【摘 要】
：
：为解决基于字典学习与稀疏表示的灰度图像彩色化算法只对单一内容图像有效这一问题，本文提出了一种新型的图像彩色化方法。首先，根据目标灰度图像的子内容分别选取多组参考彩色图像，从各组参考彩色图像中选取对应子内容的样本图像块；然后分别进行字典训练，得到基于内容的分类字典；最后，根据重建误差最小化原则，查找最佳匹配子字典，进而实现灰度图像的彩色化。本文算法是一种自动算法，在保证图像彩色化过程自动化的前提下
【机 构】
：
北京交通大学信息科学研究所,北京100044;现代信息科学与网络技术北京市重点实验室,北京100044
论文部分内容阅读
：为解决基于字典学习与稀疏表示的灰度图像彩色化算法只对单一内容图像有效这一问题，本文提出了一种新型的图像彩色化方法。首先，根据目标灰度图像的子内容分别选取多组参考彩色图像，从各组参考彩色图像中选取对应子内容的样本图像块；然后分别进行字典训练，得到基于内容的分类字典；最后，根据重建误差最小化原则，查找最佳匹配子字典，进而实现灰度图像的彩色化。本文算法是一种自动算法，在保证图像彩色化过程自动化的前提下，提高了彩色化效果。实验结果表明，该算法能够对目标灰度图像中的不同内容分别进行正确彩色化处理。
其他文献
轧机液压AGC 系统是板带生产过程的核心单元，容易发生多种故障，影响产品质量甚至会引发生产安全事故。本文建立了AGC 系统仿真模型，该模型可反映系统参数变化对系统性能的影响；并在仿真模型上对AGC系统七种常见故障进行了模拟；应用多信号模型方法，实现常见的单一微小故障和复合故障的准确诊断；结果表明了模型及诊断方法的有效性。
针对突变情况下高速动车组多质点模型的状态估计问题，提出了适合于高速动车组多质点模型的状态估计方法。首先，建立了描述高速动车组动态特性的随机离散非线性状态空间模型。然后，将高速动车组的状态估计问题转化为范和正则化的最小二乘问题，正则化参数平衡拟合精度与状态变化范围，加权因子用来提高状态噪声的稀疏性，进而得到适合于高速动车组的状态估计算法。最后，进行了高速动车组状态估计的数值仿真实验，结果表明提出的方
针对部分状态和摩擦、外部干扰等都不可测的机电伺服系统，结合扩张状态观测器和自适应滑模控制，提出一种基于扩张状态观测器的伺服系统自适应滑模控制策略。扩张状态观测准确估计系统摩擦和外部干扰，补偿了系统摩擦和外部干扰的影响，并取消了系统所有状态完全可测的限制。通过极点配置法确定观测器参数，简便了观测器的参数整定。同时，设计自适应滑模控制器，保证系统位置状态快速稳定地跟踪期望信号。仿真结果表明，该控制器改
本文针对两区域互联电网负荷频率偏差控制问题，提出了两区域电网分布式预测协调控制DMPC(Distributed Model Predictive Control)策略，其主要思想是将整个系统分解成几个子系统，每个子系统都有各自的控制器。这些控制器通过信息交换，进行相互协调。该控制策略通过有效解决发电机变化率约束(Generation Rate Constraint)问题，使得关键变量更靠近全局最优
现有大多数密钥管理方案并未综合考虑无线传感器网络拓扑动态变化及sink 节点移动的场景。本文提出一种基于动态分簇及移动sink 最优路径选择的密钥管理方案。该方案充分考虑无线传感网动态变化的拓扑结构以及移动sink 的最优路径规划问题，并在此基础上分析网络系统的安全性。根据普通节点和sink 节点不同的资源配置，设计簇头与移动sink 采用改进的ECDH 算法建立会话密钥，普通节点与簇头通过二元对
大型发电生产过程被控对象动态特性大多具有大惯性，大时滞和非线性特点，获取其对象模型确实不易。但是模型精度不要求太高时，想要得到某个工作点的对象模型是完全可以实现的。本文提出一种基于负荷自适应的模型驱动循环流化床锅炉床温控制系统。该系统设计的前提条件是已获得了几种典型工况下的床温模型。首先将床温模型经过微分反馈补偿后得到其等效床温模型，表示为带有纯滞后的一阶环节，这样十分方便求得模型驱动控制器参数。
基于多模型的软测量建模中，聚类效果与子模型的建模及融合方式对软测量模型的精度起重要作用。对此，本文提出一种基于改进仿射传播聚类(AP)的多模型建模方法。为提高聚类精度，在AP 聚类算法划分样本数据的基础上，采用人工鱼群算法对AP 聚类算法的偏向参数与阻尼系数寻优，同时针对位于距离较近类别边界处的样本再建立重叠类，采用支持向量机建立各类样本的回归子模型。分别用标准数据集仿真和工业双酚A 生产装置的现
为了解决监控系统布线困难和远程通信的问题，提出了基于ZigBee 无线传感器网络(WSNs)和4G 无线通信网络的工业过程远程监控系统。详细介绍了WSNs 的网络拓扑结构设计及ZigBee 终端测控节点、协调器网关和远程监控中心的软硬件设计方法。该系统已应用于电缆厂连铸连轧车间控制系统中，运行结果表明系统稳定、可靠，完全满足生产工艺要求。
针对传统的K-means 聚类算法存在的缺点，本文提出一种基于密度指标去除噪声点和孤立点的算法，该算法以每个点的密度大小是否满足一个阈值为条件，判定该点是否为孤立点，实验表明该算法能有效消除样本中的噪声点和孤立点对K-means 聚类中心的影响。再利用减法聚类算法初始化K-means 算法的聚类中心，并得到聚类中心的个数，将改进后的K-means 算法优化RBF 神经网络结构，通过对典型非线性函数
间歇过程是一类具有典型复杂非线性特性的生产过程，可以利用模糊神经网络(NFM)建立其输入输出的非线性映射关系。在前期的研究中曾提出过基于PDF 技术的模型训练方法，成功的解决了传统的基于MSE 准则训练方法模型泛化能力弱的问题，但又产生了概率密度难以估计及目标PDF 未知时模型性能不稳定的问题。本文针对这两个问题，引入了新的概率密度窗宽估计方法，并提出了在目标PDF 未知时采用PDF 预估器及其收