本文论证了超分辨率图像复原计算中的两个性质,并基于此在MAP(Maximum A Posteriori)框架下提出了一种新的纹理自适应算法.算法首先根据低分辨率图像和高分辨率图像近似计算的可类比性质计算初始图像,使初始图像的质量更高,并根据超分...本文论证了超分辨率图像复原计算中的两个性质,并基于此在MAP(Maximum A Posteriori)框架下提出了一种新的纹理自适应算法.算法首先根据低分辨率图像和高分辨率图像近似计算的可类比性质计算初始图像,使初始图像的质量更高,并根据超分辨率复原图像阶跃边缘的陡坡性质,将三边滤波正则化应用于迭代运算中,更好地保护了图像的陡坡和屋顶边缘.算法可根据图像的纹理自动计算初始图像融合参数以及正则化函数中的梯度阈值等参数,解决了以往超分辨率图像复原算法参数调整复杂的问题.实验结果表明,本文算法在没有人工参与的情况下,重建图像的客观评价和主观质量均有明显提高.展开更多
提出一种预估计混叠度的PEMAP(pre-estimated MAP (maximum a posteriori))算法,用于卫星图像的地面超分辨率处理.它通过频域分析确定卫星图像的混叠度,将其作为先验信息在空域控制MAP估计的循环迭代,联合估计帧间位移和高分辨率图像....提出一种预估计混叠度的PEMAP(pre-estimated MAP (maximum a posteriori))算法,用于卫星图像的地面超分辨率处理.它通过频域分析确定卫星图像的混叠度,将其作为先验信息在空域控制MAP估计的循环迭代,联合估计帧间位移和高分辨率图像.该算法克服了最大后验概率MAP算法的盲目性和不稳定性,使其适应性更好.实际的卫星图像处理显示了较好的处理效果.展开更多
最大后验概率(maximum a posteriori,MAP)信道估计算法应用于MIMO-OFDM系统时将带来大规模矩阵求逆和乘积运算,且OFDM符号的数据传输效率随着发送天线的增多逐渐下降。针对这些弊端,提出一种基于期望最大化(expectation maximum,EM)的MA...最大后验概率(maximum a posteriori,MAP)信道估计算法应用于MIMO-OFDM系统时将带来大规模矩阵求逆和乘积运算,且OFDM符号的数据传输效率随着发送天线的增多逐渐下降。针对这些弊端,提出一种基于期望最大化(expectation maximum,EM)的MAP信道估计算法,并分析了算法的性能。该算法利用EM算法把多输入输出信道估计问题化简为一系列独立的单输入输出问题,避免了大规模矩阵运算,降低了MAP算法的计算复杂度;为进一步改善MAP算法的数据传输效率及其估计性能,可通过对多个连续的OFDM符号进行联合信道估计。通过仿真实验证明了该算法的有效性。展开更多
卡尔曼滤波(Kalman filter,KF)和最大化后验概率法(maximum a posteriori,MAP)是结构荷载识别中常见的两类广义贝叶斯滤波算法,KF法计算效率高但数值稳定性较差,MAP法适用性强却需要复杂的矩阵求逆运算,加之这两类方法对荷载形式和测点...卡尔曼滤波(Kalman filter,KF)和最大化后验概率法(maximum a posteriori,MAP)是结构荷载识别中常见的两类广义贝叶斯滤波算法,KF法计算效率高但数值稳定性较差,MAP法适用性强却需要复杂的矩阵求逆运算,加之这两类方法对荷载形式和测点布置的苛刻要求,目前仅适用于简单荷载的识别。为此,该研究提出了针对任意分布式荷载的贝叶斯全局响应重构方法,从在线和离线两个角度改进了现有方法。针对在线KF方法,该研究从结构动力特性中导出等效荷载向量来降低未知荷载的维度,得到满足可控性条件的等效系统模型,并采用输入状态联合估计方法同时识别等效荷载和全局响应。针对离线MAP方法,引入考虑了空间相关性的荷载先验分布,采用MAP策略同时对等效荷载和观测噪声进行迭代估计,随后根据识别得到的等效荷载重构全局响应。改进后的在线和离线方法均不需要提前获取荷载位置或分布形式。通过青州大桥在风荷载和交通荷载下采集的响应数据对所提方法的精度和适用性进行了验证。展开更多
文摘本文论证了超分辨率图像复原计算中的两个性质,并基于此在MAP(Maximum A Posteriori)框架下提出了一种新的纹理自适应算法.算法首先根据低分辨率图像和高分辨率图像近似计算的可类比性质计算初始图像,使初始图像的质量更高,并根据超分辨率复原图像阶跃边缘的陡坡性质,将三边滤波正则化应用于迭代运算中,更好地保护了图像的陡坡和屋顶边缘.算法可根据图像的纹理自动计算初始图像融合参数以及正则化函数中的梯度阈值等参数,解决了以往超分辨率图像复原算法参数调整复杂的问题.实验结果表明,本文算法在没有人工参与的情况下,重建图像的客观评价和主观质量均有明显提高.
文摘提出一种预估计混叠度的PEMAP(pre-estimated MAP (maximum a posteriori))算法,用于卫星图像的地面超分辨率处理.它通过频域分析确定卫星图像的混叠度,将其作为先验信息在空域控制MAP估计的循环迭代,联合估计帧间位移和高分辨率图像.该算法克服了最大后验概率MAP算法的盲目性和不稳定性,使其适应性更好.实际的卫星图像处理显示了较好的处理效果.
文摘最大后验概率(maximum a posteriori,MAP)信道估计算法应用于MIMO-OFDM系统时将带来大规模矩阵求逆和乘积运算,且OFDM符号的数据传输效率随着发送天线的增多逐渐下降。针对这些弊端,提出一种基于期望最大化(expectation maximum,EM)的MAP信道估计算法,并分析了算法的性能。该算法利用EM算法把多输入输出信道估计问题化简为一系列独立的单输入输出问题,避免了大规模矩阵运算,降低了MAP算法的计算复杂度;为进一步改善MAP算法的数据传输效率及其估计性能,可通过对多个连续的OFDM符号进行联合信道估计。通过仿真实验证明了该算法的有效性。
文摘卡尔曼滤波(Kalman filter,KF)和最大化后验概率法(maximum a posteriori,MAP)是结构荷载识别中常见的两类广义贝叶斯滤波算法,KF法计算效率高但数值稳定性较差,MAP法适用性强却需要复杂的矩阵求逆运算,加之这两类方法对荷载形式和测点布置的苛刻要求,目前仅适用于简单荷载的识别。为此,该研究提出了针对任意分布式荷载的贝叶斯全局响应重构方法,从在线和离线两个角度改进了现有方法。针对在线KF方法,该研究从结构动力特性中导出等效荷载向量来降低未知荷载的维度,得到满足可控性条件的等效系统模型,并采用输入状态联合估计方法同时识别等效荷载和全局响应。针对离线MAP方法,引入考虑了空间相关性的荷载先验分布,采用MAP策略同时对等效荷载和观测噪声进行迭代估计,随后根据识别得到的等效荷载重构全局响应。改进后的在线和离线方法均不需要提前获取荷载位置或分布形式。通过青州大桥在风荷载和交通荷载下采集的响应数据对所提方法的精度和适用性进行了验证。
