一种基于局部高斯过程回归的图像降噪方法.pdf
子璇****君淑
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于局部高斯过程回归的图像降噪方法.pdf
本发明公开了一种基于局部高斯过程回归的图像降噪方法,首先将带噪图像分割成若干重叠的图像块,针对其中的每一个像素点,将包含局部结构相似度信息的邻域像素作为训练样本集来训练高斯过程回归模型,构造了一个复合协方差函数来度量输入数据之间的相似性,并预测相应的输出,即降噪处理后的像素值。之后对各图像块的重叠区域进行线性平滑处理,将处理后的图像块按顺序组合,重建降噪图像。本发明能有效利用图像局部结构中的相似性信息,在降噪的同时能保留原始图像中的结构信息,具有自适应性强、鲁棒性强和可靠性强等优点,能对被高斯白噪声污染的
基于非局部高斯过程回归的图像超分辨方法.pdf
本发明公开了一种基于非局部高斯过程回归的图像超分辨方法,主要解决现有技术在纹理区域上超分辨效果不佳的问题。其实现步骤为:1.对输入图像进行非局部图像块网格采样,构造训练样本集;2.基于训练样本集学习高斯过程回归模型;3.对测试图像预处理并生成测试样本集;4.在测试样本集上应用学习好的高斯过程回归模型,预测并输出超分辨图像。本发明充分利用输入图像本身存在的图像块自相似性,通过非局部采样获取更多的非局部相似性信息,使得高斯过程回归模型的训练更为高效。仿真实验表明,本发明具有较好的超分辨能力,重建的图像能恢复更
基于主动采样与高斯过程回归的图像超分辨方法.pdf
本发明公开了一种基于主动采样与高斯过程回归的图像超分辨方法,主要解决现有技术在纹理区域上超分辨效果不佳这一问题。其充分利用现有的大量外部自然图像构造训练集,以表征性和多样性为指标来度量样本信息量,从而提取出精简的训练子集,使得高斯过程回归模型的训练更为高效。实现步骤为:1.生成外部训练样本集,并对其进行主动采样得到训练子集;2.基于该训练子集学习出高斯过程回归模型;3.对测试图像预处理并生成测试样本集;5.在测试样本集上应用学习好的高斯过程回归模型,预测并输出超分辨图像。本发明具有较强的超分辨能力,在纹理
一种基于高斯过程回归的换热器效率预测方法.pdf
本发明涉及核电检修领域,具体涉及一种基于高斯过程回归的换热器效率预测方法。目前核电厂未实现换热器换热效率实时在线预测。本发明包括:步骤一:获取换热器历史及当前运行数据;步骤二:形成训练数据集;步骤三:预测高斯过程回归模型;步骤四:预测换热器换热效率;步骤五:对换热效率进行滑动预测。本发明使用高斯过程回归方法实现了实时在线对换热器换热效率进行预测。同时采用滑动预测的形式,保证了预测结果的准确性,对换热器性能监测具有一定的指导意义。
一种基于高斯过程回归的喷煤优化控制方法.pdf
本发明公开了一种基于高斯过程回归的喷煤优化控制方法,包括,采集喷煤过程中的调节参数进行预处理;从预处理后的所述参数中选取与喷煤量相关性较高参数作为特征值;利用高斯过程回归进行参数训练,得到预测模型;将所述预测模型保存为可被重新载入的文件,输入实时数据进行预测。本发明针对手动调节喷煤系统模式,减少了人为干预的喷煤量异常波动的现象,提高均匀喷煤的稳定性,优化高炉炉况,提高炼铁效率和质量;对于新员工来说,在没有相关炼铁经验的情况下,高炉喷煤操作模式优化的目的是给现场操作人员提供决策支持,起到辅助学习,促进经验增