融合到同一幅图像中,从而达到提高分辨率的目的。我们采用最大后验概率(maximum a posteriori,MAP)算法进行超分辨率重构。根据贝叶斯原理,高分辨率图像的后验概率等价于以下两项之积:已知理想高分辨率图像的前提下,低分辨率图像出现的条件概率;理想高分辨率图像的先验概率。MAP算法的基本思想就是在已知低分辨率图像前提下,使出现高分辨率图像的后验概率达到最大。该方法的优点是在复原过程中可以直接加入先验约束,能确保解的存在和唯一,降噪能力强和收敛稳定性高等。展开更多
现如今已有多种方法用来改善支持向量机(SVMs)算法以得到更加科学合理的分类。基于SVMs算法上的一种改进算法——翻转概率算法(Flipping Probability Algorithm)也是一个具有良好性能的分类算法,可嵌入应用于分类器中。翻转概率算法的...现如今已有多种方法用来改善支持向量机(SVMs)算法以得到更加科学合理的分类。基于SVMs算法上的一种改进算法——翻转概率算法(Flipping Probability Algorithm)也是一个具有良好性能的分类算法,可嵌入应用于分类器中。翻转概率算法的基础是由伯明翰大学Ata Kabán博士发明的。在这篇文章中,意在介绍验证翻转概率算法并评估翻转概率算法的表现以及将其与SVMs进行对比以验证性能。展开更多
针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目...针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目标的初步数据关联,分析了公共量测对目标跟踪的影响,并引入了公共量测影响系数来修正关联概率,最后使用卡尔曼滤波算法对目标的状态估计进行预测,从而更新各个目标的状态。仿真结果表明,所提算法有效解决了在密集杂波环境中JPDA算法组合爆炸问题,极大缩短计算时间,提高了算法的实时性。展开更多
文摘图像超分辨率重构(superresolution reconstruction,SRR)是一个利用序列图像来求解理想图像的逆过程,基本原理就是把各图像上由于亚像素位移而存在的互补信息融合到同一幅图像中,从而达到提高分辨率的目的。我们采用最大后验概率(maximum a posteriori,MAP)算法进行超分辨率重构。根据贝叶斯原理,高分辨率图像的后验概率等价于以下两项之积:已知理想高分辨率图像的前提下,低分辨率图像出现的条件概率;理想高分辨率图像的先验概率。MAP算法的基本思想就是在已知低分辨率图像前提下,使出现高分辨率图像的后验概率达到最大。该方法的优点是在复原过程中可以直接加入先验约束,能确保解的存在和唯一,降噪能力强和收敛稳定性高等。
文摘现如今已有多种方法用来改善支持向量机(SVMs)算法以得到更加科学合理的分类。基于SVMs算法上的一种改进算法——翻转概率算法(Flipping Probability Algorithm)也是一个具有良好性能的分类算法,可嵌入应用于分类器中。翻转概率算法的基础是由伯明翰大学Ata Kabán博士发明的。在这篇文章中,意在介绍验证翻转概率算法并评估翻转概率算法的表现以及将其与SVMs进行对比以验证性能。
文摘针对杂波环境下联合概率数据关联算法(joint probabilistic data association,JPDA)计算复杂度较高、实时性较差等问题,提出一种基于最大熵模糊聚类的JPDA算法。基于目标轨迹和量测之间的关联规则,采用最大熵模糊聚类算法实现量测与目标的初步数据关联,分析了公共量测对目标跟踪的影响,并引入了公共量测影响系数来修正关联概率,最后使用卡尔曼滤波算法对目标的状态估计进行预测,从而更新各个目标的状态。仿真结果表明,所提算法有效解决了在密集杂波环境中JPDA算法组合爆炸问题,极大缩短计算时间,提高了算法的实时性。
